موارد مهم
- GPU ها مانند اتوبوس هستند: کندتر از خودروهای اسپورت، اما در جابجایی تعداد زیادی اعداد به صورت موازی بسیار بهتر هستند.
- GPU ها در یادگیری ماشین، پزشکی، پردازش تصویر و بازی ها استفاده می شوند.
- Iris Xe Max اینتل برای قدرتمندتر کردن لپ‌تاپ‌ها برای سازندگان و هوش مصنوعی طراحی شده است.
واحد پردازشگر گرافیکی جدید Iris Xe Max اینتل اکنون در لپ‌تاپ‌ها نمایش داده می‌شود و به هر حال این یک معامله بزرگ است. اما GPU چیست و چرا مهم است؟ اسپویلر: موضوع بازی یا حتی گرافیک نیست.
CPU در رایانه شما، پردازنده ای که کارهای روزمره را انجام می دهد، گران و بسیار تخصصی است. از طرف دیگر، یک GPU واقعاً در ریاضیات خوب است. به طور خاص، آنها می توانند اعداد بزرگ را ضرب کنند، و می توانند بسیاری از عملیات را به صورت موازی انجام دهند. این آنها را برای تولید گرافیک‌های سه بعدی پیچیده خوب می‌کند، اما برای خیلی بیشتر از آنها استفاده می‌شود.
دیوید ریورا، انیماتور سه بعدی، از طریق پیام فوری به Lifewire گفت: "GPU ها برای داده های بزرگ، یادگیری ماشین و پردازش تصویر عالی هستند." "من همکاران زیادی دارم که از آن در پزشکی برای دریافت نتایج MRI استفاده می کنند."
ریاضی بزرگ، تصاویر بزرگ
هر چیزی که به ریاضیات پیچیده زیادی نیاز دارد برای بارگذاری در GPU عالی است.
"میکل بوناستره، مهندس کامپیوتر مستقر در بارسلونا، از طریق پیام فوری به Lifewire گفت: "گرافیک ها معمولاً بسیار قدرتمند هستند، زیرا محاسبه ویدئوهای سه بعدی بسیار پیچیده است." اما به زودی، متخصصان کامپیوتر متوجه شدند که این ماشین‌های ریاضی می‌توانند برای انواع کارهای ریاضی فشرده مورد استفاده قرار گیرند.
"اکنون، خوشه های ابر محاسباتی نیز با GPU ساخته می شوند. آنها برای محاسبات علمی، مهندسی و غیره استفاده می شوند." یکی دیگر از مزیت های GPU این است که بزرگ کردن آن آسان است. این برای اجرای عملیات های یکسان به صورت موازی ساخته شده است، بنابراین افزودن تراشه های بیشتر (یا فقط هسته های بیشتر به طراحی تراشه، بزرگتر کردن آن) همه چیز را سریعتر می کند.
یک GPU برای پردازش عکس ها نیز عالی است. برای مثال، مجموعه ویرایش عکس لایت‌روم Adobe می‌تواند کار را روی پردازنده گرافیکی Mac یا رایانه شخصی شما بارگذاری کند تا «پیشرفت‌های سرعت قابل توجهی را در نمایشگرهای با وضوح بالا ارائه دهد» که شامل نمایشگرهای 4K و 5K می‌شود.
مشاور هوش مصنوعی Ygor Rebouças Serpa می نویسد: «CPU ها برای تأخیر بهینه شده اند: برای انجام هرچه سریعتر یک کار. پردازنده‌های گرافیکی برای توان عملیاتی بهینه‌سازی شده‌اند: آنها کند هستند، اما روی حجم زیادی از داده‌ها به طور همزمان کار می‌کنند. Serpa یک CPU را با یک ماشین اسپرت و یک GPU را با یک اتوبوس مقایسه می کند. اتوبوس بسیار کندتر است، اما می تواند افراد بیشتری را جابجا کند.
در مورد تلفن شما چطور؟
GPU در تلفن شما برای نمایش نمایشگر با وضوح فوق العاده بالا و اجرای گرافیک استفاده می شود. به همین دلیل است که وقتی یک بازی را انجام می‌دهید، تلفن داغ می‌شود - GPU شروع به کار می‌کند و گوشی شما هیچ فن برای خنک کردن آن ندارد.
در آیفون، GPU برای تشخیص تصویر، یادگیری زبان طبیعی و تجزیه و تحلیل حرکت استفاده می شود. به این معنا که تصاویر و ویدیوها را در حین عکاسی و موارد دیگر پردازش می کند.
GPU ها برای داده های بزرگ، یادگیری ماشین و پردازش تصویر عالی هستند.
اما این همه ماجرا نیست. آیفون‌ها و آی‌پدهای اخیر اپل دارای «موتور عصبی» هستند. این یک تراشه بزرگ است که به ویژه برای انجام وظایف یادگیری ماشینی طراحی شده است. این یک پردازنده گرافیکی نیست، اما از نظر مفهومی شبیه به پردازنده گرافیکی است، به طوری که مسائل سخت ریاضی را در کوتاه ترین زمان ممکن حل می کند. طبق گفته اپل، آخرین نسخه "قادر به انجام 11 تریلیون عملیات در ثانیه است."
یادگیری ماشین
شاید بزرگترین کلمه کلیدی در حال حاضر در محاسبات "یادگیری ماشینی" باشد. این شامل نمایش نمونه‌های زیادی به رایانه و اجازه دادن به رایانه برای بررسی شباهت‌ها و تفاوت‌ها است. پردازنده‌های گرافیکی برای این کار عالی هستند زیرا می‌توانند نمونه‌های بیشتری را در ثانیه مشاهده کنند. با این حال، پس از انجام این آموزش، دیگر نیازی به GPU نیست. هر الگوریتم آموخته شده می تواند توسط CPU سریعتر اجرا شود.
حالا، بیایید به GPU جدید Iris Xe Max اینتل برگردیم. راجر چندلر، معاون رئیس اینتل در بیانیه‌ای گفت: این برای اجرا در لپ‌تاپ‌های سبک و نازک و [برای] رسیدگی به بخش رو به رشدی از سازندگانی که خواهان حمل‌پذیری بیشتر هستند، طراحی شده است. به این معنا که لپ‌تاپ‌های با محدودیت انرژی برای ویرایش ویدیو، عکس و هر فعالیتی که نیاز به پردازنده گرافیکی دارد بهتر است. بله، از جمله هوش مصنوعی.
Iris Xe Max برای یادگیری ماشینی طراحی شده است. شاید اولین وظیفه آن یادگیری نحوه تلفظ نام خود باشد.
