[閒聊] 從什麼時候開始AI能力綁定GPU的算力?
如題
以前的幻想時代
什麼機器人啊終結者啊或是AI啊天網啊
核心都是CPU
結果突然之間變成GPU才是AI能力的展現
Why?
從什麼時候開始的啊
為什麼不是CPU呢?
GPU一開始不是只是加速圖形渲染跟處理的用途嗎
想到以前玩SS還要在後面插上加速卡玩格鬥天王
--
你隨便去找個科普影片看就不用問了
GPU就是擅長做大量重複的事情的計算單元
啊,GPU能算的東西你丟CPU也算得出來啊,跑不快而已
AI在訓練的時候GPU比CPU方便很多
這些比較專門的計算硬體會出現也是因爲人們發現什麼都丟給
CPU不是個好主意
這邊不是西洽閒聊嗎?什麼都去看科普影片,就不說科普影
片是不是都對的問題了,每個網友想法不一樣才是有趣的地
方
從一開始吧 AI的演算法很早就出現了 但是GPU出現才開
始真正做出東西
不是從挖礦的時候就知道了嗎
那些演算法的理論雛形比老黃把他的3D加速卡命名爲GPU的時
間點還早就是了
大概17年前 Nvidia開始推CUDA後
中間有一段時間是挖礦算力 嘻嘻
有趣的是挖礦算力居然最後會變成AI算力
2012 alexnet
反過來吧 是因為有GPU deep learning 才玩的起來
不知道 什麼時候?
不是GPU算力 是人類把計算這件事拆解成一堆(乘法+加法)
剛好這運算平常就是計算遊戲顯示三角形之類的在用 拿GPU現成
因為成功的是類神經網路 這東西1970年代就有了
你也可以改用tensor算法或是量子算法 GPU就無能為力了
然後被當成屎 因為誰家的CPU有那麼閒去浪費時間
類神經網路的擁護者浪費一堆時間只能交出屎一般的成績
科技發展很容易在死路裡繞 有時候就是還沒想到
GPU也是發展了一段時間後才發現可以拿來幫忙浪費時間
成本考量下的功能特化演進
深度學習本質就是矩陣運算 剛好就是GPU的強項
如果GPU沒被當成顯示卡來賣 搞不好沒人砸錢TO個純計算晶片
媽哩誰砸錢就拿來算這東西 研究怎麼花錢把一堆CPU平行串起來
現在有TPU 不畫圖了 從生下來到被燒死之前只負責計算
設計CPU時是有太多功能要他能達成,GPU則是處理特定範圍
工作
買別人做好的CPU再研究網路分散計算比較便宜(ry
不過他也沒厲害到可以讓GPU從市場上消失
那時候好像很多網路切工作幫忙背景分散計算的鬼計畫
姑且還是演化成後來的多核心多執行緒工作拆分這些都有意義啦
AI發展史可以簡化成一句話
有啊 PS3的蛋白質研究就是一種
人類發現計算量多到跟鬼一樣後就出現類似智慧的東西了
中間的原因還沒有完全解明 但現實就是如此
重點是人類現在也還是用之前的拆分經驗來分散計算工作 沒虧啊
如果人類是發現「另外一種方式」出現類似智慧的東西
那就會把資源全部往「另外一種方式」丟下去
網路速度不夠卡住了傳輸計算 就提升網路協定和硬體縮短距離
分散式計算系統可以募集很多聽起來很酷炫的計畫
一個大晶片散熱會燒起來 就拆分工作多個串連分散工作
例如只要借用你電腦/主機一點點的深夜時間
我們就可以研究癌症的解藥,或是尋找外星人......
證明了計算需求量這麼大 大到靠北 就有計畫可以募錢下Tapeout
稍微講仔細一點 不是無腦堆計算量就可以產生智慧
怎麼樣用腦來堆計算量是那群研究者持續努力的目標
就跟現在有人沒錢下tapeout 跑去控制記憶體協定拿來計算
類神經網路就模仿生物的大腦機制 除非有生物學新突破
或新物種或有人被雷打到 不然很難有新機制
不過重點就是要有鬼計算量 一定要跟鬼一樣
你有時會聽到GPT訓練需要數億年CPU計算量 那並非謠言
至於目前最強的架構是什麼 現在有一個進行中的賭局
幾個大頭用公司股份去賭Transformer是不是無敵的
有人相信Transformer以外的東西都要廢除
也有人努力要幹死Transformer
問就是量子電腦終將吹飛這些線性系統(X
或許會有一種未來 一般民眾人手一張TPU
在把所有AI工具當狗操的同時還用它來玩所有的酷炫遊戲
照目前TPU的發展來看 應該不太會是這樣
鼯鼠五技而窮 騰蛇無足而飛,GPU就是為此誕生的
GPU被斷法(無法平行運算)時 他的脾氣也是出了名的臭
目前人類想要的結果是用GPU比較容易生出來啊
cpu勞力腦,gpu天才腦
AI實現當初有兩個派別 一個是用邏輯判斷去堆 一個是類神
經網路 前者比較直覺也感覺有可行性 後者的硬體成立條件
當時想說需要很久之後(cpu多執行緒)。 但結果摩爾定律快
速撞極限 前者限入僵局 後者卻因為cuda默默做了一段時間
被類神經網路派別發現剛好是渾然天成的載體 所以風向就整
個反轉
但類神經網路派別是黑盒子 輸入輸出中間過程不容易可控
所以這條路線伴隨著AI不可控的高度風險
舉個例子 如果哪天AI醫師上線 結果偶爾會醫死一般病患
那這就會是一個必須要處理的問題
如果這個AI醫師是神燈精靈那種東西(舊時代真的有人研
究那種類型的醫療諮詢系統) 那就會比較容易尋找問題
不過如果是大型類神經網路 那問題就很難找了
現實更合理的做法是 永遠不要讓AI去當什麼主治醫師
但人類一代一代重新學習累積知識經驗成本相較機器實在太
沒效率 所以人類還是會想走AI接管這條路:~
