Uma GPU (Graphics Processing Unit), como o nome indica, foi originalmente concebida para desenhar imagens no ecrã. Calcular a cor de milhões de píxeis em cada fotograma de um jogo requer que a mesma operação simples seja efetuada de uma só vez numa enorme quantidade de dados. Esse poder de processamento paralelo tornou as GPUs indispensáveis em áreas que vão desde a computação científica até à inteligência artificial.
A diferença entre uma CPU e uma GPU
A unidade central de processamento (CPU) é como o "diretor-geral" do computador: com núcleos potentes, geralmente num número que varia entre alguns e algumas dezenas, executa o sistema operativo e lida com tarefas complexas e sequenciais que exigem tomadas de decisão. Uma GPU é composta por milhares de núcleos mais simples e destaca-se na execução da mesma operação em muitos dados em simultâneo. Fazendo uma analogia: uma CPU são alguns professores especialistas, enquanto uma GPU é uma turma enorme de alunos a fazer somas simples ao mesmo tempo.
Como as GPUs entraram na IA
O treino de redes neuronais artificiais consiste essencialmente em multiplicar tabelas enormes de números (matrizes) — exatamente o tipo de trabalho paralelo que as GPUs fazem rapidamente. Em meados dos anos 2000, tornaram-se generalizadas as ferramentas que facilitavam a programação de GPUs para computação de uso geral (como a plataforma CUDA da Nvidia). O sucesso do AlexNet, um modelo treinado em GPUs, num concurso de reconhecimento de imagens em 2012, é considerado o início da era da aprendizagem profunda. Atualmente, os grandes modelos de linguagem são desenvolvidos através de ciclos de treino com a duração de semanas ou mesmo meses em milhares de GPUs interligadas em centros de dados.
GPUs de centros de dados e concorrência global
As GPUs de centros de dados concebidas para a IA, com memória de largura de banda elevada e ligações rápidas entre chips, são muito diferentes — e muito mais caras — do que as placas de jogos. A procura por estes chips elevou os fabricantes de semicondutores ao grupo das empresas mais valiosas do mundo, e países como os EUA restringem as exportações dos chips de IA mais avançados por motivos de segurança nacional.
Escolher uma GPU para o seu próprio computador
- Integrada ou dedicada? Os gráficos integrados construídos no processador são suficientes para trabalho de escritório, navegação e vídeo. Os jogos, o design 3D, a edição de vídeo ou a execução local de modelos de IA exigem uma placa gráfica dedicada.
- VRAM: A memória da placa gráfica é decisiva para jogos de alta resolução e grandes modelos de IA.
- Energia e arrefecimento: As placas potentes consomem muita energia; certifique-se de que a sua fonte de alimentação e a sua caixa são adequadas.
- NPUs: Os computadores portáteis mais recentes também incluem "unidades de processamento neuronal" (NPUs) que lidam com tarefas de IA com pouca energia; são úteis para funcionalidades de IA do dia a dia.
Fontes e leitura adicional
- Nvidia, “What’s the Difference Between a CPU and a GPU?”.
- Krizhevsky, Sutskever and Hinton, “ImageNet Classification with Deep Convolutional Neural Networks” (2012).
- Intel, “CPU vs. GPU: What’s the Difference?”.
Deixe um comentário
Seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *