เมื่อปัญญาประดิษฐ์เข้ามาเปลี่ยนแปลงอุตสาหกรรมและความมั่นคงแห่งชาติ การทำความเข้าใจขีดความสามารถล่าสุดของฮาร์ดแวร์จึงเป็นสิ่งสำคัญอย่างยิ่ง แม้ว่า AI accelerators จะถูกใช้ในกระบวนการอย่าง machine learning แต่ก็สามารถรองรับการประยุกต์ใช้แบบขนานอื่น ๆ เช่น การสร้างแบบจำลองฟังก์ชันของโมเลกุล หรือการเร่งการจำลองพลศาสตร์ของไหล ซึ่งเป็นกระบวนการที่ต้องใช้พลังการคำนวณสูงมาก
เทคโนโลยี AI accelerator มีหลายรูปแบบ ทั้ง CPU, GPU, ASICs, FPGAs และ dataflow accelerators ทีมวิจัยยังร่วมมือกับ Lincoln Laboratory เพื่อเรียนรู้ว่า accelerators เหล่านี้สนับสนุนการวิจัยและพัฒนาภารกิจได้อย่างไร
งานวิจัยล่าสุดพบว่าการเพิ่มประสิทธิภาพมาจากทั้งการออกแบบทรานซิสเตอร์ที่เล็กลงและหนาแน่นขึ้น รวมถึงการใช้ความแม่นยำเชิงตัวเลขที่ต่ำลงในการคำนวณ ซึ่งเป็นข้อมูลสำคัญในการเลือกซื้อ GPU สำหรับระบบ LLSC ในอนาคต
ฉบับเต็มของเอกสารและชุดข้อมูลประกอบสามารถดูได้จากแหล่งข้อมูลที่ระบุไว้
ศัพท์ที่ควรรู้
- AI accelerators – อุปกรณ์เฉพาะทางที่ใช้ในการเร่งการประมวลผลสำหรับปัญญาประดิษฐ์
- CPU – Central Processing Units คือหน่วยประมวลผลกลาง ซึ่งเป็นชิปหลักของคอมพิวเตอร์
- GPU – Graphics Processing Units คือหน่วยประมวลผลที่เดิมใช้สำหรับกราฟิก แต่ปัจจุบันถูกนำมาใช้ในการคำนวณหนัก
- ASICs – Application-Specific Integrated Circuits คือวงจรรวมที่ออกแบบมาเพื่อการใช้งานเฉพาะอย่าง
- FPGA – Field-Programmable Gate Arrays คือชิปที่สามารถตั้งโปรแกรมใหม่ได้ตามความต้องการของงาน
ที่มา: news.mit.edu