Розширити апаратні можливості для штучного інтелекту

ЦП все ще добре працює для бізнес-систем або програм, у яких потреба в загальній гнучкості в програмуванні переважає чисту обчислювальну потужність. Однак графічні процесори тепер є стандартом для різних видів науки про дані, машинного навчання, ШІ та потреб глибокого навчання. Звичайно, кожен постійно шукає наступну велику річ у середовищі розробки. І CPU, і GPU є процесорами виробничого рівня. У майбутньому замість цих стандартів ви можете побачити один із двох типів процесорів:

• Спеціальні інтегральні схеми (ASIC): на відміну від загальних процесорів, постачальник створює ASIC для певної мети. Рішення ASIC пропонує надзвичайно швидку продуктивність, використовуючи дуже мало енергії, але йому не вистачає гнучкості. Прикладом рішення ASIC є Tensor Processing Unit (TPU) від Google , який використовується для обробки мовлення.
• Програмовані логічні матриці (FPGA): як і ASIC, постачальник зазвичай створює FPGA для певної мети. Однак, на відміну від ASIC, ви можете запрограмувати FPGA, щоб змінити його основні функції. Прикладом рішення FPGA є Brainwave від Microsoft , який використовується для проектів глибокого навчання.

Битва між ASIC і FPGA обіцяє розгорітися, переможцем вийдуть розробники AI. На даний момент Microsoft і FPGA, схоже, посіли лідерство. Справа в тому, що технології плинні, і ви повинні очікувати нових розробок.

Постачальники також працюють над абсолютно новими типами обробки, які можуть, а можуть і не працювати, як очікувалося. Наприклад, Graphcore працює над Intelligence Processing Unit (IPU). Ви повинні сприймати новини про ці нові процесори з недовірою, враховуючи галас, який оточував галузь у минулому. Коли ви бачите реальні програми від великих компаній, таких як Google і Microsoft, ви можете почати відчувати себе трохи впевненіше в майбутньому залучених технологій.