Realmente no. Lo que requiere es potencia computacional: hay un montón de operaciones individualmente simples pero colectivamente complejas que deben realizarse para entrenar y mantener una IA.
La razón por la que muchos programas hacen uso de GPU discretas de alta gama es porque tienden a usar una arquitectura para sus diseños de chips destinados a optimizar su rendimiento de tareas como esa (ya que la representación gráfica es muy similar en muchos aspectos) una gran cantidad de núcleos pequeños y menos potentes, todos trabajando en paralelo entre sí en un solo problema. Dado que el tipo de IA que funciona con las GPU está compuesto por una gran cantidad de neuronas algo independientes que solo tienen que realizar una o dos operaciones en los datos que se les suministran, es fácil asignar un lote a cada núcleo y esperar hasta que ‘ Todo listo para procesar la siguiente capa.
Las CPU, por el contrario, tienden a centrarse en tener menos núcleos que son individualmente mucho más potentes, lo que los hace más adecuados para tareas en las que dividir el trabajo en una tonelada de componentes pequeños no es una opción viable. Entonces, si bien pueden hacerlo, solo tiene aproximadamente 8 núcleos para dividir el trabajo y está utilizando una pequeña fracción de su potencia disponible para cada operación, por lo que es inherentemente menos eficiente.
- ¿Cómo funciona el juego AI en un videojuego beat-em-up?
- ¿Por qué los modelos que funcionan mejor durante el entrenamiento dan resultados más pobres durante la implementación?
- ¿Cómo funciona la Síntesis del Programa Bayesiano?
- ¿Dónde puedo encontrar una comparación de las funciones de activación en redes neuronales profundas?
- ¿Dónde y cómo debo acercarme al capital si tengo una muy buena pieza de IA que produce 1-3% diario en Forex?
