Innehållsförteckning:
- Vad är GPU, CPU och NPU och vad är deras skillnader?
- NPU, artificiell intelligens, maskininlärning och djupt lärande
CPU, GPU och nu NPU. Under en tid har de olika telefontillverkarna betonat en ny komponent som hittills varit okänd för de flesta. NPU, eller bättre sagt, Neural Processing Unit eller Neutral Processing Unit, är en komponent som direkt stör aktiviteter relaterade till artificiell intelligens. Men vad är egentligen NPU och vad skiljer det från CPU och GPU? Vi ser det nedan.
Vad är GPU, CPU och NPU och vad är deras skillnader?
Det vi känner till som CPU och GPU är två av de viktigaste komponenterna i en dator och en smartphone. Grovt sett är CPU: n den enhet som ansvarar för att hantera all information relaterad till data från applikationer, program och systemprocesser förankrad i bakgrunden.
På ett fysiskt plan är det inget annat än en enhet som löser matematiska operationer och tolkar dem i form av instruktioner. Som med andra komponenter, ju högre frekvens och kärnor, desto högre prestanda eftersom den har mer kapacitet att bearbeta information.
När det gäller GPU: n är Graphics Processing Unit avsedd att bearbeta all information relaterad till 3D- och 2D-grafik. Eftersom dagens gränssnitt är baserade på komplexa 2D- och 3D-kartor, behöver teamet en andra enhet för att arbeta med data på ett lösningsmedel sätt.
Förutom spel och videor är GPU extremt användbar för hantering av systemanimationer och videoinspelning av hög kvalitet, bland andra mer ytliga uppgifter.
Så vad är NPU för? Nämnda komponent är avsedd att ta emot instruktioner från CPU: n som kräver att artificiell intelligens ska bearbetas mycket mer effektivt, och dess funktion försöker simulera hjärnans funktioner.
De funktioner som NPU ansvarar för har att göra med upplösningen av en stor mängd matematiska beräkningar på kort tid. Nyckeln till denna typ av chip är baserad på hastighet och energieffektivitet, med mycket större resor än processorer och GPU: er.
NPU, artificiell intelligens, maskininlärning och djupt lärande
Vi har redan sett vad som är NPU och vad är dess huvudfunktion, men vilka uppgifter kräver användning av NPU och vad är dess faktiska applikation på en mobiltelefon? För att gå i detalj måste vi först veta vad artificiell intelligens, Marchine Learning och Deep Learning är.
Det första konceptet har att göra på fysisk nivå med all aktivitet som varierar beroende på användningen av en viss typ av programvara. Och är det att medan CPU och GPU löser operationer som är fördefinierade av systemet så löser NPU beräkningar som kan variera beroende på användare.
Dessa beräkningar kan relateras till bearbetning av foton i stående läge, stabilisering av en video i realtid, beräkning i 3D av avståndet mellan olika objekt genom kameran eller förutsägelse av språket på tangentbordet. Uppgifter som kort sagt kräver upplösning av variabla beräkningar på mycket kort tid.
Men den verkliga nyckeln till artificiell intelligens har att göra exakt med maskininlärning. Denna term hänvisar till förmågan hos en viss typ av system att lära sig vanorna att använda en enhet över tid. NPU ansvarar just för att lösa dessa vanor och agera därefter. Aktivera vissa funktioner vid en viss tidpunkt, påskynda laddningen av applikationer som vi använder mest på en mobiltelefon, förutsäga uttryckssymboler på tangentbordet, justera batterianvändningen beroende på tid på dagen…
Så vad är djupinlärning? Detta koncept är utan tvekan det mest intressanta av de tre. Deep Learning hänvisar till NPU-operationer som inte behöver mänsklig intervention för att lösas.
Dess funktion liknar mer den hos en hjärna och en encefalon än en processor i sig , eftersom den kan lösa ekvationer utan att behöva ställas av användaren utan av miljön. För tillfället är dess applikation inte särskilt utbredd i nuvarande mobila system, så det kommer att bli nödvändigt att vänta på Android och iOS för att implementera funktioner som syftar till Deep Learning för att anpassa all programvara till användarens behov utan att aktivt ingripa.
