爱吧机器人网 » 技术 > 智能硬件 > 正文

图灵GPU如何彻底改变身临其境的人工智能

核心提示:图形处理单元(GPU)远不止图形芯片。多年来,它们一直是人工智能革命的核心。这在很大程度上归功于这样一个事实,即用于高保真3D图像处理的计算基板非常适合支撑神经网络的数学,这些

图形处理单元(GPU)远不止图形芯片。多年来,它们一直是人工智能革命的核心。这在很大程度上归功于这样一个事实,即用于高保真3D图像处理的计算基板非常适合支撑神经网络的数学,这些神经网络为当今最复杂的AI应用提供动力。



GPU似乎从一开始就为AI设计,但这会歪曲这项技术的历史发展。 Nvidia,AMD和其他芯片制造商多年来为PC图形,交互式游戏,图像后处理和虚拟桌面基础设施提供了大量资金。

然而,图形处理和AI之间的亲和力是不可否认的。例如,卷积神经网络(CNN)处于AI的最前沿,主要用于图像分析,分类,渲染和操作。毫无疑问,GPU在许多应用中是CNN处理的主要硬件工具之一。

AI和图像处理有什么共同之处

从技术角度来看,图像处理和AI的共同之处在于依赖于高度并行的矩阵和向量运算,这是GPU发光的地方。基本上,AI术语中的矩阵(也称为“张量图”)等效于计算机生成的图像帧中的像素矩阵或点的行和列。 GPU的嵌入式存储器结构将整个图形图像处理为矩阵 - 可能通过自适应智能来丰富,该自适应智能来自深度学习和其他AI矩阵的并发执行。该架构使GPU供电的系统能够使用内联AI动态地和有选择地加速图像更新和修改的处理。

这些工作负载之间的共生关系在应用程序级别也很明显,这解释了为什么GPU通常是许多智能,图形丰富的应用程序的首选硬件加速器技术。我们越来越多地将AI嵌入到大众市场的图像处理产品中,例如自动稳定图像的智能相机,调整色彩和曝光,选择焦点,以及在现场实时定制图像到场景被捕获,从而降低了我们任何人拍摄技术上无用的照片的可能性。

同样,我们看到越来越多采用GPU驱动的AI来实现如此复杂的图像处理功能,如去噪,分辨率缩放,可变速率着色,物体检测,边缘检测,运动检测以及嵌入到智能相机中的缺失元素的插值。基于浏览器的机器学习越来越多地应用于GPU提升的图形密集型应用程序,如图像检测,识别,分类和操作。 GPU正在为生成性对抗网络(GAN)提供动力,这是一种领先的人工智能方法,其图形应用包括为游戏,艺术,娱乐,医疗和其他应用生成逼真的高分辨率图像。

除了其他应用之外,甚至还有新一代支持GPU的智能手机应用动态图像处理,旨在为人脸图像呈现逼真(但基本上是触摸式)的增强效果。

虽然在大多数部署中GPU和CPU之间存在共生关系,但很明显GPU在哪里发光:与CPU内核相比,GPU的执行单元(称为流多处理器)可以并行执行更多操作。 GPU可以在本地存储器和寄存器中存储更多可重用的高速缓存数据,以实现快速矢量化和矩阵乘法。 GPU还具有更高的内存带宽,更高的线程并行性,并且可以在短路径寄存器内存中保存比CPU更多的数据。

很容易想象将部署图灵GPU的各种图形丰富的AI应用程序:

协作:人工智能生成的图形化身可能支持虚拟和物理协作的融合,每个人都可以访问耳机和降噪耳机,并可以进入协作,沉浸式虚拟环境。

学习:人工智能生成的模拟可以为个人和团体提供交互式,逼真的3D体验学习环境。

营销:人工智能生成的产品目录可以使逼真渲染的3D物品实际上覆盖,放置,定制,并安装在客户的身体或家中,汽车和其他环境中。

设计:开发人员和工程师可以使用AI生成的原型与完美呈现的3D设计进行交互,以便在未来可能的创建之前进行物理原型或发送到工厂。

导航:人工智能生成的图形自动完成或“修复”,在平视显示器中实施时,可以帮助驾驶员查看车辆盲点中的内容或突出他们可能拥有的实时环境中的显着物体忽视。

医学:人工智能生成的图形分辨率增强功能可以帮助医生在使用智能护目镜时,在进行手术时更容易看到身体组织中的细节,而医学人体模型实际上可以叠加在实际患者身上,以协助诊断,培训和其他医疗保健场景。

工业:AI增强型数字双工环境可以支持混合物理和虚拟环境中的制造,物流和其他工业实体资产的图形建模,优化和维护。

GPU不能做得那么好

但请记住,GPU并不是一种通用的硬件加速器。 GPU通常具有比CPU更少的内存容量,GPU必须使用CPU来提取数据,并且GPU时钟速度最多只占高端CPU的三分之一,这限制了GPU快速处理顺序任务的能力。

