Principais vantagens
- GPUs são como ônibus: mais lentos do que carros esportivos, mas muito melhores em mudar muitos números em paralelo.
- As GPUs são usadas em aprendizado de máquina, medicina, processamento de imagens e jogos.
- O Iris Xe Max da Intel foi projetado para tornar os laptops mais poderosos para criadores e IA.
Acer
A nova unidade de processador gráfico Iris Xe Max da Intel está agora aparecendo em laptops e, para todos os efeitos, é um grande negócio. Mas o que é uma GPU e por que ela é importante? Spoiler: Não se trata de jogos, nem mesmo de gráficos. A CPU do seu computador, que faz o trabalho do dia-a-dia, é cara e altamente especializada. A GPU, por outro lado, é muito, muito boa em matemática. Especificamente, eles podem multiplicar grandes números e podem realizar muitas, muitas operações em paralelo. Isso os torna bons para gerar gráficos 3D complexos, mas eles são usados para muito mais. “As GPUs são ótimas para big data, aprendizado de máquina e processamento de imagens”, disse o animador 3D David Rivera Lifewire via mensagem instantânea. “Tenho muitos colegas que o usam na medicina para obter resultados de ressonância magnética.”
Big Math, Big Pictures
Qualquer coisa que requeira muita matemática complicada é perfeita para descarregar para a GPU. “Os gráficos são geralmente muito poderosos porque calcular coisas de vídeo 3D é muito complexo”, disse o engenheiro de computação Miquel Bonastre, de Barcelona. Lifewire via mensagem instantânea. Mas logo, os especialistas em computação perceberam que essas máquinas matemáticas poderiam ser utilizadas para todos os tipos de tarefas matemáticas intensivas. “Agora, clusters de supercomputação também estão sendo feitos com GPUs. Eles são usados para cálculos científicos, engenharia, etc”, diz Bonastre. Outra vantagem da GPU é que é fácil de aumentar. Ele é construído para executar operações idênticas em paralelo, portanto, adicionar mais chips (ou apenas mais núcleos ao design do chip, tornando-o maior) torna tudo mais rápido.
Uma GPU também é ótima para processar fotografias. Por exemplo, o pacote de edição de fotos Lightroom da Adobe pode descarregar trabalho para o processador gráfico do seu Mac ou PC para “fornecer melhorias significativas de velocidade em monitores de alta resolução”, que inclui monitores 4K e 5K. “As CPUs são otimizadas para latência: para terminar uma tarefa o mais rápido possível”, escreve o consultor de IA Ygor Rebouças Serpa. “As GPUs são otimizadas para rendimento: são lentas, mas operam em grandes volumes de dados ao mesmo tempo.” Serpa compara uma CPU a um carro esporte e uma GPU a um ônibus. O ônibus é muito mais lento, mas pode deslocar muito mais pessoas.
E quanto ao seu telefone?
A GPU do telefone é usada para acionar sua tela de super alta resolução e para executar os gráficos. É por isso que o telefone esquenta quando você joga – a GPU entra em ação e seu telefone não tem ventilador para esfriá-lo. No iPhone, a GPU é usada para reconhecimento de imagem, aprendizado de linguagem natural e análise de movimento. Ou seja, ele processa imagens e vídeos conforme você os grava e muito mais. “As GPUs são ótimas para big data, aprendizado de máquina e processamento de imagens.” Mas isso não é tudo. Os iPhones e iPads recentes da Apple contêm um “Motor Neural”. Este é um grande chip, especialmente projetado para realizar tarefas de aprendizado de máquina. Não é uma GPU, mas tem um conceito parecido com a GPU, no sentido de que elimina problemas matemáticos difíceis em um piscar de olhos. A versão mais recente é, de acordo com a Apple, “capaz de realizar até 11 trilhões de operações por segundo.”
Aprendizado de Máquina
Talvez a palavra da moda na computação atualmente seja “aprendizado de máquina”. Isso envolve mostrar ao computador muitos exemplos e deixá-lo descobrir as semelhanças e diferenças. As GPUs são perfeitas para isso porque podem ver mais exemplos por segundo. No entanto, uma vez que o treinamento é feito, a GPU não é mais necessária. Quaisquer algoritmos aprendidos podem ser executados mais rapidamente pela CPU.
Agora, vamos voltar para a nova GPU Iris Xe Max da Intel. Isso é projetado para funcionar em “laptops finos e leves e [to] abordar um segmento crescente de criadores que desejam mais portabilidade “, disse o vice-presidente da Intel, Roger Chandler, em um comunicado. Ou seja, o objetivo é tornar os laptops com restrição de energia melhores para edição de vídeo, fotos e qualquer outra atividade intensiva de GPU. incluindo IA. O Iris Xe Max foi projetado para aprendizado de máquina. Talvez sua primeira tarefa seja aprender a pronunciar seu próprio nome.
