Ketika dunia sedang terburu-buru memanfaatkan gelombang terbaru teknologi AI, salah satu perangkat keras berteknologi tinggi telah menjadi komoditas yang sangat diminati: unit pemrosesan grafis, atau GPU.
GPU terbaik bisa dijual dengan harga tertentu puluhan ribu dolar, dan pabrikan terkemuka Nvidia telah melihat penilaian pasarnya melonjak melampaui $2 triliun karena permintaan terhadap produknya melonjak.
GPU juga bukan hanya produk AI kelas atas. Ada juga GPU yang kurang bertenaga di ponsel, laptop, dan konsol game.
Saat ini Anda mungkin bertanya-tanya: Apa sebenarnya GPU itu? Dan apa yang membuat mereka begitu istimewa?
Apa itu GPU?
GPU pada awalnya dirancang terutama untuk menghasilkan dan menampilkan adegan dan objek 3D yang kompleks dengan cepat, seperti yang terlibat dalam video game dan desain dengan bantuan komputer perangkat lunak. GPU modern juga menangani tugas-tugas seperti dekompresi aliran video.
“Otak” sebagian besar komputer adalah sebuah chip yang disebut unit pemrosesan pusat (CPU). CPU dapat digunakan untuk menghasilkan adegan grafis dan mendekompresi video, namun biasanya jauh lebih lambat dan kurang efisien dalam tugas-tugas ini dibandingkan dengan GPU. CPU lebih cocok untuk tugas komputasi umum, seperti pengolah kata dan menjelajahi halaman web.
Apa Perbedaan GPU dengan CPU?
CPU modern pada umumnya terdiri dari antara 8 dan 16 “warna,” yang masing-masing dapat memproses tugas kompleks secara berurutan.
GPU, di sisi lain, memiliki ribuan inti yang relatif kecil, yang dirancang agar semuanya bekerja pada waktu yang sama (“secara paralel”) untuk mencapai pemrosesan keseluruhan yang cepat. Hal ini membuat mereka cocok untuk tugas-tugas yang memerlukan sejumlah besar operasi sederhana yang dapat dilakukan pada waktu yang sama, bukan satu demi satu.
GPU tradisional hadir dalam dua varian utama.
Pertama, ada chip mandiri, yang sering kali disertakan dalam kartu tambahan untuk komputer desktop besar. Kedua adalah GPU yang digabungkan dengan CPU dalam paket chip yang sama, yang sering ditemukan di laptop dan konsol game seperti PlayStation 5. Dalam kedua kasus tersebut, CPU mengontrol apa yang dilakukan GPU.
Mengapa GPU Sangat Berguna untuk AI?
Ternyata GPU dapat digunakan untuk melakukan lebih dari sekadar menghasilkan adegan grafis.
Banyak teknik pembelajaran mesin yang tertinggal kecerdasan buatan, Seperti jaringan saraf yang dalam, sangat bergantung pada berbagai bentuk perkalian matriks.
Ini adalah operasi matematika di mana kumpulan angka yang sangat besar dikalikan dan dijumlahkan. Operasi ini sangat cocok untuk pemrosesan paralel dan karenanya dapat dilakukan dengan sangat cepat oleh GPU.
Apa Selanjutnya untuk GPU?
Kehebatan GPU dalam menghitung jumlah terus meningkat karena peningkatan jumlah inti dan kecepatan pengoperasiannya. Peningkatan ini terutama didorong oleh perbaikan dalam manufaktur chip oleh perusahaan-perusahaan seperti TSMC di Taiwan.
Ukuran masing-masing transistor—komponen dasar setiap chip komputer—menurun, sehingga memungkinkan lebih banyak transistor ditempatkan dalam jumlah ruang fisik yang sama.
Namun, itu bukanlah keseluruhan cerita. Meskipun GPU tradisional berguna untuk tugas komputasi terkait AI, namun tidak optimal.
Sama seperti GPU yang awalnya dirancang untuk mempercepat komputer dengan menyediakan pemrosesan khusus untuk grafis, terdapat akselerator yang dirancang untuk mempercepat tugas pembelajaran mesin. Akselerator ini sering disebut sebagai GPU pusat data.
Beberapa akselerator terpopuler, yang dibuat oleh perusahaan seperti AMD dan Nvidia, awalnya adalah GPU tradisional. Seiring waktu, desain mereka berevolusi untuk menangani berbagai tugas pembelajaran mesin dengan lebih baik, misalnya dengan mendukung “otak melayang” format angka.
Akselerator lain, seperti Google unit pemrosesan tensor dan Tentorrent Sepuluh enam inti, dirancang dari awal untuk mempercepat jaringan saraf dalam.
GPU pusat data dan akselerator AI lainnya biasanya hadir dengan memori yang jauh lebih besar dibandingkan kartu tambahan GPU tradisional, sehingga sangat penting untuk melatih model AI berukuran besar. Semakin besar model AI, semakin mumpuni dan akurat model tersebut.
Untuk lebih mempercepat pelatihan dan menangani model AI yang lebih besar, seperti ChatGPT, banyak GPU pusat data dapat digabungkan untuk membentuk superkomputer. Hal ini memerlukan perangkat lunak yang lebih kompleks untuk memanfaatkan kekuatan pengolah angka yang tersedia dengan tepat. Pendekatan lain adalah dengan membuat satu akselerator yang sangat besar, seperti "prosesor skala wafer” diproduksi oleh Cerebras.
Apakah Chip Khusus adalah Masa Depan?
CPU juga tidak tinggal diam. CPU terbaru dari AMD dan Intel memiliki instruksi tingkat rendah bawaan yang mempercepat penghitungan angka yang diperlukan oleh jaringan saraf dalam. Fungsionalitas tambahan ini terutama membantu tugas “inferensi”—yaitu, menggunakan model AI yang telah dikembangkan di tempat lain.
Untuk melatih model AI, akselerator besar seperti GPU masih diperlukan.
Dimungkinkan untuk membuat akselerator yang lebih terspesialisasi untuk algoritma pembelajaran mesin tertentu. Baru-baru ini, misalnya, sebuah perusahaan bernama Groq telah memproduksi “unit pengolah bahasa” (LPU) dirancang khusus untuk menjalankan model bahasa besar seperti ChatGPT.
Namun, pembuatan prosesor khusus ini memerlukan sumber daya teknik yang besar. Sejarah menunjukkan bahwa penggunaan dan popularitas algoritme pembelajaran mesin tertentu cenderung mencapai puncaknya dan kemudian menyusut—sehingga perangkat keras khusus yang mahal mungkin akan cepat ketinggalan zaman.
Namun, bagi konsumen rata-rata, hal ini sepertinya tidak menjadi masalah. GPU dan chip lain dalam produk yang Anda gunakan kemungkinan besar akan terus bertambah cepat.
Artikel ini diterbitkan kembali dari Percakapan di bawah lisensi Creative Commons. Membaca Artikel asli.
Gambar Kredit: Nvidia
- Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
- PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
- PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
- PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
- PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
- Sumber: https://singularityhub.com/2024/03/13/what-is-a-gpu-the-chips-powering-the-ai-boom-and-why-theyre-worth-trillions/