同样重要的是,GPU不一定是每个AI工作负载的最佳硬件加速器技术,它可以为图形注入的移动,边缘,物联网和其他应用程序提供智能。在更现代产品核心的片上系统(SoC)中,GPU与CPU和各种专用神经网络处理器(如张量处理单元(TPU),现场编程门阵列(FPGA))一起占用)和专用集成电路(ASIC)。

在不断发展的智能边缘设备生态系统中,真正的共生将取决于所有这些嵌入式AI芯片如何协同工作以创造视觉体验,以栩栩如生的现实主义令我们惊讶。


上一篇:Firefly人工智能开源硬件系列:融合软硬件与AI技术的开放平台
下一篇:2019年中国AI芯片行业研究报告

本周栏目热点

谷歌眼镜企业版真机图曝光:采用可折叠设计

[2015-12-29]   12月29日消息,据国外媒体9to5google报道,今年早些时候,有报道称新版谷歌眼镜硬件正在开发当中:谷歌 ...

五角大楼利用增强现实技术打造未来“超级战士”

[2015-12-22]   据英国《每日邮报》12月14日报道,美国国防部高级研究计划局(DARPA)计划使用增强现实系统支援陆军步兵 ...

苹果设计师曝光VR:设计简约科技感十足

[2016-03-02]   【TechWeb报道】2月28日消息,关于苹果进入VR领域的消息由来以久,最近苹果概念设计师Martin Hajek独 ...

[1970-01-01]   12月9日消息,据国外媒体appleinsider报道,苹果周四发布watch OS 2 1版本,修复Apple Watch遇到的 ...

清华发布《AI芯片技术白皮书》:新计算范式,挑战冯诺依曼、CMOS瓶颈

[2018-12-13]  《白皮书》首次整合了国际化的学术和产业资源,紧扣学术研究和产业发展前沿,对人工智能芯片技术进行了深入探讨、专业阐述,完成了对AI芯片各种技术路线梳理及对未来技术发展......

2019年中国AI芯片行业研究报告

[2019-03-19]  AI芯片即为面向人工智能应用的芯片。人工智能与芯片的发展需紧密合作,但过去碍于跨学科合作困难,加上人工智能算法并未成熟,世界各国对于人工智能的多项投入最后都以失败告终。...

精选推荐

农业将为高科技行业 农业机器人的应用领域
农业将为高科技行业 农业机器人的应用领域

[2017-12-17]  农业正在迅速成为一个令人兴奋的高科技产业,吸引了新专业人士,新公司和新投资者。技术发展迅速,不仅提高了农民的生产能力,而且促进了我们所知道的机器人和自动化技术的发展。...

担心机器换人?自1950年以来只有一个职业被机器彻底取代

[2017-03-21]  虽然有很多关于机器人取代工人的担心,但哈佛经济学家James Bessen的论文指出,在过去的67年里机器人仅仅淘汰掉人类工作中的一个。在1950 ...

如何让人工智能机器人快速自我纠正错误并吃一堑长一智?
如何让人工智能机器人快速自我纠正错误并吃一堑长一智?

[2017-08-23]  莱斯特大学数学系的研究人员在《Neural Networks》杂志上发表了一篇文章,概述了新算法的数学基础,可以使人工智能收集错误报告并立即纠正,而不影响现有技能 ,同时还会积......

国外眼科手术机器人为视网膜静脉阻塞患者带来希望
国外眼科手术机器人为视网膜静脉阻塞患者带来希望

[2017-03-20]  视网膜静脉阻塞,简称RVO,对患者来说是一种严重的疾病。该病病因为视网膜静脉中存在血液凝块,这可能导致视力严重下降,在某些情况下,病 ...

机器人iCub作为嵌入式AI的标准机器人研究平台的重要性
机器人iCub作为嵌入式AI的标准机器人研究平台的重要性

[2017-12-24]  机器人的研究在过去10年中得益于一个具有嵌入式人工智能(AI)的标准化开源平台——人形机器人iCub。iCub最初在意大利被创建,如今在欧洲、美国、韩国、新加坡和日本的实验室......

7种常见的机器人焊接类型
7种常见的机器人焊接类型

[2017-12-17]  机器人焊接是工业领域最常见的机器人应用之一,近几十年来主要由汽车行业驱动。机器人焊接在完成大批量,重复性的焊接任务时效率最高。...

基于生物启发的机器人很容易适应丢失附属器官
基于生物启发的机器人很容易适应丢失附属器官

[2017-12-17]  很多机器人被设计应用在危险环境,如灾难现场。在这些地方,他们的运动系统完全有可能被损坏。那这样会吓跑这些机器人吗?也许不是,如果它们像日本的东北和北海道大学创造的......

科学家从蟑螂获得启发 教机器人更好地走路
科学家从蟑螂获得启发 教机器人更好地走路

[2017-12-11]  Weihmann指出:“我特别感到惊讶的是,动物运动稳定机制的变化与腿部协调的变化是一致的。昆虫的慢运行非常稳定,因为它的重心很低,三条腿总是以协调的方式运动。...