বিশ্ব যখন AI প্রযুক্তির সর্বশেষ তরঙ্গ ব্যবহার করার জন্য ছুটে চলেছে, তখন উচ্চ-প্রযুক্তির হার্ডওয়্যারের এক টুকরো আশ্চর্যজনকভাবে গরম পণ্যে পরিণত হয়েছে: গ্রাফিক্স প্রসেসিং ইউনিট বা GPU৷
একটি টপ-অফ-দ্য-লাইন GPU বিক্রি করতে পারে হাজার হাজার ডলার, এবং নেতৃস্থানীয় নির্মাতা Nvidia এর বাজার মূল্যায়ন দেখেছে 2 ট্রিলিয়ন ডলার ছাড়িয়ে গেছে তার পণ্যের চাহিদা বৃদ্ধি হিসাবে.
জিপিইউগুলি কেবল উচ্চ-সম্পন্ন এআই পণ্য নয়। ফোন, ল্যাপটপ এবং গেমিং কনসোলগুলিতেও কম শক্তিশালী জিপিইউ রয়েছে।
এতক্ষণে আপনি সম্ভবত ভাবছেন: আসলেই জিপিইউ কী? এবং কি তাদের এত বিশেষ করে তোলে?
একটি GPU কি?
GPU গুলি মূলত ডিজাইন করা হয়েছিল প্রাথমিকভাবে জটিল 3D দৃশ্য এবং বস্তুগুলি তৈরি এবং প্রদর্শন করার জন্য, যেমন ভিডিও গেমগুলির সাথে জড়িত এবং কম্পিউটার এর সাহায্যে নকশা সফটওয়্যার. আধুনিক জিপিইউগুলি যেমন কাজগুলি পরিচালনা করে ডিকম্প্রেসিং ভিডিও স্ট্রীম
বেশিরভাগ কম্পিউটারের "মস্তিষ্ক" হল একটি চিপ যাকে সেন্ট্রাল প্রসেসিং ইউনিট (CPU) বলা হয়। সিপিইউগুলি গ্রাফিকাল দৃশ্য তৈরি করতে এবং ভিডিওগুলিকে ডিকম্প্রেস করতে ব্যবহার করা যেতে পারে, তবে সেগুলি সাধারণত জিপিইউগুলির তুলনায় এই কাজগুলিতে অনেক ধীর এবং কম দক্ষ। সিপিইউগুলি সাধারণ গণনার কাজের জন্য আরও উপযুক্ত, যেমন ওয়ার্ড প্রসেসিং এবং ওয়েব পেজ ব্রাউজ করা।
কিভাবে জিপিইউগুলি সিপিইউ থেকে আলাদা?
একটি সাধারণ আধুনিক CPU 8 থেকে 16 এর মধ্যে গঠিত হয়কোর,” যার প্রত্যেকটি একটি ক্রমিক পদ্ধতিতে জটিল কাজগুলিকে প্রক্রিয়া করতে পারে।
অন্যদিকে, জিপিইউতে হাজার হাজার অপেক্ষাকৃত ছোট কোর রয়েছে, যেগুলিকে একই সময়ে ("সমান্তরালে") দ্রুত সামগ্রিক প্রক্রিয়াকরণ অর্জনের জন্য ডিজাইন করা হয়েছে। এটি তাদের এমন কাজের জন্য উপযুক্ত করে তোলে যার জন্য একের পর এক না হয়ে একই সময়ে করা যেতে পারে এমন অনেকগুলি সাধারণ অপারেশনের প্রয়োজন।
ঐতিহ্যগত GPU দুটি প্রধান স্বাদে আসে।
প্রথমত, স্বতন্ত্র চিপ আছে, যেগুলো প্রায়ই বড় ডেস্কটপ কম্পিউটারের জন্য অ্যাড-অন কার্ডে আসে। দ্বিতীয়টি হল একই চিপ প্যাকেজে একটি সিপিইউর সাথে মিলিত জিপিইউ, যা প্রায়শই ল্যাপটপ এবং প্লেস্টেশন 5-এর মতো গেম কনসোলে পাওয়া যায়। উভয় ক্ষেত্রেই, জিপিইউ কী করে তা নিয়ন্ত্রণ করে।
কেন জিপিইউগুলি এআইয়ের জন্য এত দরকারী?
