اتحاد اینتل و AMD: استاندارد جدید پردازش هوش مصنوعی در پردازندههای x86 معرفی شد
اینتل و AMD در یک همکاری مشترک از قابلیت جدیدی به نام «افزونههای محاسباتی پیشرفته» (ACE) برای پردازندههای x86 رونمایی کردهاند. هدف این فناوری، اجرای سریعتر و بهتر پردازشهای هوش مصنوعی روی پردازندههای مرکزی (CPU) و بهویژه پردازندههای x86 است. تمرکز این قابلیت جدید روی مدلهای سبکترِ هوش مصنوعی، کارهایی که نیازمند پاسخگویی در کسری از ثانیه هستند، و البته سیستمهایی است که کارت گرافیک مجزا ندارند.
تفاوت فناوری جدید اینتل و AMD نسبت به تکنیکهای قبلی
در دنیای کامپیوتر، بیشتر پردازشهای هوش مصنوعی شبیه به حل کردن جدولهای بزرگ و پیچیدهای از اعداد (به نام ماتریس) هستند. پردازندههای معمولی همیشه میتوانستند این محاسبات را انجام دهند، اما سرعت آنها در این زمینه پایین بود. پیشازاین، دنیای فناوری برای جبران این ضعف از دستورالعملهای خاصی (مانند AVX) استفاده میکرد که از اساس برای چنین کارهای سنگینی طراحی نشده بودند.
اما فناوری ACE راهکار تازهای ارائه میدهد و با اضافه کردن بخشهای سختافزاریِ مخصوص برای حل این ماتریسها، عملکرد پردازنده را متحول میکند. مزیت بزرگ روش جدید این است که برنامهنویسان نیازی ندارند کدهای خود را از نو بنویسند؛ چرا که این فناوری با کمترین تغییرات، با نرمافزارها و سختافزارهای فعلی هماهنگ میشود.
سرعت بیشتر در کنار مصرف بهینهتر انرژی
تأثیر این استاندارد جدید چشمگیر است. فناوری ACE میتواند در یک شرایط مشخص تا ۱۶ برابر بیشتر از روشهای قبلی عملیات انجام دهد. البته این بدان معنا نیست که سرعت برنامههای شما ناگهان ۱۶ برابر میشود، بلکه نشان میدهد پردازنده بسیار کارآمدتر از قبل کار میکند که نتیجه مستقیم آن، کاهش فشار بر حافظه دستگاه است.
این کارایی بالاتر، روی مصرف انرژی هم تأثیر مثبتی میگذارد. کارتهای گرافیک با وجود قدرت بسیار بالا، برق زیادی مصرف میکنند و جابهجایی مداوم اطلاعات بین آنها و پردازنده اصلی باعث ایجاد بار پردازشی اضافی میشود. در نتیجه، اگر پردازنده اصلی بتواند خودش بهطور مستقیم وظایف هوش مصنوعی را انجام دهد، سیستم شما بسیار بهینهتر، خنکتر و کممصرفتر کار خواهد کرد.
یکی دیگر از ویژگیهای مهم ACE، راحتی کار با آن است. این فناوری طوری طراحی شده که به سختافزار خاصی وابسته نباشد و توسعهدهندگانی که با پلتفرمهای ساخت هوش مصنوعی (مثل PyTorch و TensorFlow) کار میکنند، بتوانند بهراحتی از آن بهره ببرند. همچنین، این قابلیت از انواع مختلف دادهها و فرمتهای پیچیده اعداد (مثل INT8 یا FP16) که در هوش مصنوعی کاربرد دارند، پشتیبانی میکند.
امروزه تراشههای مخصوص هوش مصنوعی (NPU) درحال فراگیر شدن هستند، اما هنوز در تمام دستگاهها حضور ندارند و استفاده از آنها گاهی با پیچیدگیهای خاصی همراه است. در مواقعی که سرعت و سادگی مهمتر از قدرت پردازش است، فناوری ACE اجازه میدهد تا کارها روی همان پردازنده اصلی باقی بمانند.
البته باید در نظر داشت که برای آموزش هوش مصنوعیهای بسیار بزرگ و پیچیده، همچنان به کارتهای گرافیک قدرتمند نیاز است. بااینحال، فناوری ACE ثابت میکند که تکامل پردازندههای مرکزی در این حوزه هنوز به پایان نرسیده و با تغییرات درست در معماری، میتوانند نقش بسیار پررنگتری در دنیای هوش مصنوعی ایفا کنند.
نظرات کاربران