Az Apple legújabb termékeiben dobogó szív és zakatoló agy a beszédes A11 Bionic nevet kapta. Ez önmagában utalás arra, hogy a különböző természetes mechanizmusokat műszaki keretbe foglalják. Az iPhone X-ben dolgozó Neural Engine, mely a mesterséges intelligenciához köthető feladatok hatékony elvégzéséért felelős, is pontosan ezt teszi, mégpedig 600 milliárd művelet per másodperces sebességgel. 

Jelenleg azonban még nem az alapján választuk készülékeinket, hogy milyen mesterséges intelligenciát támogató chipek ketyegnek bennük és milyen appokat futtathatunk ennek köszönhetően. Még a robotika hajnalán járunk, de ami késik…

Ahhoz, hogy megértsük az AI chipek működését, egy kicsit bele kell pillanatnunk a technikai háttérbe is. Mint azt már korábban is említettük, maga az AI chip megnevezés egy kicsit pontatlan, hiszen ennél már jóval összetettebb dologról van szó. Mégpedig egy SoC, System on a Chipről (magyarul egylapkás rendszer), ahová a gyártó belesűrített gyakorlatilag minden számítást végző elemet. De miért is van minderre szükség?

A válasz igen egyszerű. Maguk a CPU-k magszámtól és órajeltől függően roppant sok műveletet el tudnak végezni, az A11 Bionic egyenesen egy MacBook Pro erejével bír. Azonban még ez sem elég a valódi gépi tanulás megvalósításához.

A különböző mesterséges intelligencián alapuló műveletek apró, roppant sok és gyors számítást igényelnek. Ez nagyban lefoglalná a CPU-k számítási kapacitását, így éppen az ellenkezőjét érné el. A felhasználói élményt rontaná még akkor is, ha hosszú távon a fejlődést szolgálná.

Ekkor jön képbe a GPU (Graphics Processing Unit – grafikai processor), ami korábban a videók renderelését segítette, ezért tökéletesen alkalmas a sok, kicsi, nagyon gyors számítás elvégzésére. Ahelyett, hogy a CPU magok számát próbálnák az egekbe emelni, miért ne végezhetné a GPU az MI-hez kapcsolódó számításokat is?

Már csak egy jól optimalizált szoftveres megoldás kell: az idei WWDC-n bemutatott Core ML keretrendszer. Ez azért felel, hogy az egyre több MI feladat minél gyorsabban és energiatakarékosabban fusson. A legkézzelfoghatóbb ilyen folyamatok az iPhone X esetében a natívan elérhető Face ID, Animojik és Siri. uóUtóbbi fejlődéséről már mi is sokat írunk.

A Core ML viszont teljesen új utat nyit meg a fejlesztők számára olyan applikációk készítéséhez, melyek fő funkciója különböző MI algoritmusokon alapszik. Remek példa az általunk is bemutatott Nude app, de a majdnem kirobbant melltartóbotrány is a fotók intelligens analizálásából indult ki. Akár csak a Face ID szenzoros azonosításánál, az analizálás is folyamatosan adaptálódik és intelligensen fejlődik.

Ez persze felvet néhány biztonsági kérdést is. Az Apple nem győzi hangsúlyozni, hogy mindez a tanulás, analizálás a telefonban történik. Bár egy nagy, közös agy tanul és lesz intelligensebb a kielemzett adatok alapján, maga az információ mégsem hagyja el a készüléket, és a fejlődés többé már nem a felhőben történik.

Ha pedig az egész képet nézzük és nem csak szám adatok alapján várjuk a teljesítmény ugrásszerű növekedését, azt mondhatjuk, az AI chip bevezetése megalapozza azt az óriási technológiai fejlődést, ami szépen lassan életünk minden területére belép és, ha egyelőre láthatatlanul is, de átszövi mindennapjaink.

Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a Tele a Tokom Facebook-oldalát.

Látogasson el a Webshop-ba!

Forrás: iMagazin