দেখা যাচ্ছে যে GPU গুলি গ্রাফিকাল দৃশ্য তৈরি করার চেয়ে আরও বেশি কিছু করার জন্য পুনরায় ব্যবহার করা যেতে পারে।
পেছনে অনেক মেশিন লার্নিং কৌশল কৃত্রিম বুদ্ধিমত্তা, যেমন গভীর নিউরাল নেটওয়ার্ক, ম্যাট্রিক্স গুণনের বিভিন্ন ফর্মের উপর খুব বেশি নির্ভর করুন।
এটি একটি গাণিতিক ক্রিয়াকলাপ যেখানে সংখ্যার খুব বড় সেটগুলিকে একসাথে গুণ করা হয় এবং যোগ করা হয়। এই ক্রিয়াকলাপগুলি সমান্তরাল প্রক্রিয়াকরণের জন্য উপযুক্ত এবং তাই GPUs দ্বারা খুব দ্রুত সঞ্চালিত হতে পারে।
GPUs এর জন্য পরবর্তী কি?
কোরের সংখ্যা বৃদ্ধি এবং তাদের অপারেটিং গতির কারণে জিপিইউ-এর সংখ্যা ক্রাঞ্চিং দক্ষতা ক্রমাগত বৃদ্ধি পাচ্ছে। এই উন্নতিগুলি প্রাথমিকভাবে যেমন কোম্পানি দ্বারা চিপ উত্পাদন উন্নতি দ্বারা চালিত হয় TSMC তাইওয়ানে
স্বতন্ত্র ট্রানজিস্টরের আকার—যেকোনো কম্পিউটার চিপের মৌলিক উপাদান—হ্রাস হচ্ছে, একই পরিমাণ ভৌত স্থানের মধ্যে আরও ট্রানজিস্টর স্থাপন করার অনুমতি দিচ্ছে৷
যাইহোক, এটি পুরো গল্প নয়। যদিও ঐতিহ্যগত GPU গুলি এআই-সম্পর্কিত গণনা কাজের জন্য উপযোগী, তারা সর্বোত্তম নয়।
ঠিক যেমন GPU গুলি মূলত গ্রাফিক্সের জন্য বিশেষ প্রক্রিয়াকরণ প্রদানের মাধ্যমে কম্পিউটারগুলিকে ত্বরান্বিত করার জন্য ডিজাইন করা হয়েছিল, তেমনি এমন এক্সিলারেটর রয়েছে যা মেশিন লার্নিং কাজগুলিকে গতি বাড়ানোর জন্য ডিজাইন করা হয়েছে। এই এক্সিলারেটরগুলিকে প্রায়শই ডেটা সেন্টার জিপিইউ হিসাবে উল্লেখ করা হয়।
এএমডি এবং এনভিডিয়ার মতো কোম্পানি দ্বারা তৈরি কিছু জনপ্রিয় অ্যাক্সিলারেটর ঐতিহ্যবাহী জিপিইউ হিসাবে শুরু হয়েছিল। সময়ের সাথে সাথে, তাদের ডিজাইনগুলি বিভিন্ন মেশিন লার্নিং কাজগুলিকে আরও ভালভাবে পরিচালনা করার জন্য বিবর্তিত হয়েছে, উদাহরণস্বরূপ আরও দক্ষ সমর্থন করে "মস্তিষ্ক ভাসা"সংখ্যা বিন্যাস।
অন্যান্য এক্সিলারেটর, যেমন Google এর টেনসর প্রক্রিয়াকরণ ইউনিট এবং Tenstorrent এর টেনসিক্স কোর, গভীর নিউরাল নেটওয়ার্কের গতি বাড়ানোর জন্য গ্রাউন্ড থেকে ডিজাইন করা হয়েছে।
ডেটা সেন্টার জিপিইউ এবং অন্যান্য এআই অ্যাক্সিলারেটর সাধারণত ঐতিহ্যবাহী জিপিইউ অ্যাড-অন কার্ডের তুলনায় উল্লেখযোগ্যভাবে বেশি মেমরি নিয়ে আসে, যা বড় এআই মডেলের প্রশিক্ষণের জন্য অত্যন্ত গুরুত্বপূর্ণ। AI মডেল যত বড়, তত বেশি সক্ষম এবং নির্ভুল।
