Nu AI een vlucht neemt, is er een enorme vraag naar GPU’s

Kunstmatige intelligentie vervangt menselijk bloed, zweet en tranen in talloze industrieën over de hele wereld, maar dit is geen verrassing. Computers kunnen het menselijk brein nabootsen – maar sneller en uitgebreider – door enorme reeksen visuele, gesproken of numerieke gegevens te verwerken en oorzaak-en-gevolgpatronen nauwkeuriger te herkennen. De implicaties voor een echte AI-aangedreven machine die duizenden CT-scans van zowel gezonde als kankerpatiënten heeft bestudeerd, zijn bijvoorbeeld enorm. Deze machine en anderen (kankerdetectie is een veelvoorkomend doel voor AI) kunnen dat wel Herken met 95% nauwkeurigheid kleine tumoren in een scan, maar leer ook om te bepalen welke tumoren waarschijnlijk goedaardig zijn en welke niet.

AI heeft hetzelfde versnellende effect op andere sectoren, zoals de financiële sector, die het gebruiken voor voorspellende marktanalyses en andere winstgedreven inspanningen. Genetici vertrouwen ook op AI en diepgaand leren om nieuwe conclusies te trekken op basis van eindeloze, ingewikkelde gegevens die zijn opgeslagen in de genomen van planten en dieren. Door een computergestuurd brein te gebruiken om genetische basenparen, hun patronen en resulterende eigenschappen te bestuderen, helpt AI daaraan teken de blauwdruk voor nieuwe farmaceutische medicijnen en medicijnen. Het is duidelijk dat STEM-experts en andere marktleiders vertrouwen op AI om snellere innovatie te stimuleren, maar dit heeft kosten met zich meegebracht.

Een grotere vraag naar AI betekent ook een toename van de rekenkracht die nodig is voor machines die deze kunstmatige intelligenties hosten. Aangezien er overal een enorme toestroom van gegevens plaatsvindt dankzij het concept van ‘digitaal gaan’, heeft dit een interessant effect op de cloud computing- en chipfabrikantenindustrie. Om meer kosteneffectieve kracht te creëren, met name voor AI-geschikte taken, is de GPU (of grafische verwerkingseenheid) nu het standaardchiptype voor de industrie.

Waarom GPU’s?

De ongelijke architectuur van een GPU van een CPU is wat de eerste maakt meer geschikt voor deep-learning en AI, die veelzijdige en complexe doelen nastreven in plaats van eenvoudige, zoals het laden van een webpagina. In plaats van problemen opeenvolgend op te lossen, vereist AI een snelle parallelle verwerking. Zelfs als een AI leert hoe hij op een betrouwbare manier een hond op een foto kan herkennen, moet hij serieus gecompliceerde berekeningen parallel uitvoeren. Deze AI kan naar een foto van een hond kijken, deze omzetten in zwart-wit en aan elke pixel een nummer toewijzen op basis van het niveau van lichtheid of duisternis, waardoor een soort gigantische matrix van getallen ontstaat. Omdat het herhaaldelijk duizenden foto’s heeft ingevoerd en de juiste definitie van elke foto heeft gekregen, leert het na verloop van tijd patronen te herkennen die ‘hond’ betekenen en zal het nauwkeurig de honden uitkiezen op elke foto die het ziet.

Om dit te bereiken, moet een AI verwijzen naar miljoenen datapunten om de punten te vinden die correleren met waar het naar ‘kijkt’. Dit vereist intensieve parallelle verwerking, een gemakkelijke taak voor een gemiddelde retail-GPU, die doorgaans heeft honderden keren zoveel cores, meer geheugenbandbreedte en tien keer zo efficiënt als een industriële CPU van Intel. Hoewel CPU’s nog steeds nodig zijn voor taken die sequentiële computermodellen vereisen en kunnen worden gebruikt om betere resultaten te behalen in combinatie met GPU’s, zijn de laatste nu het nieuwe standaardwerkpaard voor de computerindustrie..

Productiebedrijven zoals Nvidia hebben aanzienlijk geprofiteerd van de overstap naar GPU-technologie, evenals grotere cloud computing-providers zoals Amazon en Google, die nu virtuele machine-omgevingen aanbieden die op GPU-stroom draaien. Bedrijven die gespecialiseerd zijn in grafische animatie en rendering, AI deep learning en cryptocurrency-mijnbouw besteden grote budgetten aan deze behoefte. De meest populaire cloud-GPU-platforms bieden maandelijkse en zelfs per uur computerabonnementen om aan deze vraag te voldoen, maar het aanbieden van handige verkoopmodellen of het centraliseren van enorme banken met GPU-stroom is niet voldoende. Er wordt ook een nieuwe, aangepaste infrastructuur gebouwd om de kosteneffectiviteit van grafisch computergebruik te helpen verhogen.

Wat kan Blockchain doen voor GPU’s?

De opkomst van AI dwingt tot een gedwongen uitbreiding van de rekencapaciteit van de wereld. In het vroege stadium heeft dit geresulteerd in een verschuiving naar GPU-kracht over CPU’s, maar in de tweede fase zal een verschuiving naar gedecentraliseerde stroom plaatsvinden. Hoewel een gecentraliseerde organisatie van GPU-datacenters voorlopig goed genoeg is, is het niet kosteneffectief. Blockchain-grootboeken hebben de mogelijkheid om moeiteloos een potentieel eindeloos aantal gedistribueerde stroombijdragers te volgen en te organiseren. Innovatoren kijken daarom naar de blockchain als een betere leveringsmethode voor stroom, zowel voor een meer natuurlijke energiebenaming als voor prijsontdekking, maar ook vanwege het vermogen om het inactieve GPU-vermogen te ontgrendelen dat vastzit in retailmachines..

Tatau is een van de eerste blockchain-bedrijven die dit unieke idee aanpakt, en het stelt iedereen met een pc in staat om verbinding te maken en de stroom van hun computer aan het netwerk aan te bieden. De blockchain die door Tatau wordt gebruikt, duidt het GPU-vermogen aan dat wordt gestreamd vanaf de pc’s van gebruikers in tokens en betaalt ze voor het vermogen dat het trekt. Als marktplaats verbindt de blockchain van Tatau in de eerste plaats degenen die GPU-stroom tegen een bepaalde prijs nodig hebben, en groepen gebruikers die dit willen leveren.

“De marktvraag naar AI-computing verdubbelt elke 3,5 maanden, maar het aanbod blijft achter. Leveranciers gebruiken de prijs als een hefboom om het gebruik te beheersen, en deze dynamiek remt innovatie af, ” schreef Andrew Fraser, de CEO van Tatau.

Andere op blockchain gebaseerde bedrijven hebben ook geprofiteerd van het idee van een tokenized energiebenaming en -verspreiding. Veel nieuwe spelers helpen gebruikers om onderbenutte stroom bij te dragen van hun anders niet-actieve pc’s, en de prille industrie wordt momenteel opgedeeld door bedrijven die gespecialiseerd zijn in het leveren van stroom aan specifieke industrieën, zoals rendering en animatie. Hoewel het waar is het weergeven van een animatiefilm is een taak die veel geschikter is voor gedecentraliseerde GPU-stroom, het is de potentieel eindeloze bron van vraag naar AI-gestuurde vooruitgang die de echte katalysator is.