El problema es que no existe una arquitectura de IA “universal”: los algoritmos de inteligencia artificial son complejos y variados y tienen diferentes necesidades computacionales. Se puede construir una arquitectura de chip personalizada que acelere las redes neuronales, o implemente memoria temporal jerárquica, etc., pero es difícil construir una arquitectura de chip personalizada que acelere * todas * todas ellas.
Compare esto con las GPU. Funcionan bien para un tipo de arquitectura gráfica: la representación basada en polígonos. Incluso dentro de los gráficos, otros tipos de renderizado (por ejemplo, trazado de rayos, radiosidad) no son fáciles de realizar en las GPU modernas.
Tenga en cuenta que las GPU se pueden programar para hacer otras cosas, pero generalmente requiere un replanteamiento complejo del problema para aprovechar la arquitectura que poseen; no es tan simple como “compilar el código”.
- ¿Se puede escalar la arquitectura de la GPU para las cargas de trabajo emergentes de AI / ML?
- Cómo comenzar a desarrollar un chatbot
- ¿Qué tan pronto los robots reemplazarán la mano de obra en trabajos físicos de alta habilidad como la construcción?
- ¿Puede AI tocar el piano como un pianista?
- ¿De qué manera pueden los robots ayudar a mejorar el medio ambiente?
