Key Takeaways
- GPUs sind wie Busse: langsamer als Sportwagen, aber viel besser darin, viele Zahlen parallel zu verschieben.
- GPUs werden in maschinellem Lernen, Medizin, Bildverarbeitung und Spielen verwendet.
- Iris Xe Max von Intel wurde entwickelt, um Laptops für Entwickler und KI leistungsfähiger zu machen.
Intels neue Iris Xe Max Graphics Processor Unit taucht jetzt in Laptops auf und ist allem Anschein nach eine große Sache. Aber was ist eine GPU und warum ist sie wichtig? Spoiler: Es geht nicht um Spiele oder gar um Grafiken.
Die CPU in Ihrem Computer, die die tägliche Arbeit erledigt, ist teuer und hochspezialisiert. Eine GPU hingegen ist wirklich, wirklich gut in Mathe. Insbesondere können sie große Zahlen multiplizieren und viele, viele Operationen parallel ausführen. Damit eignen sie sich gut zum Generieren komplexer 3D-Grafiken, aber sie werden für viel mehr verwendet.
"GPUs eignen sich hervorragend für Big Data, maschinelles Lernen und Bildverarbeitung", sagte 3D-Animator David Rivera Lifewire per Sofortnachricht. "Ich habe viele Kollegen, die es in der Medizin verwenden, um MRT-Ergebnisse zu erh alten."
Große Mathematik, große Bilder
Alles, was viel komplizierte Mathematik erfordert, eignet sich perfekt zum Auslagern auf die GPU.
"Grafiken sind normalerweise sehr leistungsfähig, weil die Berechnung von 3D-Videomaterial sehr komplex ist", sagte der in Barcelona ansässige Computeringenieur Miquel Bonastre Lifewire per Sofortnachricht. Aber schon bald erkannten Computerfreaks, dass diese Rechenmaschinen für alle Arten von rechenintensiven Aufgaben eingesetzt werden konnten.
"Nun werden Supercomputing-Cluster auch mit GPUs hergestellt. Sie werden für wissenschaftliche Berechnungen, Engineering usw. verwendet", sagt Bonastre. Ein weiterer Vorteil der GPU ist, dass sie sich einfach skalieren lässt. Es wurde entwickelt, um identische Operationen parallel auszuführen, sodass das Hinzufügen von mehr Chips (oder einfach mehr Kernen zum Chipdesign, wodurch es größer wird) alles schneller macht.
Eine GPU eignet sich auch hervorragend zum Verarbeiten von Fotos. Zum Beispiel kann die Fotobearbeitungssuite Lightroom von Adobe Arbeit auf den Grafikprozessor Ihres Mac oder PCs auslagern, um „erhebliche Geschwindigkeitsverbesserungen auf hochauflösenden Displays bereitzustellen“, was 4K- und 5K-Monitore umfasst.
"CPUs sind auf Latenz optimiert: um eine Aufgabe so schnell wie möglich zu erledigen", schreibt KI-Berater Ygor Rebouças Serpa. „GPUs sind für den Durchsatz optimiert: Sie sind langsam, aber sie arbeiten mit großen Datenmengen auf einmal.“Serpa vergleicht eine CPU mit einem Sportwagen und eine GPU mit einem Bus. Der Bus ist viel langsamer, aber er kann viel mehr Leute bewegen.
Was ist mit deinem Telefon?
Die GPU in Ihrem Telefon wird verwendet, um das superhochauflösende Display anzusteuern und die Grafiken auszuführen. Aus diesem Grund wird das Telefon heiß, wenn Sie ein Spiel spielen – die GPU sch altet sich ein und Ihr Telefon hat keinen Lüfter, um es abzukühlen.
Auf dem iPhone wird die GPU für die Bilderkennung, das Erlernen natürlicher Sprache und die Bewegungsanalyse verwendet. Das heißt, es verarbeitet Bilder und Videos, während Sie sie aufnehmen, und mehr.
GPUs eignen sich hervorragend für Big Data, maschinelles Lernen und Bildverarbeitung.
Aber das ist noch nicht alles. Apples aktuelle iPhones und iPads enth alten eine „Neural Engine“. Dies ist ein großer Chip, der speziell für die Ausführung von Aufgaben des maschinellen Lernens entwickelt wurde. Es ist keine GPU, aber vom Konzept her GPU-ähnlich, da es schwierige mathematische Probleme im Handumdrehen löst. Die neueste Version ist laut Apple „in der Lage, bis zu 11 Billionen Operationen pro Sekunde auszuführen.“
Maschinelles Lernen
Das derzeit vielleicht größte Schlagwort in der Computerbranche ist „maschinelles Lernen“. Dazu gehört, dem Computer viele Beispiele zu zeigen und den Computer die Ähnlichkeiten und Unterschiede herausarbeiten zu lassen. GPUs sind dafür perfekt, weil sie mehr Beispiele pro Sekunde anzeigen können. Sobald dieses Training jedoch abgeschlossen ist, wird die GPU nicht mehr benötigt. Alle erlernten Algorithmen können von der CPU schneller ausgeführt werden.
Nun, lass uns zurück zu Intels neuer Iris Xe Max GPU gehen. Dies wurde entwickelt, um in „dünnen und leichten Laptops zu laufen und ein wachsendes Segment von Entwicklern anzusprechen, die mehr Portabilität wünschen“, sagte Roger Chandler, Vizepräsident von Intel, in einer Erklärung. Das heißt, es soll Laptops mit eingeschränkter Leistung für die Bearbeitung von Videos, Fotos und anderen GPU-intensiven Aktivitäten verbessern. Ja, einschließlich KI.
Iris Xe Max wurde für maschinelles Lernen entwickelt. Vielleicht wird seine erste Aufgabe sein, zu lernen, wie man seinen eigenen Namen ausspricht.
