imagazin arrow2-left arrow2-right arrow2-top arrow-up arrow-down arrow-left arrow-right cart close dossiers education fb instagram menu notification oander rss rss-footer search service shuffle speech-bubble star store stores tests twitter youtube

Nyílik az iSTYLE adventi naptára

Bomba jó karácsonyi ajánlatok az iSTYLE-tól!

Pontosan mik is azok az MI processzorok?


Most már nem csak az Apple, hanem egyre több gyártó rendelkezik valamilyen célzottan mesterséges intelligenciára szabott chippel. De vajon miért álltak rá egyszerre ennyien a témára? Nézzük meg kicsit a globális képet!

Épp mostanában néztük meg, hogy az Apple konkrétan mire használja a maga MI chipjét, ami az A11 Bionic részeként teszi a dolgát. Arról is megemlékeztünk már, hogy a Neural Engine lehet Cupertino jövőjének záloga. Most viszont kicsit távolodjunk el az Apple-től egy lépésre, és nézzük meg, hogy mit jelentenek ezek a chipek a mobilpiacnak úgy általánosságban.

A tech világ legnagyobb óriásainak egy része már megalkotta a maga MI processzorát. Az Apple mellett ott van még például a Qualcomm és a Huawei is, és mindegyikük egy kicsit más módon közelítette meg ugyanazt a problémát, ami nagyjából a “mesterséges intelligenciához, gépi tanuláshoz kapcsolódó feladatok hatékony elvégzésével” hozható legjobban összefüggésbe.

A sort egyébként a Huawei nyitotta meg az idei IFA-n leleplezett Kirin 970-es chipsetjével, amely az első, beépített “neurális feldolgoz egységgel” (Neural Processing Unit, rövidítve NPU) szerelt megoldás volt a világon. Őket követte időben az Apple és az A11 Bionic, majd múlt héten a Qualcomm és a Snapdragon 845. Ezek közt a különbség persze annyira látványosan számottevő, leginkább annyiban nyilvánul meg, hogy a fejlesztők eltérő mélységekig használhatják a képességeiket.

Viszont még mielőtt ebbe nagyon elmélyülnénk, nézzük meg, hogy pontosan miben is különböznek ezek a MI segédprocesszorok a sima CPU-któl? A kifejezés, amit mostanában aránylag sokat lehet hallani ezzel kapcsolatban az a “heterogeneous computing”. Ez lényegében a különböző processzorokból álló rendszerekre értendő, ahol mindegyik összetevőnek megvan a maga speciális feladata, amivel elsősorban az energiahatékonyságot lehet növelni.

A koncepció persze nem új, évek óta vannak hasonló rendszerek. Ezek az ARM úgynevezett big.LITTLE architektúrája mentén alakultak ki, amit először a Samsung Galaxy S4 alkalmazott az Exynos 5-ös chipjével. A dolog lényege, hogy két kis teljesítményű, energiahatékony processzormag mellett két másik bivalyabb, de egyben energiaigényesebb mag kapott helyet. Amikor nem kell a komolyabb számítási kapacitás, akkor csak spórolós magok működnek, sokat energiát megspórolva ezzel.

A fentebb felsorolt három processzor tulajdonképpen ezt a koncepciót csavarja meg annyival, hogy bevesz egy neurális számításokra dedikált másik tényezőt is az egyenletbe.

Snapdragon 845 esetében igazából még ez sem teljesen igaz. Ott ugyanis csak extra kis teljesítményű magokról van szó, amelyek a hosszas, repetatív számításokat végzik. Mint amilyen például a virtuális asszisztenst aktiváló kulcsszó keresése. Az olyan műveleteket, mint például a képfelismerést nem is ezek, hanem a GPU végzi.

Snapdragon 845

Az Apple ezzel szemben már tényleg egy teljesen különálló egységgel, a Neural Engine-nel dolgozik, amely a GPU-ban kapott helyet. A cél a Face ID az Animojik és egyéb, a technológiát használó külső alkalmazások ellátása a megfelelő számítási kapacitással. Magyarul, amikor ezek valamelyikét aktiválod, akkor az A11 egyszerűen “továbbpasszolja” a munkát a Neural Engine-nek.

A Kirin 970-ben trónoló NPU elsősorban a karakterfelismerésre és a fordításra használja az erejét. Eddig ugyanis a Microsoft’s Translator az egyetlen olyan külsős program, ami kihasználja a chipset erejét. A Huawei elmondása szerint az egész rendszer úgy lett kitalálva, hogy minden esetben az adott feladatot legoptimálisabban ellátni képes komponensen legyen a sor, így az MI feladatköröket nem feltétlen csak az NPU végezheti.

Félretéve ezeket a különbségeket, egy dologban mindegyik megegyezik. Mindhárom chipset fizikailag jelen van/lesz a készülékekben, azok a műveletek tehát, amelyek idáig a felhőben történtek, ezentúl közvetlenül az eszközökben fognak. Ennek pedig elsősorban adatvédelmi előnyei vannak. Továbbá a felosztásnak köszönhetően elméletben kevesebb lag és akadás várható, mivel az egyes műveleteket párhuzamosan több komponens dolgozza fel, nem egyetlen vállára szakad az egész.

És akkor ne menjünk el a már említett energiahatékonyság mellett. Az üzemidő egyre drágább kincs, mivel a számítási igények folyamatosan nőnek, az akkumulátortechnológiák meg nem fejlődtek ugrásszerűen az elmúlt jópár évben. Jobb híján tehát a gyártók csak az optimalizálással tudnak úgy ügyeskedni, hogy a felhasználók legalább romlást ne tapasztaljanak, ha már látványos fejlődést nem lehet elérni.

Fontos megjegyezni, hogy azt, hogy mikor, melyik komponens kapja az adott számítási feladatot, nem maga a chipset dönti el. Ez minden esetben a gyártók és a fejlesztők programozásán múlik. A fejlesztőknek különböző frameworkök állnak rendelkezésükre, amelyek segítségével szabályozhatják a folyamatokat. Ilyen például a Google-féle TensorFlow Lite vagy a Facebook Caffe2-je, na meg az Apple nemrég bemutatott Core ML-je.

Hozzá kell tennünk ugyanakkor, hogy a potenciál ellenére egyelőre alig valahol bontakoznak ki teljes valójukban ezek az MI processzorok. Egyszerűen a gépi tanulás és a mesterséges intelligencia még nem annyira számottevő részei a mindennapoknak, hogy tömegigény részei legyenek. Vannak persze jópofa próbálkozások és use-case-ek, de még egyértelműen gyerekcipőben járunk.

Viszont nagyon úgy néz ki, hogy a világ ebbe az irányba fog menni, szóval feltehetőleg nem sokára egyre nagyobb jelentősége lesz majd ezeknek a chipeknek is. Csak még várnunk kell egy kicsit

Forrás: Engadget

Az Apple A11 Bionicja jelenleg három iPhone-ban található meg: az iPhone 8-ban, a 8 Plusban és a X-ben. Mostanra már több modellből, árnyalatból és tárhelyopcióból is vannak készletek, érdemes lehet böngészned a webshopot a lehetőségekért.

Karácsony 2018

Ezt már olvastad?

A Sirinek ez is az egyik baja, hogy mindenki a célközönség. Valószínűleg hatékonyabb lenne, ha először jól működő modulokat hoznának létre egy-egy funkcióra szabva.

Miért nem ismeri anyanyelvünket az Apple virtuális asszisztense? - Klikk ide!