Почему в чипах смартфонов внезапно появился ИИ-процессор?

Если виртуальные помощники были революционной технологией в программном обеспечении для смартфонов в этом году, то процессор AI, безусловно, является эквивалентом со стороны оборудования.

Apple назвала свою последнюю SoC A11 Bionic из-за своего нового AI «Neural Engine». Последний Kirin 970 от Huawei может похвастаться специальным блоком нейронной обработки (NPU) и выставляет счет на его грядущий Mate 10 как на «настоящий AI-телефон ». По слухам, следующая SoC Exynos от Samsung также будет иметь специальный чип AI.

Qualcomm фактически была впереди всех с тех пор, как пару поколений назад открыла Hexagon DSP (процессор цифровых сигналов) внутри своих флагманов Snapdragon для гетерогенных вычислительных и нейронных сетей SDK. Intel, Nvidia и другие тоже работают над собственными продуктами для обработки искусственного интеллекта. Гонка идет хорошо и по-настоящему.

Есть несколько веских причин для включения этих дополнительных процессоров в современные SoC смартфонов. Спрос на обработку голоса в реальном времени и распознавание изображений быстро растет. Однако, как обычно, вбрасывается много маркетинговой чепухи, которую нам придется расшифровать.

ИИ мозговые чипы, правда?

Компании хотели бы, чтобы мы поверили, что они разработали чип, достаточно умный, чтобы думать самостоятельно, или такой, который может имитировать человеческий мозг, но даже современные передовые лабораторные проекты не так уж близки. В коммерческом смартфоне идея просто фантастическая. Реальность немного скучнее. Эти новые конструкции процессоров просто делают программные задачи, такие как машинное обучение, более эффективными.

Эти новые конструкции процессоров просто делают программные задачи, такие как машинное обучение, более эффективными.

Между искусственным интеллектом и машинным обучением есть важное различие, которое стоит выделить. ИИ – это очень широкое понятие, используемое для описания машин, которые могут «думать как люди» или которые имеют какую-либо форму искусственного мозга с возможностями, очень похожими на наши собственные.

Машинное обучение не является несвязанным, а только инкапсулирует компьютерные программы, которые предназначены для обработки данных и принятия решений на основе результатов, и даже обучения на основе результатов для информирования будущих решений.

Нейронные сети – это компьютерные системы, предназначенные для помощи приложениям машинного обучения в сортировке данных, позволяя компьютерам классифицировать данные так же, как и люди. Сюда входят такие процессы, как выделение ориентиров на картинке или определение марки и цвета автомобиля. Нейронные сети и машинное обучение – это умно, но определенно не разумный интеллект.

Когда доходит до разговоров об ИИ, маркетинговые отделы все чаще говорят о новой области технологий, которая усложняет объяснение. Столь же сложно выделиться среди конкурентов. В любом случае, все эти компании объединяет то, что они просто внедряют новый компонент в свои SoC, который повышает производительность и эффективность задач, которые мы теперь связываем с умными помощниками или помощниками ИИ. Эти улучшения в основном касаются распознавания голоса и изображений, но есть и другие варианты использования.

Новые типы вычислений

Возможно, самый большой вопрос, на который еще предстоит ответить: почему компании внезапно включают эти компоненты? Что облегчает их включение? Почему сейчас?

Возможно, вы заметили в последнее время рост разговоров о нейронных сетях, машинном обучении и гетерогенных вычислениях. Все они связаны с новыми сценариями использования для пользователей смартфонов и в более широком диапазоне областей. Для пользователей эти технологии помогают расширить возможности новых пользователей с помощью улучшенной обработки звука, изображений и голоса, прогнозирования человеческой активности, языковой обработки, ускорения результатов поиска в базе данных и улучшенного шифрования данных, среди прочего.

