कृत्रिम बुद्धि के लिए हार्डवेयर: Difference between revisions
From Vigyanwiki
No edit summary |
No edit summary |
||
| Line 1: | Line 1: | ||
विशिष्ट [[कंप्यूटर हार्डवेयर]] का उपयोग अधिकांशतः कृत्रिम बुद्धिमत्ता (एआई) कार्यक्रमों को तेजी से और कम ऊर्जा के साथ करने के लिए किया जाता है, जैसे कि [[लिस्प मशीन]], [[न्यूरोमॉर्फिक इंजीनियरिंग]], [[ घटना कैमरा ]] और [[भौतिक तंत्रिका नेटवर्क]] | विशिष्ट [[कंप्यूटर हार्डवेयर]] का उपयोग अधिकांशतः कृत्रिम बुद्धिमत्ता (एआई) कार्यक्रमों को तेजी से और कम ऊर्जा के साथ करने के लिए किया जाता है, जैसे कि [[लिस्प मशीन]], [[न्यूरोमॉर्फिक इंजीनियरिंग]], [[ घटना कैमरा |घटना कैमरा]] और [[भौतिक तंत्रिका नेटवर्क]] होते है। | ||
== लिस्प मशीनें == | == लिस्प मशीनें == | ||
{{Main|लिस्प मशीन}} | {{Main|लिस्प मशीन}} | ||
लिस्प मशीनों को 1970 के दशक के अंत और 1980 के दशक की प्रारंभिक में प्रोग्रामिंग भाषा [[ लिस्प (प्रोग्रामिंग भाषा) ]] में लिखे एआई प्रोग्राम को तेजी से चलाने के लिए विकसित किया गया था। | लिस्प मशीनों को 1970 के दशक के अंत और 1980 के दशक की प्रारंभिक में प्रोग्रामिंग भाषा [[ लिस्प (प्रोग्रामिंग भाषा) |लिस्प (प्रोग्रामिंग भाषा)]] में लिखे एआई प्रोग्राम को तेजी से चलाने के लिए विकसित किया गया था। | ||
== तंत्रिका नेटवर्क हार्डवेयर == | == तंत्रिका नेटवर्क हार्डवेयर == | ||
| Line 16: | Line 16: | ||
== डेटाफ्लो आर्किटेक्चर == | == डेटाफ्लो आर्किटेक्चर == | ||
{{Main|डेटाफ्लो आर्किटेक्चर}} | {{Main|डेटाफ्लो आर्किटेक्चर}} | ||
एआई के लिए उपयोग किए जाने वाले [[डेटाफ्लो आर्किटेक्चर]] प्रोसेसर पॉलीमॉर्फिक डेटाफ्लो जैसे विभिन्न कार्यान्वयनों के साथ विभिन्न उद्देश्यों की पूर्ति करते हैं<ref>{{Cite news |last=Maxfield |first=Max |date=24 December 2020 |title=डीप विजन के पॉलीमॉर्फिक डेटाफ्लो आर्किटेक्चर को नमस्ते कहें|work=Electronic Engineering Journal |publisher=Techfocus media}}</ref> कनवल्शन इंजन<ref>{{cite web |url=https://kinara.ai/<!-- prior: https://deepvision.io/ --> |title=किनारा (पूर्व में डीप विजन)|author=<!-- Unstated --> |date=2022 |website=Kinara |access-date=2022-12-11}}</ref> किनारा द्वारा (पूर्व में डीप विजन), हेलो द्वारा संरचना-संचालित डेटा प्रवाह,<ref>{{cite web |url=https://hailo.ai/ |title=हेलो|author=<!-- Unstated --> |date=<!-- Undated --> |website=हेलो|access-date=2022-12-11}}</ref> [[ दिमाग ]] द्वारा डेटाफ्लो [[ निर्धारण (कंप्यूटिंग) ]] | एआई के लिए उपयोग किए जाने वाले [[डेटाफ्लो आर्किटेक्चर]] प्रोसेसर पॉलीमॉर्फिक डेटाफ्लो जैसे विभिन्न कार्यान्वयनों के साथ विभिन्न उद्देश्यों की पूर्ति करते हैं<ref>{{Cite news |last=Maxfield |first=Max |date=24 December 2020 |title=डीप विजन के पॉलीमॉर्फिक डेटाफ्लो आर्किटेक्चर को नमस्ते कहें|work=Electronic Engineering Journal |publisher=Techfocus media}}</ref> कनवल्शन इंजन<ref>{{cite web |url=https://kinara.ai/<!-- prior: https://deepvision.io/ --> |title=किनारा (पूर्व में डीप विजन)|author=<!-- Unstated --> |date=2022 |website=Kinara |access-date=2022-12-11}}</ref> किनारा द्वारा (पूर्व में डीप विजन), हेलो द्वारा संरचना-संचालित डेटा प्रवाह,<ref>{{cite web |url=https://hailo.ai/ |title=हेलो|author=<!-- Unstated --> |date=<!-- Undated --> |website=हेलो|access-date=2022-12-11}}</ref> [[ दिमाग |दिमाग]] द्वारा डेटाफ्लो [[ निर्धारण (कंप्यूटिंग) |निर्धारण (कंप्यूटिंग)]] होते है।<ref>{{Cite report |last=Lie |first=Sean |date=29 August 2022 |url=https://www.cerebras.net/blog/cerebras-architecture-deep-dive-first-look-inside-the-hw/sw-co-design-for-deep-learning |title=Cerebras Architecture Deep Dive: First Look Inside the HW/SW Co-Design for Deep Learning |website=Cerebras}}</ref> | ||
