تفاوت تراشه‌های GPU ،CPU و TPU را بیشتر بشناسید
به گزارش خبرگزاری آنا؛ پردازنده مرکزی یا CPU را می‌توان مغز متفکر کامپیوتر دانست. این همان تراشه‌ای است که دهه‌هاست مسئول اجرای دستورات شماست؛ از باز کردن یک برنامه گرفته تا وب‌گردی. CPU در انجام وظایف پیچیده و مرحله به مرحله استاد است، اما فقط می‌تواند روی چند کار محدود به طور همزمان تمرکز کند. تصور کنید یک نفر بخواهد به هزاران نامه به صورت همزمان پاسخ دهد؛ هرچقدر هم سریع باشد، این کار عملاً غیرممکن است. هوش مصنوعی نیز با چالشی مشابه روبروست؛ برای یادگیری، نیاز دارد میلیون‌ها محاسبه ساده را به صورت یکجا انجام دهد و CPU برای این حجم از کار موازی ساخته نشده است.
اینجا بود که پردازنده‌های گرافیکی یا GPU ها، که شاید آنها را به عنوان قلب تپنده کارت گرافیک برای اجرای بازی‌های کامپیوتری بشناسید، وارد میدان شدند. GPUها از ابتدا برای ساختن تصاویر سه‌بعدی طراحی شده بودند؛ کاری که نیازمند انجام همزمان هزاران محاسبه کوچک برای رنگ‌آمیزی هر پیکسل روی صفحه است. متخصصان هوش مصنوعی متوجه شدند که می‌توان از این قدرت شگفت‌انگیز برای آموزش مدل‌هایشان استفاده کرد. در واقع، GPU مانند این است که به جای یک نفر، ارتشی از هزاران کارگر ساده را در اختیار داشته باشید که هر کدام وظیفه کوچکی را به طور همزمان انجام می‌دهند. این ویژگی، زمان آموزش هوش مصنوعی را از چندین ماه به چند روز یا حتی چند ساعت کاهش داد و انقلابی در این حوزه به پا کرد.
اما رقابت به اینجا ختم نشد. گوگل، با درک اینکه هوش مصنوعی به ابزاری تخصصی‌تر نیاز دارد، پردازنده تنسور یا TPU را ساخت. TPU یک پردازنده همه‌کاره نیست، بلکه یک متخصص تک‌منظوره است که فقط و فقط برای محاسبات هوش مصنوعی بهینه شده است. این تراشه تمام بخش‌های غیرضروری که در GPU برای کار‌های گرافیکی وجود دارد را حذف کرده و تمام قدرتش را روی محاسبات مورد نیاز شبکه‌های عصبی متمرکز کرده است. این کارایی فوق‌العاده بالا به خصوص در زمان استفاده از هوش مصنوعی (مثلاً وقتی از دستیار صوتی خود سوالی می‌پرسید یا از مترجم گوگل استفاده می‌کنید) خود را نشان می‌دهد و باعث می‌شود پاسخ‌ها را به صورت آنی و با مصرف انرژی بسیار کمتر دریافت کنید.
برای درک بهتر تفاوت این سه، یک آشپزخانه را تصور کنید. CPU مانند یک استاد آشپز است که می‌تواند یک دستور پخت بسیار پیچیده را به تنهایی و با دقت کامل اجرا کند. GPU ارتشی از هزاران دستیار آشپز است که شاید به اندازه استاد آشپز ماهر نباشند، اما می‌توانند با هم هزاران کیلو سیب‌زمینی را در چند دقیقه سرخ کنند. TPU، اما یک دستگاه فوق پیشرفته در آشپزخانه است که فقط یک کار انجام می‌دهد، مثلاً تولید پیتزا. این دستگاه نمی‌تواند غذای دیگری بپزد، اما پیتزا‌ها را با سرعتی باورنکردنی و کیفیتی یکسان، ۲۴ ساعته تولید می‌کند.
امروزه، این سه پردازنده مانند یک تیم تخصصی در کنار هم کار می‌کنند. CPU همچنان وظایف مدیریتی کامپیوتر را بر عهده دارد. GPU به دلیل انعطاف‌پذیری‌اش، انتخاب اول محققان برای ساخت و آموزش مدل‌های جدید هوش مصنوعی است. TPUها نیز در سرور‌های غول‌پیکر شرکت‌هایی مانند گوگل، به میلیارد‌ها درخواست روزانه کاربران با سرعت پاسخ می‌دهند. این تخصص‌گرایی حتی به گوشی‌های هوشمند ما نیز رسیده است و تراشه‌های کوچکی به نام NPU (واحد پردازش عصبی) مانند یک مغز کوچک هوش مصنوعی، وظایفی مثل زیباسازی خودکار عکس‌ها یا تشخیص چهره را مستقیماً روی دستگاه شما انجام می‌دهند.
آینده این رقابت فناورانه، به سمت تراشه‌هایی حتی تخصصی‌تر پیش می‌رود. تقریباً تمام شرکت‌های بزرگ فناوری در حال ساخت پردازنده‌های هوش مصنوعی مخصوص به خود هستند. در نهایت، این همکاری هوشمندانه بین پردازنده‌های مختلف در کنار نرم‌افزار‌های پیشرفته است که تعیین می‌کند مرزهای بعدی هوش مصنوعی کجا خواهد بود و شاید روزی شاهد تراشه‌هایی باشیم که مستقیماً از ساختار مغز انسان الگوبرداری شده‌اند.
انتهای پیام/
