Лекция
физические носители искусственных нейросетей — это железо или физическая среда, где реально хранятся и выполняются веса нейросети, вычисления нейронов и передача сигналов.
Нейросеть может работать на обычном центральном процессоре компьютера.
Примеры:
CPU подходит для небольших моделей, логики программы, подготовки данных, но для больших нейросетей обычно медленнее GPU.
Самый распространенный носитель для обучения и запуска больших нейросетей.
Примеры:
GPU хорошо подходит, потому что нейросети требуют огромного количества параллельных матричных вычислений.
Специализированные чипы для нейросетей, особенно от Google.
Они оптимизированы именно под операции машинного обучения: матрицы, тензоры, умножения, трансформеры.
Это специальные блоки для ИИ внутри телефонов, ноутбуков и микроконтроллеров.
Примеры:
Используются для распознавания речи, обработки фото, локальных LLM, камер, AR, генеративных функций.
Программируемые микросхемы, которые можно настроить под конкретную нейросеть.
Плюс: можно сделать очень эффективную схему под конкретную задачу.
Минус: сложнее программировать, чем GPU.
Это специализированные микросхемы, созданные только для ИИ.
Примеры:
ASIC быстрее и энергоэффективнее универсальных чипов, но менее гибкий.
Рис. сложности и выгоды от применения разных видов носителей искусственных нейросетей
Это чипы, которые пытаются имитировать работу мозга более физически: импульсы, события, спайки.
Примеры:
Они используются для spiking neural networks — импульсных нейросетей. Это ближе к биологическим нейронам, но пока менее массово, чем GPU.
Вместо электронов используются фотоны — свет.
Идея:
Потенциальные плюсы: высокая скорость и низкое энергопотребление.
Пока это в основном экспериментальные и специализированные решения.
Вычисления выполняются не цифровыми 0 и 1, а физическими величинами:
Например, веса нейросети могут храниться как уровень проводимости элемента.
Мемристор может хранить “вес” нейросети как физическое сопротивление.
Условно:
Это перспективно для аппаратных нейросетей, где память и вычисления находятся почти в одном месте.
Используются кубиты и квантовые состояния.
Квантовые нейросети пока в основном исследовательская область, а не массовая технология.
Экспериментальные системы, где вычисления выполняются на живых нейронных культурах или гибридах “мозг + компьютер”.
Примеры идей:
Это не обычный ИИ в промышленном смысле, а скорее область биокомпьютинга.
Сегодня большинство искусственных нейросетей физически существуют как:
числа-веса в памяти компьютера +вычисления на GPU / TPU / NPU
То есть современная нейросеть — это не “мозг в коробке”, а огромный набор чисел, который хранится в памяти и обрабатывается специальными процессорами.
Комментарии