cpu:一個博士生解1萬道小6數學題
GPU:一萬個小6生解1萬道小6數學題
A2aRX_RoQ
萬惡的老黃
從2014 alexnet
總裁這集講的還滿好懂的
爆
Re: [新聞] 輝達H100晶片紓壓了 訂單大戶開始轉售你劃錯重點, 先不論這篇論文的可行性與實用性, 你真的劃錯重點了 算力重要嗎? 重要但是不是影響販售/採購晶片的主因,![Re: [新聞] 輝達H100晶片紓壓了 訂單大戶開始轉售 Re: [新聞] 輝達H100晶片紓壓了 訂單大戶開始轉售](https://i.imgur.com/GxJuHEib.jpeg)
72
Re: [心得] 戴爾受惠ai,此時此刻大漲21%版上還是要有些正能量的討論, 我還是逆風說一下我個人的看法, 先說結論, 我個人比較看好DELL, 其次是技嘉, HPQ我個人最不看好, 另外,![Re: [心得] 戴爾受惠ai,此時此刻大漲21% Re: [心得] 戴爾受惠ai,此時此刻大漲21%](https://www.tensorflow.org/static/images/tf_logo_social.png)
51
[情報] AMD:RDNA4將不競爭人工智慧應用,以提AMD:RDNA 4 將不競爭人工智慧應用,以提升遊戲性能為主 AMD 表示,旗下新 RDNA 4 圖形架構將以提升遊戲性能為重點,不會搶進競爭對手 NVIDIA 人工智慧 (AI) 領域。 AMD Radeon Technologies Group 高級副總裁 David Wang 與 AMD 運算和圖形業務執行副![[情報] AMD:RDNA4將不競爭人工智慧應用,以提 [情報] AMD:RDNA4將不競爭人工智慧應用,以提](https://img.technews.tw/wp-content/uploads/2022/08/30144115/amd-ryzen-7000-7950x-7900x-7700x-7600x-4.jpg)
15
[閒聊] AI PC跟遊戲PC有什麼區別?最近黃仁勳加上computex在台 造成一波AI話題正夯 啊我想請教一下 目前看來好像是能跑得動生成式 AI 功能的PC都算"AI PC" 要跑得動生成式AI,靠的是強大的CPU跟GPU![[閒聊] AI PC跟遊戲PC有什麼區別? [閒聊] AI PC跟遊戲PC有什麼區別?](https://img.youtube.com/vi/mbgDm1sD93A/mqdefault.jpg)
7
[問卦] GPU怎麼還沒取代CPU?欸欸欸, 那個啊, 現在GPU算力這麼強, 屌打CPU幾百條街 連AI模型都用GPU 算了,10
[問卦] 家用AI人形機器人,快問世了嗎AI快速的發展 家用AI人形機器人 需求應該很大 請問快問世了嗎 家用AI人形機器人9
[問卦] AI為什麼要做在顯卡上?欸欸 我就覺得奇怪啊 那個做顯示卡的 是和AI有個毛關係啊 顯示卡不就只是 按照CPU的指令6
[問卦] 美國AI巨頭的想法哪裡出了問題?大家好 AI需要靠GPU的神經網絡運算 一個GPU裡面有上千個核心 所以CPU要運算好幾天的問題 GPU只要幾個小時就可以算完
Re: [問卦] AI PC有啥屁用現在的電腦是CPU GPU 以後的AI PC 還加入了 神經處理器(NPU) 變成 CPU GPU NPU 這樣才潮X
[情報] NVIDIA 推出 RTX1000 RTX500NVIDIA 推出 RTX 500 和 1000 Professional Ada Generation 筆電 GPU 強化行動 AI 工作流程 隨著生成式AI和混合工作環境成為新標準,幾乎每個專業人士,無論是內容創作者、研究人員還是工程師,都需要一台功能強大的人工智慧(AI)加速筆記型電腦來幫助使用者應對他們產業內最嚴峻的挑戰-即使在移動途中。 全新NVIDIA RTX500 和 RTX1000 Ada Generation 筆記型電腦 GPU 將應用於全新型高度便攜的行動工作站,擴展了基於NVIDIA Ada Lovelace 架構的產品陣容,其中包括 RTX 2000、3000、3500、4000 和 5000 Ada Generation 筆記型電腦。 AI 正在迅速被採用,以提高專業設計和內容創建工作流程以及日常生產力應用程式的效率,這凸顯了在系統中擁有強大的本地人工智慧加速和足夠的處理能力的重要性。 配備 RTX500 和 RTX1000 GPU 等 Ada Generation GPU 的新一代行動工作站將包括神經處理單元(NPU)、CPU 組件和 NVIDIARTX GPU,其中包括用於 AI 處理的 Tensor Core。 NPU 有助於卸載輕型 AI 任務,而 GPU 則可額外提供高達 682 TOPS 的 AI 效能,以滿足要求更高的日常 AI 工作流程。![[情報] NVIDIA 推出 RTX1000 RTX500 [情報] NVIDIA 推出 RTX1000 RTX500](https://blogs.nvidia.com/wp-content/uploads/2024/02/rtx500-1000-table.png)