Woordenlijst

Toepassingsspecifieke geïntegreerde schakeling (ASIC)

Wat is Toepassingsspecifieke geïntegreerde schakeling (ASIC)?

Een toepassingsspecifieke geïntegreerde schakeling (ASIC) is een chip die voor één bepaalde taak is ontworpen, in plaats van voor algemene berekeningen zoals een CPU. In AI zijn ASIC’s afgestemd op de rekenbewerkingen van neurale netwerken – de Tensor Processing Units (TPU’s) van Google zijn een voorbeeld. Voor die taak werken ze sneller en energiezuiniger dan chips voor algemeen gebruik, maar ze zijn duur om te ontwikkelen en lastig aan te passen aan nieuwe werklasten.

Onderwerpen

Hardware
Chips
AI-infrastructuur

KI.ordo uitproberen

Agents, workflows en sjablonen in één werkruimte – gratis demo van 24 uur.

Demo starten

← Alle begrippen

Verwante begrippen

Neuromorfisch rekenen

Neuromorfisch rekenen is een aanpak voor hardware en software die naar het voorbeeld van de hersenen is opgebouwd. In plaats van gegevens in kloktikken heen en weer te verplaatsen tussen een apart geheugen en een processor, werken kunstmatige neuronen en synapsen parallel en reageren ze alleen op gebeurtenissen die spikes heten. Dit belooft een zeer laag energieverbruik, bijvoorbeeld in sensoren of robots. Bekende onderzoekschips zijn Intel Loihi en IBM TrueNorth; breed commercieel gebruik staat nog in de kinderschoenen.

hardware
onderzoek
+1

Deep learning

Deep learning is een tak van machine learning die kunstmatige neurale netwerken met veel lagen gebruikt. Zulke netwerken leren uit grote hoeveelheden data welke kenmerken van belang zijn – van randen in beelden tot betekenisrelaties in teksten. Deep learning vormt de basis van de huidige taalmodellen, beeld- en spraakherkenning en machinevertaling en vergt doorgaans veel rekenkracht en trainingsdata.

neurale netwerken
machine learning
+1

Kunstmatige neurale netwerken (ANN’s)

Kunstmatige neurale netwerken (ANN’s) zijn rekenmodellen die bestaan uit veel verbonden eenheden (“neuronen”) die in lagen zijn geordend en invoer verwerken via gewogen verbindingen. Tijdens het trainen worden de gewichten stap voor stap aangepast aan de hand van voorbeelden, meestal via backpropagation. ANN’s vormen de basis van deep learning en drijven beeldherkenning, spraakherkenning en grote taalmodellen aan. Ondanks hun biologische inspiratie werken ze veel eenvoudiger dan het menselijk brein.

Deep learning
AI-basisbegrippen
+1