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

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
精选推荐
受大脑控制的机器人
受大脑控制的机器人

[2017-03-21]   想让机器人做我们想做的,首先,他得全面地了解我们。通常,这就意味着人类需要要付出更多。比如,教机器人复杂的人类语言或者把一项任务 ...

谷歌在中国成立一个新的人工智能(AI)研究中心
谷歌在中国成立一个新的人工智能(AI)研究中心

[2017-12-13]  谷歌正在中国建立一个新的人工智能(AI)研究中心,希望进一步扩展到中国,以充分利用中国高度重视的人工智能技术。人工智能是目前地球上最具竞争力的领域之一,亚马逊,微软......

一个让深度学习惨败的通用人工智能领域——语境处理
一个让深度学习惨败的通用人工智能领域——语境处理

[2019-11-04]  Context是指用来解释一段给定文本或语句的来源框架,我们可以翻译为上下文或语境。维基百科将context定义为:*在符号学、语言学、社会学和 ...

全自动膝关节置换手术机器人被美国FDA批准上市
全自动膝关节置换手术机器人被美国FDA批准上市

[2019-10-14]  美国Think Surgical公司已获得美国食品和药物管理局(FDA)的批准,在美国销售用于全膝关节置换(TKA)的TSolution One®全膝关节应用 ...

17世纪的莱布尼茨试图制造“思想机器”却被现实打脸
17世纪的莱布尼茨试图制造“思想机器”却被现实打脸

[2019-11-05]  莱布尼茨,德国哲学家、数学家、律师,历史上少见的通才1666年,德国博学家戈特弗里德·威廉·莱布尼茨(Gottfried Wilhelm Leibniz)发 ...

集群机器人领域最新研究:一种用于探测未知环境的微型无人机群
集群机器人领域最新研究:一种用于探测未知环境的微型无人机群

[2019-10-26]  (图:无人机扩散至不同方向来探索环境。当一个无人机注意到另一个无人机在它的首选方向,它将试图飞到另一个方向。若首选方向冲突,低优先 ...

CES 2018:英特尔推出49量子位芯片争夺量子霸权
CES 2018:英特尔推出49量子位芯片争夺量子霸权

[2018-01-10]  在与Google、IBM的一场关于建立量子计算系统的马拉松比赛中,英特尔通过了一个关键的里程碑。近日,这个科技巨头已经推出了一个49个量子位 ...

深度神经网络揭示了大脑喜欢看什么
深度神经网络揭示了大脑喜欢看什么

[2019-11-06]  爱吧机器人网编者按:近日,《自然-神经科学》发表了一篇论文,研究人员创建了一种深度人工神经网络,能够准确预测生物大脑对视觉刺激所产 ...

本周栏目热点

读心术成现实!麻省理工研发出头戴设备“AlterEgo” 信息识别准确率达92%

[2018-04-09]  据外媒报道,近日,美国麻省理工大学(MIT)新开发了一款名为AlterEgo的头戴设备,可以实现不言自明的读心境界。用户不用说话,它就能够识 ...

现代机械外骨骼能让普通人举起数百公斤物品

[2016-05-17]   韩国汽车厂商现代最近发布了一副全新的机械外骨骼。在博客文章当中,现代把这个可穿戴机器人原型机与钢铁侠盔甲进行了对比,称其能 ...

LG:Clova将正式运用到智能音箱ThinQ Hub中

[2017-11-22]  随着人工智能的发展,似乎越来越多的软件硬件开始变得越发的智能了,就如音响来说,最开始的音箱是需要插线才能够使用的,而后出现了智能的蓝牙音箱...

智能手环Feel:追踪情绪变化 帮助调整情绪

[2016-01-19]   将来回想起来,人们可能隐约会记起那是2016年的某一天:一款名为Feel Bracelet的设备出现了,戴上它人 ...

乐视推VR头盔COOL1:售149元

[2015-12-27]   12月23日消息,乐视今日在京公布其VR(虚拟现实)战略,并发布旗下VR头盔LeVR COOL1。据了解,该款头 ...