Umjetna inteligencija zamjenjuje ljudsku krv, znoj i suze u nebrojenim industrijama širom svijeta, ali to ne čudi. Računala mogu oponašati ljudski mozak – ali brže i sveobuhvatnije – obrađivanjem ogromnih skupova vizualnih, govornih ili numeričkih podataka i prepoznavanjem uzročno-posljedičnih obrazaca s većom točnošću. Implikacije za stvarni stroj s pogonom na umjetnu inteligenciju koji je proučavao tisuće CT snimaka i na zdravim i na karcinomima, na primjer, ogromne su. Ovaj stroj i drugi (otkrivanje raka uobičajena je svrha za AI) mogu prepoznati s 95% točnosti malene tumore u snimci, ali i naučiti utvrđivati ​​koji će tumori vjerojatno biti dobroćudni, a koji ne.

AI ima isti ubrzavajući učinak na druge sektore, poput financija, koji ga zapošljavaju u svrhu prediktivne tržišne analitike i drugih poduhvata usmjerenih na dobit. Genetičari se također oslanjaju na umjetnu inteligenciju i duboko učenje kako bi izvukli nove zaključke na temelju nepreglednih, zamršenih podataka pohranjenih u genomima biljaka i životinja. Korištenjem računalnog mozga za proučavanje genetskih parova baza, njihovih obrazaca i rezultirajućih osobina, AI pomaže u tome nacrtati nacrt novih farmaceutskih lijekova i lijekovi. Jasno je da se stručnjaci za STEM i drugi čelnici u industriji oslanjaju na AI kako bi potaknuli brže inovacije, ali to je imalo troška.

Pojačana potražnja za umjetnom inteligencijom također znači povećanje računske snage koja je potrebna strojevima koji ugošćuju tu umjetnu inteligenciju. Budući da se posvuda događa masovni priljev podataka zahvaljujući konceptu “prelaska na digitalno”, to ima zanimljiv učinak na računalstvo u oblaku i industriju proizvođača čipova. Da bi se stvorila isplativija snaga, posebno za zadatke prilagođene AI, GPU – ili jedinica za obradu grafike – sada je zadana vrsta čipa za industriju.

Zašto GPU-ovi?

Različita arhitektura GPU-a od CPU-a je ono što čini prvi prikladniji za duboko učenje i AI, koji slijede višeznačne i složene ciljeve, a ne jednostavne – poput učitavanja web stranice, na primjer. Umjesto sekvencijalnog rješavanja problema, AI zahtijeva brzu paralelnu obradu. Čak i da bi AI naučio kako pouzdano prepoznati psa na slici, on mora paralelno izvoditi ozbiljno komplicirane izračune. Ovaj bi AI mogao pogledati sliku psa, pretvoriti je u crno-bijelu i dodijeliti svakom pikselu broj na temelju njegove razine svjetlosti ili tame, stvarajući ono što izgleda poput divovske matrice brojeva. Kako se u više navrata hrani tisućama fotografija i daje im točnu definiciju, s vremenom nauči prepoznavati uzorke koji znače „pas“ i precizno će odabrati pse na svakoj slici koju vidi.

Changelly - razmjenjujte kriptovalute po najboljem tečaju

Da bi to postigao, AI mora uputiti milijune točaka podataka kako bi pronašao one koji su u korelaciji s onim što “gleda”. To zahtijeva intenzivnu paralelnu obradu, jednostavan zadatak za prosječni maloprodajni GPU, što je obično ima stotine puta što više jezgri, više propusnosti memorije i deset puta veća od računalne učinkovitosti kao CPU industrijske klase tvrtke Intel. Iako su CPU još uvijek potrebni za zadatke koji zahtijevaju sekvencijalne računske modele i mogu se koristiti za postizanje boljih rezultata u sprezi s GPU-ima, potonji su sada novi zadani radni konj za računalnu industriju.

Proizvodne tvrtke poput Nvidie značajno su profitirale od prelaska na GPU tehnologiju, kao i veći dobavljači računarskog oblaka poput Amazona i Googlea, koji sada nude okruženja virtualnih strojeva koja rade na GPU napajanju. Tvrtke koje su se specijalizirale za grafičku animaciju i renderiranje, duboko učenje AI i rudarstvo kriptovaluta posvećuju velike proračune ovoj potrebi. Najpopularnije GPU platforme u oblaku nude mjesečne, pa čak i satne pretplate na računarstvo kako bi udovoljili ovoj potražnji, ali nuđenje prikladnih prodajnih modela ili centraliziranje masovnih banaka GPU snage nije dovoljno. Također se gradi nova, prilagođena infrastruktura kako bi se povećala isplativost računalstva zasnovanog na grafikama.

Što Blockchain može učiniti za GPU-ove?

Porast AI-a prisiljava na prisilno širenje svjetskih računalnih kapaciteta. U ranoj fazi to je rezultiralo pomicanjem prema GPU snazi ​​nad CPU-ima, ali u drugoj fazi će se krenuti prema decentraliziranoj snazi. Iako je centralizirana organizacija GPU podatkovnih centara za sada dovoljno dobra, nije isplativa. Blockchain knjige imaju mogućnost bez napora pratiti i organizirati potencijalno beskrajan broj distribuiranih davatelja snage. Inovatori stoga blockchain-u gledaju kao na bolji način isporuke energije, kako za prirodnije denominiranje energije, tako i za otkrivanje cijena, ali i zbog njegove sposobnosti otključavanja neaktivnog GPU-a zarobljenog u maloprodajnim strojevima..

Tatau jedna je od prvih blockchain tvrtki koja se obratila ovoj jedinstvenoj ideji i omogućuje svima koji imaju računalo da se povežu i počnu nuditi snagu svog računala mreži. Blockchain koji koristi Tatau denominira GPU snagu strujenu s računala korisnika u žetone i plaća im za snagu koju crpi. Kao tržište, Tatauov blockchain prvenstveno povezuje one kojima je potrebna GPU snaga po određenoj cijeni i skupine korisnika koji su je spremni opskrbiti.

„Tržišna potražnja za AI računarima udvostručuje se svaka 3,5 mjeseca, ali ponuda ne ide u korak. Dobavljači koriste cijenu kao polugu za kontrolu upotrebe, a ta dinamika koči inovacije, ” napisao Andrew Fraser, izvršni direktor Tataua.

Druge tvrtke sa sjedištem na blockchainu također su iskoristile ideju tokenizirane denominacije i širenja energije. Mnogi novi igrači pomažu korisnicima da daju nedovoljno iskorištenu energiju sa svojih inače neaktivnih računala, a novonastalu industriju trenutno stvaraju tvrtke koje su se specijalizirale za pružanje napajanja određenim industrijama, poput prikazivanja i animacije. Iako je istina da prikazivanje animiranog filma je zadatak koji puno više odgovara decentraliziranoj GPU snazi, potencijalno je beskrajan izvor potražnje za napretkom upravljanim umjetnom inteligencijom pravi je katalizator.