Słownik pojęć

Układ scalony do konkretnych zastosowań (ASIC)

Czym jest Układ scalony do konkretnych zastosowań (ASIC)?

Układ scalony do konkretnych zastosowań (ASIC) to chip zaprojektowany do jednego określonego zadania, a nie do obliczeń ogólnego przeznaczenia jak procesor CPU. W AI układy ASIC są dostosowane do obliczeń wykonywanych przez sieci neuronowe – przykładem są jednostki Tensor Processing Unit (TPU) firmy Google. W swoim zadaniu działają szybciej i bardziej energooszczędnie niż chipy ogólnego przeznaczenia, ale ich opracowanie jest kosztowne, a dostosowanie do nowych obciążeń – trudne.

Tematy

Hardware
Chips
Infrastruktura AI

Wypróbuj KI.ordo

Agenci, przepływy i szablony w jednym obszarze roboczym – bezpłatne demo na 24 godziny.

Uruchom demo

← Wszystkie pojęcia

Powiązane pojęcia

Obliczenia neuromorficzne

Obliczenia neuromorficzne to podejście do sprzętu i oprogramowania wzorowane na budowie mózgu. Zamiast przesyłać dane między oddzielną pamięcią a procesorem w taktach zegara, sztuczne neurony i synapsy pracują równolegle i reagują tylko na zdarzenia zwane impulsami (spikes). Obiecuje to bardzo niskie zużycie energii, na przykład w czujnikach lub robotach. Znane układy badawcze to Intel Loihi i IBM TrueNorth; szersze zastosowania komercyjne są wciąż na wczesnym etapie.

sprzęt
badania
+1

Deep learning

Uczenie głębokie (deep learning) to gałąź uczenia maszynowego, która wykorzystuje sztuczne sieci neuronowe o wielu warstwach. Takie sieci uczą się z dużych ilości danych, które cechy mają znaczenie – od krawędzi na obrazach po relacje znaczeniowe w tekstach. Uczenie głębokie leży u podstaw dzisiejszych modeli językowych, rozpoznawania obrazów i mowy oraz tłumaczenia maszynowego i zazwyczaj wymaga znacznej mocy obliczeniowej oraz dużej ilości danych treningowych.

sieci neuronowe
uczenie maszynowe
+1

Sztuczne sieci neuronowe (ANN)

Sztuczne sieci neuronowe (ANN) to modele obliczeniowe złożone z wielu połączonych jednostek („neuronów”) ułożonych w warstwy, które przetwarzają dane wejściowe przez ważone połączenia. Podczas trenowania wagi są stopniowo dostosowywane na podstawie przykładów, zwykle metodą propagacji wstecznej. ANN są podstawą uczenia głębokiego i napędzają rozpoznawanie obrazów, rozpoznawanie mowy oraz duże modele językowe. Mimo biologicznej inspiracji działają znacznie prościej niż ludzki mózg.

Deep learning
podstawy AI
+1