Αναμείνατε ολίγον τι
Τεχνολογία

Επεξεργαστές τεχνητής νοημοσύνης σε φορητές συσκευές

HiSilicon Kirin 960

Στις αρχές του χρόνου η Huawei κυκλοφόρησε τον Kirin 970, ονομάζοντας το πρώτο chipset με ξεχωριστό νευρωνικό επεξεργαστή (neural processing unit - NPU). Ύστερα η Apple παρουσίασε το A11 bionic chip, που έρχεται μέσα στα iphone 8, 8 Plus και X. Το A11 περιέχει μια neural engine που όπως δηλώνει η εταιρία, “κατασκευάστηκε ειδικά για machine learning” (εκτός των άλλων δυνατοτήτων του). Πρόσφατα η Qualcomm ανακοίνωσε το Snapdragon 845, που δρομολογεί τις διεργασίες τεχνητής νοημοσύνης στους κατάλληλους επεξεργαστές.

Όπως βλέπουμε οι μεγαλύτερες εταιρίες του χώρου έχουν στραφεί προς την τεχνητή νοημοσύνη - AI και έχουν σχεδιάσει chipsets που διαχειρίζονται καλύτερα τέτοιες διεργασίες. Οι προσεγγίσεις τους δεν διαφέρουν και τόσο πολύ. Οι διαφορές βρίσκονται στο επίπεδο πρόσβασης που δίνεται στους developers και στην ενεργειακή κατανάλωση.

Πριν όμως αναλύσουμε τι επικρατεί στον κόσμο των φορητών συσκευών, ας δούμε ποια είναι η διαφορά ενός AI chip από τις συμβατικές CPUs. Ένας όρος κλειδί σε αυτό είναι η “επεξεργασία σε ετερογενής πλατφόρμες (heterogeneous computing)”.

Τι είναι όμως το heterogeneous computing;

Οι ετερογενείς πλατφόρμες αναφέρονται σε συστήματα που διαθέτουν πολλούς τύπους επεξεργαστών, που καθένας τους εξειδικεύεται σε συγκεκριμένου τύπου διεργασίες. Ο σωστός καταμερισμός των διεργασιών σε αυτούς τους επεξεργαστές βελτιώνει τις επιδόσεις του συστήματος ή/και μειώνει την κατανάλωση ενέργειας. Όλο αυτό δεν είναι μία καινούρια ιδέα, εδώ και αρκετό καιρό προσπαθούν να ξεπεράσουν τα εμπόδια που δημιουργούνται σε τέτοιες πλατφόρμες - μία κατηγορία αυτού του είδους computing είναι και το GPGPU computing. Στην συγκεκριμένη περίπτωση έχουμε τρεις καινούριες προσεγγίσεις σε αυτόν τον τομέα.

Τα τελευταία χρόνια οι CPUs των smartphones ακολουθούσαν την αρχιτεκτονική ARM's big.LITTLE, που συνδυάζει πιο αργούς και χαμηλής κατανάλωσης πυρήνες, με ταχύτερους και ενεργοβόρους πυρήνες. Ο κύριος στόχος είναι η χαμηλότερη κατανάλωση ώστε να υπάρχει μεγαλύτερη διάρκεια ζωής η μπαταρία. Κάποια από τα πρώτα smartphones που υιοθέτησαν αυτή την αρχιτεκτονική ήταν το Samsung Galaxy S4 με την υλοποίηση της εταιρίας το Exynos 5 chip, όπως και το Huaweei Mate 8 και το Honor 6.

Αυτοί οι καινούριοι επεξεργαστές προχωρούν ένα βήμα πιο πέρα, είτε προσθέτοντας ένα νέο ξεχωριστό πυρήνα που εκτελεί τις διεργασίες σχετικές με το machine learning, ή χρησιμοποιώντας άλλους χαμηλότερης κατανάλωσης πυρήνες για την ίδια δουλειά.

Στην δεύτερη περίπτωση ανήκει το Snapdragon 845. Κάνει χρήση του digital signal processor (DSP) για τις χρονοβόρες διεργασίες, και κάποιες άλλες διεργασίες, όπως το image recognition, διοχετεύονται στην GPU.

 

Από την άλλη το A11 Bionic chip της Apple έχει την neural engine που δουλεύει πάνω στην GPU για να επιταχύνει διεργασίες όπως το Face ID, το Animoji και άλλα apps τρίτων.

