Computer >> Hướng Dẫn Máy Tính >  >> Hệ Thống >> Mac

Từ Pixel đến Dự đoán: Cách GPU thúc đẩy AI hiện đại

Khi nhắc đến trí tuệ nhân tạo, mọi người hình dung mô hình phức tạp, trung tâm dữ liệu, và máy chủ đám mây.

Điều hầu hết không nhận ra là động cơ thực sự đằng sau cuộc cách mạng AI bắt đầu từ nơi ít ai ngờ: bên trong chiếc PC chơi game bình thường.

Những thẻ đồ họa từng được xây dựng để render hình ảnh 3D mượt mà giờ đang điều khiển chatbot, trình tạo hình ảnh, và hệ thống tự lái. Hành trình từ pixel đến dự đoán là một trong những câu chuyện thú vị nhất trong điện toán hiện đại.

Thời đại CPU và giới hạn của nó

Ngày đầu nghiên cứu machine learning, các nhà nghiên cứu phụ thuộc CPU để xử lý dữ liệu.

CPU linh hoạt và tốt cho nhiều nhiệm vụ, nhưng có một giới hạn lớn: chúng xử lý vấn đề theo trình tự.

Đ nghĩa là chỉ xử lý được vài phép toán cùng lúc. Với mô hình nhỏ, ổn. Nhưng khi mạng nơ-ron phức tạp, huấn luyện trên CPU cực kỳ chậm.

Hãy tưởng tượng dạy máy tính nhận diện hình ảnh. Mạng nơ-ron có thể có hàng triệu tham số, mỗi cái cần điều chỉnh lại lần lại khi huấn luyện.

Trên CPU, có thể mất ngày thậm chí tuần. Nhà nghiên cứu nhanh chóng nhận ra nếu AI muốn tiến bộ, cần phần cứng hoàn toàn khác.

GPU xuất hiện như thế nào

Graphics processing units (GPU), hay đơn vị xử lý đồ họa, ban đầu xây dựng để render hình ảnh chuyển động nhanh trong game. Chúng thiết kế cho song song hóa, thực hiện hàng nghìn phép tính nhỏ cùng lúc.

Trong khi CPU chỉ có vài nhân, GPU có hàng nghìn nhân. Kiến trúc này làm GPU lý tưởng cho toán học machine learning, nơi cùng phép toán cần áp dụng cho lượng dữ liệu khổng lồ cùng lúc.

Ở góc độ nào đó, GPU sinh ra cho game nhưng định mệnh cho AI. Từ chip làm hiệu ứng ánh sáng mượt và nổ trông thực tế, nó tìm thấy cuộc đời thứ hai điều khiển mạng nơ-ron.

Khoảng đầu những năm 2010, nhà nghiên cứu bắt đầu thử chạy thuật toán deep learning trên GPU, và kết quả kinh ngạc. Thời gian huấn luyện giảm từ tuần xuống ngày, độ chính xác tăng.

Đó là cuộc cách mạng lặng lẽ xảy ra trong phòng lab khắp nơi.

Vai trò của PC chơi game trong nghiên cứu AI sớm

Câu chuyện càng thú vị ở đây: nhiều đột phá AI sớm không đến từ trung tâm dữ liệu khổng lồ hay siêu máy tính đắt đỏ. Chúng đến từ nhà nghiên cứu dùng GPU cấp tiêu dùng, thường nằm trong PC game bình thường.

Những máy này, xây dựng cho giải trí, hóa ra đủ mạnh cho thí nghiệm deep learning.

Nền tảng CUDA của NVIDIA làm điều này trở nên có thể bằng cách cho phép lập trình GPU cho tác vụ ngoài đồ họa. Bất chợt, GPU game có thể xử lý tính toán khoa học phức tạp.

Nhà nghiên cứu dùng rig riêng, đôi khi chính máy chơi game ban đêm, để huấn luyện mạng nơ-ron nhận diện giọng nói, hình ảnh, văn bản. PC game trở thành banc thử cho tương lai AI.

Điểm ngoặt: AlexNet và vụ nổ Deep Learning

Năm 2012, mạng nơ-ron AlexNet gây sốc thế giới bằng chiến thắng cuộc thi ImageNet, tiêu chuẩn lớn trong computer vision.

