Innholdsfortegnelse:
- Hva er GPU, CPU og NPU, og hva er forskjellene deres?
- NPU, kunstig intelligens, maskinlæring og dyp læring
CPU, GPU og nå NPU. I noen tid har de ulike telefonprodusentene lagt vekt på en ny komponent som hittil er ukjent for de fleste. NPU, eller bedre sagt, Neural Processing Unit eller Neutral Processing Unit, er en komponent som direkte forstyrrer aktiviteter relatert til kunstig intelligens. Men hva er NPU egentlig, og hva skiller det fra CPU og GPU? Vi ser det nedenfor.
Hva er GPU, CPU og NPU, og hva er forskjellene deres?
Det vi kjenner som CPU og GPU, er to av de viktigste komponentene til en datamaskin og en smarttelefon. Grovt sett er CPUen enheten som har ansvaret for å behandle all informasjon relatert til data fra applikasjoner, programmer og systemprosesser forankret i bakgrunnen.
På et fysisk plan er det ikke annet enn en enhet som løser matematiske operasjoner og tolker dem i form av instruksjoner. Som med andre komponenter, jo høyere frekvens og kjerner, jo høyere ytelse, ettersom den har større kapasitet til å behandle informasjon.
Når det gjelder GPU, er grafikkbehandlingsenheten ment å behandle all informasjon relatert til 3D- og 2D-grafikk. Siden dagens grensesnitt er basert på komplekse 2D- og 3D-kart, krever teamet en andre enhet for å jobbe med dataene på en løsningsmiddel måte.
I tillegg til spill og videoer, er GPU ekstremt nyttig for å administrere systemanimasjoner og videoopptak av høy kvalitet, blant andre mer overfladiske oppgaver.
Så hva er NPU til? Denne komponenten er ment å motta instruksjonene fra CPUen som krever bruk av kunstig intelligens for å bli behandlet mye mer effektivt, og dens drift prøver å ligne hjernens funksjoner.
Funksjonene som NPU har ansvaret for har å gjøre med oppløsningen av en mengde matematiske beregninger på kort tid. Nøkkelen til denne typen brikker er basert på hastighet og energieffektivitet, med mye større reise enn CPUer og GPUer.
NPU, kunstig intelligens, maskinlæring og dyp læring
Vi har allerede sett hva som er NPU og hva er dens hovedfunksjon, men hvilke oppgaver krever bruk av NPU og hva er den faktiske applikasjonen på en mobiltelefon? For å gå i detalj, må vi først vite hva kunstig intelligens, Marchine Learning og Deep Learning er.
Det første konseptet har å gjøre, på et fysisk nivå, med all aktivitet som varierer avhengig av bruk av en bestemt type programvare. Og er det at mens CPU og GPU løser operasjoner som er forhåndsdefinert av systemet, løser NPU beregninger som kan variere avhengig av bruker.
Disse beregningene kan relateres til prosessering av fotografier i portrettmodus, stabilisering av en video i sanntid, beregning i 3D av avstanden til forskjellige objekter gjennom kameraet eller spådommer på språket på tastaturet. Oppgaver som kort sagt krever oppløsning av variable beregninger på veldig kort tid.
Men den virkelige nøkkelen til kunstig intelligens har å gjøre nettopp med maskinlæring. Dette begrepet refererer til evnen til en bestemt type system til å lære vaner å bruke en enhet over tid. NPU er nettopp ansvarlig for å løse disse vanene og handle deretter. Aktiver bestemte funksjoner på et bestemt tidspunkt, raskere innlastingen av applikasjoner som vi bruker mest på en mobiltelefon, forutsi uttrykksikoner på tastaturet, juster batteribruken avhengig av tid på dagen…
Så hva er dyp læring? Dette konseptet er uten tvil det mest interessante av de tre. Deep Learning refererer til NPU-operasjoner som ikke trenger menneskelig inngripen for å bli løst.
Driften av den ligner mer på en hjerne og encefalon enn en prosessor i seg selv , og er i stand til å løse ligninger uten å måtte settes av brukeren, men av miljøet. For øyeblikket er applikasjonen ikke veldig utbredt i dagens mobilsystemer, så det vil være nødvendig å vente på at Android og iOS skal implementere funksjoner rettet mot Deep Learning for å tilpasse all programvaren til brukerens behov uten at brukeren aktivt griper inn.