Και τέλος στο Kirin 970 η NPU δουλεύει στις διεργασίες όπως το scanning και η μετάφραση λέξεων που βρίσκονται σε φωτογραφίες που τραβήχτηκαν με το Microsoft's Translator, η οποία είναι το μόνο third-party app μέχρι τώρα που έχει βελτιστοποιηθεί για αυτό το chipset.

Πάρα τις διαφορές τους, είναι σημαντικό να σημειωθεί ότι τέτοιες αρχιτεκτονικές που έχουν εξειδικευμένα κομμάτια για το machine learning, κρατούν αυτές τις διεργασίες στην ίδια την συσκευή, ενώ πριν γινόντουσαν στο cloud. Από την μία θα μειώνεται αρκετά το lag, αφού η CPU δεν ασχολείται με τέτοιες διεργασίες πλέον, και από την άλλη προστατεύονται τα προσωπικά μας δεδομένα, αφού δεν θα μεταφέρονται πράγματα στο cloud - που παραμονεύουν πολλοί για να κλέψουν δεδομένα.

Το μεγάλο πλεονέκτημα αυτών των chips είναι η χαμηλότερη κατανάλωση που προσφέρουν. Βέβαια θα πρέπει να καταλάβουμε ότι δεν είναι η αρχιτεκτονική ή τα ίδια τα chips που κάνουν τον βέλτιστο καταμερισμό των διεργασιών, αλλά το αντίστοιχο λειτουργικό σύστημα και οι developers που κατασκεύασαν την εκάστοτε εφαρμογή.

Είναι ξεκάθαρο ότι η μάχη για την δημιουργία chip που θα επεξεργάζεται γρηγορότερα τις διεργασίες τεχνητής νοημοσύνης - AI έχει ξεκινήσει. Δεν μπορούμε να δούμε ακόμα τα αποτελέσματα των προσπαθειών γιατί δεν υπάρχουν εφαρμογές που να εκμεταλλεύονται τέτοιες δυνατότητες. Οι developers που έχουν κάνει τέτοιες προσπάθειες είναι λίγοι, οπότε θα πρέπει να κάνουμε υπομονή.

Πηγή

www.engadget.com

Μοιραστείτε το άρθρο

The following two tabs change content below.
agathan

agathan

Αποφοίτησα απο το τμήμα Εφαρμοσμένων Μαθηματικών του Πανεπιστημίου Κρήτης. Κάτα την διάρκεια εργάστηκα στην τεχνική υποστήριξη του τμήματος. Ακολούθησε το μεταπτυχιακό μου, Msc In Applied Mathematics at University Of Delaware. Ύστερα δούλεψα για μερικά χρόνια σαν web developer (CMS and what not) και SEO/Adwords engineer.
Και τώρα είμαστε στο GeekD, μια λέξη που περιγράφει όλα τα παραπάνω.

"All we have to decide is what to do with the time that is given us."
-Gandalf The Grey, JRR Tolkien

Αφήστε ένα σχόλιο

Επιλογές της ομάδας
Η μεγαλύτερη απόδειξη μαθηματικών όλων των εποχών έχει μέγεθος 200 Terabytes
Young boy writes math equations on chalkboard
Πώς τα μαθηματικά διαμόρφωσαν τον κόσμο μας
tons of code
Το «Party»: μία εικονική εμπειρία αυτισμού
Μία σύντομη ματιά στην ιστορία των απαγορευμένων αριθμών
Τα 10++ καλύτερα plugins αναζήτησης του Wordpress για το 2017
Close

Συνεχίζοντας να χρησιμοποιείτε την ιστοσελίδα, συμφωνείτε με τη χρήση των cookies. Περισσότερες πληροφορίες.

Οι ρυθμίσεις των cookies σε αυτή την ιστοσελίδα έχουν οριστεί σε "αποδοχή cookies" για να σας δώσουμε την καλύτερη δυνατή εμπειρία περιήγησης. Εάν συνεχίσετε να χρησιμοποιείτε αυτή την ιστοσελίδα χωρίς να αλλάξετε τις ρυθμίσεις των cookies σας ή κάνετε κλικ στο κουμπί "Κλείσιμο" παρακάτω τότε συναινείτε σε αυτό.

Κλείσιμο