Intel bulut yapay zekâ sistemleri için ilk yongalarını tanıttı

Yapay zekâ sistemleri bugün hayatın her alanında kendisine yer bulmaya çalışan teknolojiler haline geldi. Mobil cihazlardan USB belleklere ve uzak sunuculara kadar pek çok platform yapay zekâ algoritmalarını çalıştırmak üzere optimize ediliyor. Bunda en önemli adım elbette yonga tasarımları.

Nervana Neural Network Processors neler sunuyor?

İlk dönemlerde işlemci ve grafik birimi de dahil belirli bileşenler üzerinde çalışan yazılım motorları tercih edilmişti ancak artık özel tasarım yongalara ihtiyaç artmış durumda. Gerek mobil gerek masa üstü yonga tasarımcıları en verimli ürünü ortaya koymak için çalışıyor. Intel de bunlardan birisi.

Intel, yapay zekâ işlemleri için bugüne kadar satın aldığı Movidius tarafından geliştirilen görsel işlem birimlerini veya işlemci tabanlı hızlandırıcılarını kullanıyordu. 2017 yılında başladığı Nervana adındaki nöral ağ işlemcisi projesinin ilk ürünleri tanıtıldı.

Ayrıca Bkz.Samsung Exynos 980 teknik detayları belli oldu

Nöral ağlar verileri işleyerek sorunları beyne benzer şekilde çözebilmek üzere tasarlanıyor. Bu sistemler büyük miktarda veriyle eğitilerek zamanla ne yapacaklarını öğrenebiliyorlar. Nöral ağ tabanlı makine öğrenme teknolojileri, işe yarar veriler üretebilmek için muazzam miktarda bellek ve operasyon performansı gerektiriyor. Bu noktada enerji verimliliği de çok büyük önem taşıyor

Intel’in duyurduğu iki yeni işlemci Nervana Neural Network Processors serisine ait. Yatay olarak tasarlanan NNP-T1000 işlemcisi yapay zekanın verileri algılaması ve analiz etmesini sağlıyor. Kare şeklindeki NNP-I1000 işlemcisi ise sistemin analiz ettiği verileri yoğun bir şekilde uygulamasını sağlıyor.

Henüz NNP serisi ile ilgili teknik detaylar verilmedi ancak yoğun veri aktarımı nedeniyle en az 1TB/s bant genişliği sunacağı daha önce dile getirilmişti. Sistemde HBM2 bellek kullanılması bekleniyor.

Intel ayrıca Movidius tarafından geliştirilen yeni nesil görsel işlem birimini de tanıttı. Yeni birim mevcut rakiplere göre uygulama tarafında 10 kat daha iyi performans ve 6 kat daha iyi verimlilik sunuyor.