Növelje a mesterséges intelligencia hardverképességét

A CPU továbbra is jól működik üzleti rendszerekben vagy olyan alkalmazásokban, amelyekben a programozás általános rugalmassága meghaladja a tiszta feldolgozási teljesítményt. A GPU-k azonban ma már a szabványok a különféle adattudományi, gépi tanulási, mesterséges intelligencia- és mélytanulási igényekhez. Természetesen mindenki folyamatosan a következő nagy dolgot keresi a fejlesztői környezetben. A CPU-k és a GPU-k is termelési szintű processzorok. A jövőben előfordulhat, hogy a szabványok helyett kétféle processzor valamelyikét fogják használni:

• Alkalmazásspecifikus integrált áramkörök (ASIC): Az általános processzorokkal ellentétben a szállító egy ASIC-et hoz létre egy meghatározott célra. Az ASIC-megoldás rendkívül gyors teljesítményt kínál nagyon kis teljesítmény mellett, de hiányzik belőle a rugalmasság. Az ASIC megoldásra példa a Google Tensor Processing Unit (TPU) , amelyet beszédfeldolgozásra használnak.
• Field Programmable Gate Arrays (FPGA-k): Az ASIC-hez hasonlóan az eladó általában egy adott célra készíti el az FPGA-t. Azonban az ASIC-től eltérően az FPGA programozható úgy, hogy megváltoztassa a mögöttes funkcióit. Példa az FPGA-megoldásra a Microsoft Brainwave-ja , amelyet mély tanulási projektekhez használnak.

Az ASIC-k és az FPGA-k közötti csata felforrósodónak ígérkezik, és az AI-fejlesztők lesznek a győztesek. Egyelőre úgy tűnik, a Microsoft és az FPGA-k átvették a vezetést. A lényeg az, hogy a technológia gördülékeny, és számítani kell az új fejlesztésekre.

A gyártók teljesen új feldolgozási típusokon is dolgoznak, amelyek a vártnak megfelelően működnek, de lehet, hogy nem. Például a Graphcore egy Intelligence Processing Unit-on (IPU) dolgozik. A múltban az ipart övezte hype miatt sóhajtva kell fogadnia ezeknek az új processzoroknak a hírét. Ha meglátja a nagyvállalatok, például a Google és a Microsoft valódi alkalmazásait, egy kicsit biztosabbnak érezheti magát az érintett technológia jövőjét illetően.