Inhoudsopgave:
- Wat is GPU, CPU en NPU en wat zijn hun verschillen?
- NPU, kunstmatige intelligentie, machine learning en diep leren
CPU, GPU en nu NPU. De verschillende telefoonfabrikanten leggen al enige tijd de nadruk op een nieuwe component die tot nu toe voor de meesten onbekend was. NPU, of beter gezegd, Neural Processing Unit of Neutral Processing Unit, is een onderdeel dat direct interfereert met activiteiten die verband houden met kunstmatige intelligentie. Maar wat is NPU eigenlijk en wat onderscheidt het van CPU en GPU? We zien het hieronder.
Wat is GPU, CPU en NPU en wat zijn hun verschillen?
Wat we kennen als CPU en GPU zijn twee van de belangrijkste componenten van een computer en een smartphone. Globaal gesproken is de CPU de eenheid die verantwoordelijk is voor het verwerken van alle informatie met betrekking tot gegevens van applicaties, programma's en systeemprocessen die op de achtergrond zijn verankerd.
Op fysiek vlak is het niets meer dan een eenheid die wiskundige bewerkingen oplost en interpreteert in de vorm van instructies. Net als bij andere componenten geldt: hoe hoger de frequentie en de kernen, hoe beter de prestaties, omdat het meer capaciteit heeft om informatie te verwerken.
Wat betreft de GPU, is de grafische verwerkingseenheid bedoeld om alle informatie met betrekking tot 3D- en 2D-afbeeldingen te verwerken. Omdat de interfaces van vandaag gebaseerd zijn op complexe 2D- en 3D-kaarten, heeft het team een tweede unit nodig om op een oplossende manier met de gegevens te werken.
Naast games en video's is de GPU uitermate handig voor het beheren van systeemanimaties en video-opnames van hoge kwaliteit, naast andere meer oppervlakkige taken.
Dus waar is de NPU voor? Dit onderdeel is bedoeld om de instructies van de CPU te ontvangen die het gebruik van kunstmatige intelligentie vereisen om veel efficiënter te worden verwerkt, en de werking ervan probeert de functies van een brein vergelijkbaar te maken.
De functies waarvoor de NPU verantwoordelijk is, hebben te maken met het oplossen van een groot aantal wiskundige berekeningen in een korte tijdspanne. De sleutel tot dit type chip is gebaseerd op snelheid en energie-efficiëntie, met veel meer bewegingsvrijheid dan CPU's en GPU's.
NPU, kunstmatige intelligentie, machine learning en diep leren
We hebben al gezien wat NPU is en wat de belangrijkste functie is, maar voor welke taken moet de NPU worden gebruikt en wat is de daadwerkelijke toepassing ervan op een mobiele telefoon? Om in detail te treden, zullen we eerst moeten weten wat Artificial Intelligence, Marchine Learning en Deep Learning zijn.
Het eerste concept heeft op fysiek niveau te maken met alle activiteiten die variëren afhankelijk van het gebruik van een bepaald type software. En het is dat terwijl de CPU en de GPU bewerkingen oplossen die vooraf zijn gedefinieerd door het systeem, de NPU berekeningen oplost die kunnen variëren afhankelijk van de gebruiker.
Deze berekeningen kunnen betrekking hebben op de verwerking van foto's in portretmodus, de stabilisatie van een video in realtime, de berekening in 3D van de afstand van verschillende objecten door de camera of de voorspelling van taal op het toetsenbord. Taken die, kort gezegd, de oplossing van variabele berekeningen in een zeer korte tijdspanne vereisen.
Maar de echte sleutel tot kunstmatige intelligentie heeft precies te maken met machine learning. Deze term verwijst naar het vermogen van een bepaald type systeem om de gewoontes van het gebruik van een apparaat in de loop van de tijd te leren. De NPU is precies verantwoordelijk voor het oplossen van deze gewoonten en ernaar handelen. Activeer bepaalde functies op een bepaald tijdstip, versnel het laden van applicaties die we het meest gebruiken op een mobiele telefoon, voorspel emoticons op het toetsenbord, pas het batterijgebruik aan het uur van de dag aan…
Dus wat is diep leren? Dit concept is zonder twijfel het meest interessante van de drie. Deep Learning verwijst naar de NPU-operaties die geen menselijke tussenkomst vereisen om te worden opgelost.
De werking ervan lijkt meer op die van een brein en een encefalon dan die van een processor op zich , aangezien het in staat is vergelijkingen op te lossen zonder dat dit door de gebruiker maar door de omgeving hoeft te worden ingesteld. Op dit moment is de toepassing ervan niet erg wijdverspreid in de huidige mobiele systemen, dus het zal moeten wachten tot Android en iOS functies implementeren die gericht zijn op Deep Learning om alle software aan te passen aan de behoeften van de gebruiker zonder actief in te grijpen.