প্রশিক্ষণের গতি বাড়ানোর জন্য এবং ChatGPT-এর মতো বৃহত্তর AI মডেলগুলি পরিচালনা করতে, একটি সুপার কম্পিউটার তৈরি করতে অনেক ডেটা সেন্টার জিপিইউ একসাথে পুল করা যেতে পারে। উপলব্ধ নম্বর ক্রাঞ্চিং পাওয়ার সঠিকভাবে ব্যবহার করার জন্য এর জন্য আরও জটিল সফ্টওয়্যার প্রয়োজন। আরেকটি পদ্ধতি হল একটি একক খুব বড় এক্সিলারেটর তৈরি করুন, যেমন "ওয়েফার-স্কেল প্রসেসর"সেরিব্রাস দ্বারা উত্পাদিত.
বিশেষ চিপস কি ভবিষ্যত?
সিপিইউগুলোও স্থির থাকেনি। AMD এবং Intel-এর সাম্প্রতিক CPU-তে অন্তর্নির্মিত নিম্ন-স্তরের নির্দেশাবলী রয়েছে যা গভীর নিউরাল নেটওয়ার্কগুলির জন্য প্রয়োজনীয় সংখ্যা-ক্রঞ্চিংকে গতি দেয়। এই অতিরিক্ত কার্যকারিতা প্রধানত "অনুমান" কাজগুলিতে সাহায্য করে-অর্থাৎ, AI মডেলগুলি ব্যবহার করে যা ইতিমধ্যে অন্য কোথাও তৈরি করা হয়েছে।
প্রথম স্থানে AI মডেলগুলিকে প্রশিক্ষণের জন্য, বড় GPU-এর মতো এক্সিলারেটর এখনও প্রয়োজন।
নির্দিষ্ট মেশিন লার্নিং অ্যালগরিদমের জন্য আরও বেশি বিশেষায়িত এক্সিলারেটর তৈরি করা সম্ভব। সম্প্রতি, উদাহরণস্বরূপ, Groq নামক একটি কোম্পানি একটি "ভাষা প্রক্রিয়াকরণ ইউনিট” (LPU) বিশেষভাবে ChatGPT এর লাইনে বড় ভাষার মডেল চালানোর জন্য ডিজাইন করা হয়েছে।
যাইহোক, এই বিশেষায়িত প্রসেসরগুলি তৈরি করতে যথেষ্ট প্রকৌশল সংস্থান লাগে। ইতিহাস দেখায় যে কোনও প্রদত্ত মেশিন লার্নিং অ্যালগরিদমের ব্যবহার এবং জনপ্রিয়তা শীর্ষে এবং তারপর হ্রাস পায় — তাই ব্যয়বহুল বিশেষ হার্ডওয়্যার দ্রুত পুরানো হয়ে যেতে পারে।
গড় ভোক্তাদের জন্য, তবে, এটি একটি সমস্যা হওয়ার সম্ভাবনা কম। আপনি যে পণ্যগুলি ব্যবহার করেন তাতে GPU এবং অন্যান্য চিপগুলি শান্তভাবে দ্রুততর হয়ে যাওয়ার সম্ভাবনা রয়েছে৷
এই নিবন্ধটি থেকে পুনঃপ্রকাশ করা হয় কথোপকথোন ক্রিয়েটিভ কমন্স লাইসেন্সের অধীনে। পর এটা মূল নিবন্ধ.
চিত্র ক্রেডিট: এনভিডিয়া
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
- প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
- প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
- উত্স: https://singularityhub.com/2024/03/13/what-is-a-gpu-the-chips-powering-the-ai-boom-and-why-theyre-worth-trillions/
