Si los asistentes virtuales han violado la tecnología en el software para teléfonos inteligentes de este año, entonces el procesador AI es el equivalente en el lado del hardware.

SoC el A11 Bionic a causa de su nuevo AI "Motor neuronal". El último Kirin 970 de Huawei cuenta con una Unidad de Procesamiento Neural (NPU) dedicada y está facturando a su próximo Mate 10 como un "teléfono AI real". Se rumorea que el próximo Exynos SoC de Samsung incluirá también un chip AI dedicado.

Qualcomm ha estado utilizando el Hexagon DSP (Procesador de señal digital) dentro de sus emblemas Snapdragon para crear SDK de redes de computación y redes heterogéneas hace un par de generaciones. Intel, Nvidia y otros también están trabajando en sus propios productos de procesamiento de inteligencia artificial. La carrera está bien y verdaderamente en marcha.

Hay algunas buenas razones para incluir estos procesadores adicionales en los SoC de teléfonos inteligentes de hoy. La demanda de procesamiento de voz en tiempo real y reconocimiento de imágenes está creciendo rápidamente. Sin embargo, como de costumbre, hay un montón de tonterías de mercadotecnia, que tendremos que descifrar.

Chips de cerebro AI, ¿en serio?

No estaría tan cerca del final del día. En un teléfono inteligente de negocios, la idea es simplemente fantasiosa. La realidad es un poco más aburrida. Estos nuevos diseños de procesadores simplemente hacen que las tareas de software, como el aprendizaje automático, sean más eficientes.

Estos nuevos diseños de procesadores simplemente hacen que las tareas de software, como el aprendizaje automático, sean más eficientes.

Hay una diferencia importante entre la inteligencia artificial y el aprendizaje automático que vale la pena distinguir. Este es un concepto muy amplio que se usa para describir máquinas que pueden "pensar como los humanos" o que tienen algún tipo de cerebro artificial.

El aprendizaje automático no está relacionado, sino que solo encapsula los programas informáticos diseñados para procesar datos y obtener resultados, e incluso aprender de los resultados para informar decisiones futuras.

Las redes neuronales son sistemas informáticos diseñados para utilizarse en aplicaciones de máquinas de aprendizaje. Esto incluye procesos como seleccionar puntos de referencia en una imagen. Las redes neuronales y el aprendizaje automático son inteligentes, pero definitivamente no son inteligencia sensible.

Cuando se trata de hablar de AI, los departamentos de marketing se unen a un área más común que hace que sea más difícil de explicar. También es un gran esfuerzo para diferenciarse de sus competidores también. De cualquier manera, ¿qué hace? Simplemente agrega un nuevo componente a sus SoC que mejora el rendimiento y la eficiencia. Estas mejoras son principalmente el reconocimiento de voz e imagen, pero también son otros casos de uso.

Nuevos tipos de computación.

Quizás la pregunta más grande que hay que responder todavía es: ¿Qué hace que su inclusión sea más fácil de hacer? Por que ahora

Es posible que haya notado un aumento reciente en las conversaciones sobre redes neuronales, aprendizaje automático y computación heterogénea. Todos estos son casos pendientes para usuarios de teléfonos inteligentes y en una amplia gama de campos. Para los usuarios, estas tecnologías están ayudando a mejorar las nuevas experiencias de los usuarios con audio mejorado, procesamiento de imágenes y voz, predicción de la actividad humana, procesamiento del idioma, aceleración de los resultados de búsqueda de bases de datos y encriptación de datos mejorada, entre otros.

Sin embargo, es una de esas preguntas. A pesar de que un OEM u otro es mejor, es más probable que dependa del trabajo exacto que se calcula. De cualquier manera, la mayoría de las CPU de 64 bits actuales no son adecuadas para tratar. Las matemáticas de punto flotante de 8 y 16 bits, la coincidencia de patrones, la base de datos / búsqueda de claves, la manipulación de campos de bits y el procesamiento altamente paralelo son solo algunos ejemplos de lo que se puede hacer en hardware de CPU dedicado.

Para aprovechar al máximo, tiene más sentido diseñar un procesador personalizado. Definitivamente hay un elemento de prueba futura en estos chips también. La incorporación temprana al procesador AI les dará a los desarrolladores una línea de base sobre la cual pueden apuntar a un nuevo software.

La eficiencia es la clave.

Vale la pena señalar que los nuevos chips no solo brindan más potencia de cálculo. Se están construyendo para aumentar la eficiencia en tres áreas principales: tamaño, computación y energía.

Los SoC de gama alta de hoy en día incluyen un tono de componentes, desde controladores de pantalla hasta módems. Estas partes se han dividido en un paquete pequeño y un presupuesto de energía limitado (consulte la Ley de Moore para obtener más información). Los diseñadores de SoC tienen que atenerse a estas reglas al introducir nuevas capacidades de procesamiento de redes neuronales.

Un procesador dedicado de inteligencia artificial en un teléfono inteligente SoC está diseñado en torno al área de eficiencia computacional y de potencia para un subconjunto particular de tareas matemáticas.

Es posible que los diseñadores de chips de teléfonos inteligentes puedan construir CPU más grandes y más potentes para manejar mejor las tareas de aprendizaje automático. Sin embargo, eso equivaldría a mucho más que el tamaño de los núcleos, tomando el tamaño de las configuraciones octa-core de hoy y haciéndolos mucho más caros. Sin mencionar que esto también aumentaría en gran medida sus requisitos de energía, en los teléfonos inteligentes sub-5W TDP.

Heterogeneous Compute consiste en asignar el procesador más eficiente a la tarea más adecuada para él, y al procesador AI, HPU o DSP son buenos para el aprendizaje automático de las matemáticas.

En cambio, es mucho más. Lo hemos visto muchas veces en el transcurso del desarrollo del procesador, desde las unidades de punto flotante opcionales en las primeras CPUs hasta los DSP de Hexagon dentro de los SoC de nivel superior de Qualcomm. Los DSP han caído y se han dejado de usar en los mercados de audio, automotriz y otros mercados a lo largo de los años, debido al flujo y reflujo de la potencia de cómputo en comparación con el costo y la eficiencia energética. El bajo consumo de energía y los requisitos de datos pesados ​​de aprendizaje automático en el espacio móvil ahora están ayudando a reactivar la demanda.

Un procesador adicional dedicado a los complejos algoritmos de clasificación de datos y matemáticas es un número más rápido de números.

Envolver

No está claro si son realmente precisos con su representación de redes neuronales y procesadores de inteligencia artificial. Sin embargo, los algoritmos de clasificación de datos solo ayudarán a los teléfonos inteligentes y, en otras tecnologías, los números de contracción mejorarán y serán más útiles, desde la mejora automática de imágenes hasta las búsquedas de bibliotecas de video más rápidas.,

En la medida en que puede ayudar en la integración de los procesadores de inteligencia artificial y hacer que su teléfono sea más inteligente, en ningún lugar estamos viendo verdadera inteligencia dentro de nuestros teléfonos inteligentes. Dicho esto, así que definitivamente mira este espacio.