कृत्रिम बुद्धि के लिए हार्डवेयर: Difference between revisions
No edit summary |
No edit summary |
||
| Line 22: | Line 22: | ||
{{Main|एआई एक्सेलरेटर}} | {{Main|एआई एक्सेलरेटर}} | ||
चूंकि कंप्यूटर हार्डवेयर में 2010 की प्रगति ने अपरिमित तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए और अधिक कुशल प्रणालियों का नेतृत्व किया है जिसमें अरैखिक प्रच्छादन इकाइयों की विभिन्न परतें और 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, एआई-विशिष्ट संवर्द्धन के साथ [[ ग्राफ़िक्स प्रोसेसिंग युनिट |ग्राफ़िक्स प्रोसेसिंग युनिट]] (जीपीयू) ने बड़े स्तर पर वाणिज्यिक क्लाउड एआई को प्रशिक्षित करने के प्रमुख साधन के रूप में केंद्रीय संसाधन 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 अल्फ़ाज़ेरो (2017) तक की विस्तृत गहन शिक्षण परियोजनाओं में उपयोग की जाने वाली हार्डवेयर गणना और 3.4 माह की प्रवृत्ति के साथ आवश्यक गणना की मात्रा में 300,000 गुना वृद्धि पाई | चूंकि कंप्यूटर हार्डवेयर में 2010 की प्रगति ने अपरिमित तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए और अधिक कुशल प्रणालियों का नेतृत्व किया है जिसमें अरैखिक प्रच्छादन इकाइयों की विभिन्न परतें और 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, एआई-विशिष्ट संवर्द्धन के साथ [[ ग्राफ़िक्स प्रोसेसिंग युनिट |ग्राफ़िक्स प्रोसेसिंग युनिट]] (जीपीयू) ने बड़े स्तर पर वाणिज्यिक क्लाउड एआई को प्रशिक्षित करने के प्रमुख साधन के रूप में केंद्रीय संसाधन 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 अल्फ़ाज़ेरो (2017) तक की विस्तृत गहन शिक्षण परियोजनाओं में उपयोग की जाने वाली हार्डवेयर गणना और 3.4 माह की प्रवृत्ति के साथ आवश्यक गणना की मात्रा में 300,000 गुना वृद्धि पाई गई हैं।<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> | ||
Revision as of 12:31, 18 May 2023
विशिष्ट कंप्यूटर हार्डवेयर का उपयोग अधिकांशतः कृत्रिम बुद्धिमत्ता (एआई) प्रोग्रामों को तीव्रता से और कम ऊर्जा के साथ करने के लिए किया जाता है, जैसे कि लिस्प मशीन, न्यूरोमॉर्फिक इंजीनियरिंग, न्यूरोमॉर्फिक कैमरा और भौतिक तंत्रिका नेटवर्क होते है।
लिस्प मशीनें
लिस्प मशीनों को 1970 के अंत और 1980 के प्रारम्भ में प्रोग्रामिंग भाषा लिस्प में अंकित एआई प्रोग्राम को तीव्रता से रन करने के लिए विकसित किया गया था।
तंत्रिका नेटवर्क हार्डवेयर
भौतिक तंत्रिका नेटवर्क
डेटाफ्लो आर्किटेक्चर
एआई के लिए उपयोग किए जाने वाले डेटाफ्लो आर्किटेक्चर प्रोसेसर विभिन्न कार्यान्वयनों जैसे पॉलीमॉर्फिक डेटाफ्लो[1], किनारा द्वारा कनवल्शन इंजन[2], हेलो द्वारा संरचना-संचालित डेटा प्रवाह,[3] सेरेब्रस द्वारा डेटाफ्लो शेड्यूलिंग (कंप्यूटिंग)[4] के साथ विभिन्न उद्देश्यों की पूर्ति करते हैं।
हार्डवेयर के तत्व
एआई एक्सेलरेटर
चूंकि कंप्यूटर हार्डवेयर में 2010 की प्रगति ने अपरिमित तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए और अधिक कुशल प्रणालियों का नेतृत्व किया है जिसमें अरैखिक प्रच्छादन इकाइयों की विभिन्न परतें और बड़ी आउटपुट परत होती है।[5] 2019 तक, एआई-विशिष्ट संवर्द्धन के साथ ग्राफ़िक्स प्रोसेसिंग युनिट (जीपीयू) ने बड़े स्तर पर वाणिज्यिक क्लाउड एआई को प्रशिक्षित करने के प्रमुख साधन के रूप में केंद्रीय संसाधन इकाई (सीपीयू) को विस्थापित कर दिया था।[6] ओपनएआई ने अनुमान लगाया कि एलेक्सनेट (2012) से अल्फ़ाज़ेरो (2017) तक की विस्तृत गहन शिक्षण परियोजनाओं में उपयोग की जाने वाली हार्डवेयर गणना और 3.4 माह की प्रवृत्ति के साथ आवश्यक गणना की मात्रा में 300,000 गुना वृद्धि पाई गई हैं।[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