Один из вопросов, на который еще предстоит ответить, заключается в том, лучше ли вычислять эти результаты в облаке или на устройстве. Несмотря на то, что тот или иной OEM-производитель считает лучше, это, скорее всего, будет зависеть от конкретной задачи. В любом случае, эти варианты использования требуют некоторых новых и сложных подходов к вычислениям, для решения которых большинство современных 64-разрядных процессоров не особенно хорошо подходят. 8- и 16-битная математика с плавающей запятой, сопоставление с образцом, поиск в базе данных / ключах, манипуляции с битовыми полями и высокопараллельная обработка – вот лишь некоторые примеры, которые можно сделать быстрее на выделенном оборудовании, чем на ЦП общего назначения.

Чтобы приспособиться к росту этих новых сценариев использования, имеет смысл разработать собственный процессор, который лучше справляется с задачами такого типа, чем заставлять их плохо работать на традиционном оборудовании. В этих чипах определенно есть элемент будущего. Раннее добавление процессора искусственного интеллекта даст разработчикам основу для таргетинга на новое программное обеспечение.

Эффективность – ключ к успеху

Стоит отметить, что эти новые чипы предназначены не только для обеспечения большей вычислительной мощности. Они также создаются для повышения эффективности в трех основных областях: размер, вычисления и энергия.

Сегодняшние высокопроизводительные SoC содержат массу компонентов, от драйверов дисплея до модемов. Эти детали должны умещаться в небольшом корпусе и с ограниченным бюджетом мощности, не нарушая при этом банк (см . Закон Мура для получения дополнительной информации). Разработчики SoC должны придерживаться этих правил и при внедрении новых возможностей обработки нейронных сетей.

Выделенный AI-процессор в SoC смартфона разработан с учетом площади, вычислений и энергоэффективности для определенного подмножества математических задач.

Возможно, разработчики микросхем для смартфонов смогут создать более крупные и мощные ядра ЦП, чтобы лучше справляться с задачами машинного обучения. Однако это значительно увеличило бы размер ядер, потребовало бы значительного размера кристалла, учитывая сегодняшние конфигурации восьмиъядерных процессоров, и сделало бы их производство намного более дорогим. Не говоря уже о том, что это также значительно увеличит их требования к питанию, на что просто не хватает бюджета в смартфонах с TDP менее 5 Вт.

Суть гетерогенных вычислений заключается в назначении наиболее эффективного процессора для задачи, наиболее подходящей для него, а процессор AI, HPU или DSP хорошо справляются с математикой машинного обучения.

Вместо этого гораздо разумнее разработать отдельный отдельный компонент, который может очень эффективно справляться с определенным набором задач. Мы видели это много раз в ходе разработки процессоров, от дополнительных модулей с плавающей запятой в ранних процессорах до процессоров Hexagon DSP внутри высокопроизводительных SoC Qualcomm. На протяжении многих лет DSP все чаще и чаще выходили из употребления на аудио, автомобильном и других рынках из-за приливов и отливов вычислительной мощности по сравнению с затратами и энергоэффективностью. Требования машинного обучения в мобильной сфере к низкому энергопотреблению и интенсивной обработке данных теперь помогают оживить спрос.

Дополнительный процессор, предназначенный для сложных математических вычислений и алгоритмов сортировки данных, только поможет устройствам быстрее вычислять числа.

Заворачивать

Не цинично сомневаться в том, действительно ли компании точны в своем изображении нейронных сетей и процессоров ИИ. Однако добавление дополнительного процессора, предназначенного для сложных математических вычислений и алгоритмов сортировки данных, поможет смартфонам и другим технологиям лучше обрабатывать числа и позволит использовать множество новых полезных технологий, от автоматического улучшения изображений до более быстрого поиска в библиотеке видео. .

Несмотря на то, что компании могут рекламировать виртуальных помощников и включение процессора искусственного интеллекта, чтобы сделать ваш телефон умнее, мы далеки от того, чтобы увидеть настоящий интеллект в наших смартфонах. При этом эти новые технологии в сочетании с появляющимися инструментами машинного обучения сделают наш телефон еще более полезным, чем когда-либо прежде, так что обязательно следите за этим пространством.

Источник записи: https://www.androidauthority.com