Chips toegewijd aan kunstmatige intelligentie

Volgens bepaalde schattingen heeft Intel met zijn CPU’s een marktaandeel van 96 procent in datacenters, maar deze chips zijn niet voor alle workloads de beste keuze. De CPU wordt regelmatig aangevuld met special purpose accelerators voor gespecialiseerde taken. Denk hierbij aan videokaarten voor grafische taken en geluidskaarten voor geluid. Doordat deze specifiek toegespitst zijn op dit soort taken, hoeft de CPU, die deze minder efficiënt afhandelt, hier niet voor ingezet te worden, wat energie bespaart en zich vertaalt naar betere algemene prestaties. Dit soort toegewijde chips is ook beschikbaar voor kunstmatige intelligentie.

AI accelerators

Voor het verweken van de gigantische datasets die met de hedendaagse kunstmatige intelligentie en machine learning initiatieven zoals beeld- en stemherkenning gepaard gaan, zijn AI accelerators nodig. AI accelerators, zoals bepaalde microprocessors, worden ontworpen om kunstmatige neurale netwerken, machine visie en andere machine learning algoritmen voor robotica, internet of things en andere data-intensieve of sensor-gedreven taken te accelereren. Er wordt hardware gecreëerd of bestaande producten worden aangepast zodat ze zijn toegespitst op AI taken en dus de bijbehorende workloads efficiënt en effectief kunnen verwerken.

Gebruik van GPU, FPGA en ASIC

GPU’s zijn gespecialiseerd in het verwerken van beelden. Omdat de wiskundige basis van beeldverwerking vergelijkbaar is met die van neurale netwerken, worden GPU’s steeds meer gebruikt voor het snel uitvoeren van machine learning taken. GPU’s zijn populair voor kunstmatige intelligentie activiteiten en ontwikkelen zich steeds meer in de richting van deep learning, zowel voor training als voor inference (het proces van het classificeren van data met labels of het schatten van ontbrekende of toekomstige waarden door een getraind neuraal netwerk). Daarbij gebruiken fabrikanten hardware die specifiek geschikt is voor neurale netwerken en worden tensor cores gebruikt om het trainen van neurale netwerken te versnellen.

Ook Field-Programmable Gate Arrays (FPGA) chips worden gebruikt voor kunstmatige intelligentie. Microsoft gebruikt deze chips om inference te accelereren. Intel integreert FPGA’s in server CPU’s om zowel kunstmatige intelligentie als algemene taken te versnellen.

Hoewel GPU’s en FPGA’s op het gebied van kunstmatige intelligentie veel beter presteren dan CPU’s, kan er nog steeds veel winst behaald worden met een specifieker ontwerp via een Application-Specific Integrated Circuit (ASIC). Hierbij wordt het geheugen anders gebruikt en wordt er wat ingeleverd op nauwkeurigheid van de berekeningen ten behoeve van de snelheid.

De ontwikkeling van AI chips

Grote namen als Nvidia, ARM, Intel, IBM, Qualcomm en Google, maar ook andere chipmakers zijn in verschillende fasen van het ontwikkelen en implementeren van snelle chips die speciaal bedoeld zijn voor het uitvoeren van kunstmatige intelligentie taken. Zo heeft Google de Tensor Processing Unit (TPU) ontwikkeld. De eerste generatie had de focus op inference, terwijl de tweede generatie ook beter is in het trainen van neurale netwerken. Lees meer over de TPU in mijn post van februari. Intel heeft de Neural Network Processor (NNP) ontwikkeld om de trainingstijd voor deep learning modellen te verkorten. Volgens hen is dit de eerste commercieel verkrijgbare chip met een architectuur die speciaal is gebouwd voor deep learning. Veel analisten zijn het er echter over eens dat Nvidia’s GPU’s het meest populair zijn onder AI onderzoekers vanwege de indrukwekkende performance en robuuste software keuze. De Nvidia Volta is een GPU die uitgebreid is met tensor units, specifiek gericht op het accelereren van berekeningen voor neurale netwerken.

Er is veel gaande op het gebied van chip ontwikkeling voor kunstmatige intelligentie. Veel bedrijven zijn begonnen met het ontwikkelen van hun eigen chips, mogelijk omdat ze verwachten dat hun eigen chips hun AI applicaties beter kunnen laten draaien, om kosten te besparen, en om minder afhankelijk te zijn van fabrikanten. Er is een aardige overlap wat betreft mogelijkheden van de chips, maar er zijn natuurlijk ook verschillen. Genoeg keuze waaruit u een chip kunt selecteren die het meest geschikt is om uw kunstmatige intelligentie activiteiten naar een hoger niveau te tillen.

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google photo

Je reageert onder je Google account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s