Điều làm AlexNet đặc biệt không chỉ kiến trúc mà cả phần cứng đằng sau. Nó chạy trên hai GPU NVIDIA GTX 580, phần cứng có thể mua cho PC game giá rẻ. Chiến thắng đó đánh dấu điểm ngoặt. Chứng minh GPU không chỉ render đồ họa — chúng là chìa khóa tiến bộ AI.

Sau đó, thế giới AI thay đổi nhanh. Mọi lab lớn và công ty công nghệ xây cụm GPU. NVIDIA, nhận ra cơ hội, đầu tư mạnh hardware AI.

Công ty từng phục vụ game thủ giờ điều khiển Google, OpenAI, Tesla. Công cụ làm hình ảnh đẹp đã thành xương sống trí tuệ máy.

Tại sao GPU giỏi AI đến vậy

GPU xuất sắc ở toán ma trận, loại tính toán mạng nơ-ron dựa vào.

Khi huấn luyện mô hình, bạn liên tục nhân và cộng ma trận số. GPU làm nhanh hơn vì xử lý hàng nghìn phép toán song song. Chúng cũng thiết kế với băng thông bộ nhớ cao, nghĩa là di chuyển lượng dữ liệu lớn vào/ra nhanh.

Kiến trúc này hoàn hợp với workload deep learning. Dù nhận diện hình ảnh hay dịch ngôn ngữ, GPU xử lý hàng loạt dữ liệu cùng lúc.

CPU, ngược lại, bị nghẽn do xử lý tuần tự. Chênh lệch hiệu năng như so sánh một thợ thủ công xây nhà với đội ngàn người làm cùng lúc.

Cuộc đua phần cứng AI

Khi AI bùng nổ, nhu cầu GPU vỡ òa. Từ PC game mở rộng thành trung tâm dữ liệu lớn nghìn thẻ.

NVIDIA phát triển dòng GPU chuyên AI như Tesla và A100. Ngựa đua khác cũng tham gia: AMD với ROCm, Google với TPU (Tensor Processing Units) tùy chỉnh.

Tuy nhiên, ngay hôm nay, ranh giới giữa hardware game và AI vẫn mờ. GPU RTX dành cho game thủ vẫn dùng bởi nhiều nhà nghiên cứu AI và startup nhỏ.

Một PC game mạnh với GPU hiện đại có thể chạy mô hình AI cục bộ, tạo hình ảnh, thậm chí fine-tune mô hình ngôn ngữ nhỏ. Phần cứng làm thế giới ảo sống động giờ mang trí tuệ vào thế giới thực.

Tương lai GPU và AI

Khi mô hình AI càng lớn, thách thức mới nảy sinh. GPU tiến hóa xử lý mô hình trillion tham số, nhưng cũng thông minh hơn về năng lượng và hiệu suất.

Công nghệ như chiplet design, kết nối quang, và nhân AI chuyên biệt đẩy hiệu năng xa hơn nhưng giữ chi phí thấp.

Đồng thời, AI cục bộ đang hồi sinh. Với tiến bộ hiệu suất GPU, nhiều người thử chạy mô hình trên máy mình.

Một PC game tốt trang bị GPU hiện đại giờ làm được việc trước đây cần cụm GPU đám mây. Chuyển dịch này có thể dân chủ hóa phát triển AI, cho bất kỳ ai có hardware phù hợp khám phá lĩnh vực này từ nhà.

Kết luận

Hành trình GPU từ game đến AI là một trong những chuyển biến bất ngờ nhất lịch sử công nghệ. Từ chip render phong cảnh ảo tiến hóa thành trái tim trí tuệ nhân tạo. Từ thí nghiệm sớm trên PC game đến trung tâm dữ liệu điều khiển mô hình lớn nhất ngày nay, GPU đã nối liền thế giới sáng tạo, tính toán, và nhận thức.

Nhìn về tương lai, rõ ràng công nghệ từng làm game thực tế hơn giờ làm máy thông minh hơn. Câu chuyện GPU nhắc nhở đổi mới thường đến từ nơi không ngờ, và đôi khi, tương lai AI bắt đầu từ màn hình game phát sáng.

Hy vọng bạn thích bài viết. Tìm tôi trên Linkedin hoặc ghé trang web của tôi.

Học lập trình miễn phí. Chương trình mã nguồn mở của freeCodeCamp đã giúp hơn 40.000 người tìm được việc làm lập trình viên. Bắt đầu ngay