| Line 24: | Line 24: | ||
{{Main|एआई त्वरक}} | {{Main|एआई त्वरक}} | ||
2010 के दशक के बाद से, कंप्यूटर हार्डवेयर में प्रगति ने गहरे तंत्रिका नेटवर्क के प्रशिक्षण के लिए अधिक कुशल प्रणाली का नेतृत्व किया है जिसमें गैर-रैखिक छिपी इकाइयों की कई परतें और एक बहुत बड़ी आउटपुट परत होती है।<ref>{{cite web |last1=Research |first1=AI |date=23 October 2015 |title=वाक् पहचान में ध्वनिक मॉडलिंग के लिए डीप न्यूरल नेटवर्क|url=http://airesearch.com/ai-research-papers/deep-neural-networks-for-acoustic-modeling-in-speech-recognition/ |website=AIresearch.com |access-date=23 October 2015}}</ref> 2019 तक, [[ ग्राफ़िक्स प्रोसेसिंग युनिट ]](जीपीयू), अधिकांशतः एआई-विशिष्ट संवर्द्धन के साथ, बड़े पैमाने पर वाणिज्यिक क्लाउड एआई को प्रशिक्षित करने के प्रमुख साधन के रूप में केंद्रीय प्रसंस्करण इकाई (सीपीयू) को विस्थापित कर दिया था।<ref>{{cite news |last=Kobielus |first=James |date=27 November 2019 |url=https://www.informationweek.com/ai-or-machine-learning/gpus-continue-to-dominate-the-ai-accelerator-market-for-now |title=जीपीयू अभी के लिए एआई त्वरक बाजार पर हावी है|work=InformationWeek |language=en |access-date=11 June 2020}}</ref> [[OpenAI|ओपनएआई]] ने अनुमान लगाया कि एलेक्सनेट (2012) से लेकर अल्फ़ाज़ेरो (2017) तक की सबसे बड़ी गहन शिक्षण परियोजनाओं में उपयोग की जाने वाली हार्डवेयर गणना, और 3.4 महीने के दोहरे समय की प्रवृत्ति के साथ आवश्यक गणना की मात्रा में 300,000 गुना वृद्धि पाई | 2010 के दशक के बाद से, कंप्यूटर हार्डवेयर में प्रगति ने गहरे तंत्रिका नेटवर्क के प्रशिक्षण के लिए अधिक कुशल प्रणाली का नेतृत्व किया है जिसमें गैर-रैखिक छिपी इकाइयों की कई परतें और एक बहुत बड़ी आउटपुट परत होती है।<ref>{{cite web |last1=Research |first1=AI |date=23 October 2015 |title=वाक् पहचान में ध्वनिक मॉडलिंग के लिए डीप न्यूरल नेटवर्क|url=http://airesearch.com/ai-research-papers/deep-neural-networks-for-acoustic-modeling-in-speech-recognition/ |website=AIresearch.com |access-date=23 October 2015}}</ref> 2019 तक, [[ ग्राफ़िक्स प्रोसेसिंग युनिट |ग्राफ़िक्स प्रोसेसिंग युनिट]] (जीपीयू), अधिकांशतः एआई-विशिष्ट संवर्द्धन के साथ, बड़े पैमाने पर वाणिज्यिक क्लाउड एआई को प्रशिक्षित करने के प्रमुख साधन के रूप में केंद्रीय प्रसंस्करण इकाई (सीपीयू) को विस्थापित कर दिया था।<ref>{{cite news |last=Kobielus |first=James |date=27 November 2019 |url=https://www.informationweek.com/ai-or-machine-learning/gpus-continue-to-dominate-the-ai-accelerator-market-for-now |title=जीपीयू अभी के लिए एआई त्वरक बाजार पर हावी है|work=InformationWeek |language=en |access-date=11 June 2020}}</ref> [[OpenAI|ओपनएआई]] ने अनुमान लगाया कि एलेक्सनेट (2012) से लेकर अल्फ़ाज़ेरो (2017) तक की सबसे बड़ी गहन शिक्षण परियोजनाओं में उपयोग की जाने वाली हार्डवेयर गणना, और 3.4 महीने के दोहरे समय की प्रवृत्ति के साथ आवश्यक गणना की मात्रा में 300,000 गुना वृद्धि पाई गई थी।<ref>{{cite news |last=Tiernan |first=Ray |date=2019 |title=एआई कम्प्यूट की संपूर्ण प्रकृति को बदल रहा है|language=en |work=ZDNet |url=https://www.zdnet.com/article/ai-is-changing-the-entire-nature-of-compute/ |access-date=11 June 2020}}</ref><ref>{{cite web |date=16 May 2018 |title=एआई और कंप्यूट|url=https://openai.com/blog/ai-and-compute/ |access-date=11 June 2020 |website=OpenAI |language=en}}</ref> | ||
| Line 33: | Line 33: | ||
श्रेणी:कंप्यूटर हार्डवेयर | श्रेणी:कंप्यूटर हार्डवेयर | ||
श्रेणी:आर्टिफिशियल इंटेलिजेंस | श्रेणी:आर्टिफिशियल इंटेलिजेंस | ||
[[Category: Machine Translated Page]] | [[Category: Machine Translated Page]] | ||
[[Category:Created On 10/05/2023]] | [[Category:Created On 10/05/2023]] | ||
Revision as of 00:17, 13 May 2023
विशिष्ट कंप्यूटर हार्डवेयर का उपयोग अधिकांशतः कृत्रिम बुद्धिमत्ता (एआई) कार्यक्रमों को तेजी से और कम ऊर्जा के साथ करने के लिए किया जाता है, जैसे कि लिस्प मशीन, न्यूरोमॉर्फिक इंजीनियरिंग, घटना कैमरा और भौतिक तंत्रिका नेटवर्क होते है।
लिस्प मशीनें
लिस्प मशीनों को 1970 के दशक के अंत और 1980 के दशक की प्रारंभिक में प्रोग्रामिंग भाषा लिस्प (प्रोग्रामिंग भाषा) में लिखे एआई प्रोग्राम को तेजी से चलाने के लिए विकसित किया गया था।
तंत्रिका नेटवर्क हार्डवेयर
भौतिक तंत्रिका नेटवर्क
डेटाफ्लो आर्किटेक्चर
एआई के लिए उपयोग किए जाने वाले डेटाफ्लो आर्किटेक्चर प्रोसेसर पॉलीमॉर्फिक डेटाफ्लो जैसे विभिन्न कार्यान्वयनों के साथ विभिन्न उद्देश्यों की पूर्ति करते हैं[1] कनवल्शन इंजन[2] किनारा द्वारा (पूर्व में डीप विजन), हेलो द्वारा संरचना-संचालित डेटा प्रवाह,[3] दिमाग द्वारा डेटाफ्लो निर्धारण (कंप्यूटिंग) होते है।[4]
घटक हार्डवेयर
एआई त्वरक
2010 के दशक के बाद से, कंप्यूटर हार्डवेयर में प्रगति ने गहरे तंत्रिका नेटवर्क के प्रशिक्षण के लिए अधिक कुशल प्रणाली का नेतृत्व किया है जिसमें गैर-रैखिक छिपी इकाइयों की कई परतें और एक बहुत बड़ी आउटपुट परत होती है।[5] 2019 तक, ग्राफ़िक्स प्रोसेसिंग युनिट (जीपीयू), अधिकांशतः एआई-विशिष्ट संवर्द्धन के साथ, बड़े पैमाने पर वाणिज्यिक क्लाउड एआई को प्रशिक्षित करने के प्रमुख साधन के रूप में केंद्रीय प्रसंस्करण इकाई (सीपीयू) को विस्थापित कर दिया था।[6] ओपनएआई ने अनुमान लगाया कि एलेक्सनेट (2012) से लेकर अल्फ़ाज़ेरो (2017) तक की सबसे बड़ी गहन शिक्षण परियोजनाओं में उपयोग की जाने वाली हार्डवेयर गणना, और 3.4 महीने के दोहरे समय की प्रवृत्ति के साथ आवश्यक गणना की मात्रा में 300,000 गुना वृद्धि पाई गई थी।[7][8]
स्रोत
- ↑ Maxfield, Max (24 December 2020). "डीप विजन के पॉलीमॉर्फिक डेटाफ्लो आर्किटेक्चर को नमस्ते कहें". Electronic Engineering Journal. Techfocus media.
- ↑ "किनारा (पूर्व में डीप विजन)". Kinara. 2022. Retrieved 2022-12-11.
- ↑ "हेलो". हेलो. Retrieved 2022-12-11.
- ↑ Lie, Sean (29 August 2022). Cerebras Architecture Deep Dive: First Look Inside the HW/SW Co-Design for Deep Learning. Cerebras (Report).
- ↑ Research, AI (23 October 2015). "वाक् पहचान में ध्वनिक मॉडलिंग के लिए डीप न्यूरल नेटवर्क". AIresearch.com. Retrieved 23 October 2015.
- ↑ Kobielus, James (27 November 2019). "जीपीयू अभी के लिए एआई त्वरक बाजार पर हावी है". InformationWeek (in English). Retrieved 11 June 2020.
- ↑ Tiernan, Ray (2019). "एआई कम्प्यूट की संपूर्ण प्रकृति को बदल रहा है". ZDNet (in English). Retrieved 11 June 2020.
- ↑ "एआई और कंप्यूट". OpenAI (in English). 16 May 2018. Retrieved 11 June 2020.
 | This computer hardware article is a stub. You can help Wikipedia by expanding it. |
श्रेणी:कंप्यूटर हार्डवेयर
श्रेणी:आर्टिफिशियल इंटेलिजेंस
