New-Tech Magazine | OCT 2022 | Digital Edition

העידן של תהליכי היסק

AMD ], סגן נשיא בכיר, Ivo Bolsens איוו בולסנס [

מועברים למספר AI / ML להיסק בתהליכי רב של התקני קצה, כוח המחשוב המצטבר של אותם מיליוני מנועים של התקני קצה המשמשים בתהליכי היסק, עולה על כוח המחשוב של שרתים במרכז נתונים יחיד. בנוסף, מנועים בתהליכי היסק קצה לא צורכים כמויות גדולות של הספק חשמלי. לאחרונה הוכרז על שבביםמענינים רבים עם ארכיטקטורות מחשוב חדשות שמתאימות לטיפול בצרכים הייחודיים של תהליכי היסק בקצה. יצרנים שמים דגש על כמויות ו- teraFLOPS החישוב העצומות של ) שההתקנים TOPs ו- TFLOPS ( - teraOPS שלהם יכולים להשיג בפחות צריכת הספק. אמנם לעומסי העבודה בתהליכי היסק יש , TOPS ו- TFLOPS צורך בכמות רבה של אך שבבים אלו, שנוצרו במיוחד לתהליכי היסק בקצה, מהווים דרך חד סטרית מבחינת הארכיטקטורה, שיכולה להסתבר כנתיב בלתי רצוי כאשר לוקחים בחשבון עומסי עבודה משולבים של הדרכה ותהליכי היסק. AI / כיום עומסי עבודה של הדרכה במודל ) וביחידות CPU פועלים ביחידות יע"מ ( ML ) בעלות כוח מחשוב רב, GPU לעיבוד גרפי (

של ארגונים או בענן שבהם נמצאים שרתים רבי יכולת, מקום רב בזיכרון, מאיצי חומרה ורישות מהיר, שמשמשים בעומסי עבודה. בסביבה כזו כמויות עצומות של הספק חשמלי לצורך מחשוב, רישות וקירור משמשות להדרכה, כשהיעד הוא לסיים במהירות. עומסי עבודה של תהליכי היסק יכולים גם להתבצע במרכז נתונים או בענן, אבל באופן גובר והולך, משימות של תהליכי היסק עוברות הגירה אל הקצה, מכמה סיבות. ראשית, קיים הנושא של זמן המתנה ). שינוע נתונים גולמיים חזרה latency ( לענן או למרכז הנתונים גוזל זמן. לבצע את תהליך ההיסק גוזל זמן רב עוד יותר, ועוד הרבה יותר מדי זמן נדרש כדי לשנע את התשובה או ההחלטה הרצויות חזרה לקצה. ההחלטות עבור חלק מהמשימות בזמן אמת – לרבות אוטומצית מפעלים, מכ"ם ולוחמה אלקטרונית – הן החלטות שנמשכות זמן רב ויכולות להיות כרוכות בעלויות גבוהות. שתי הסיבות הנוספות שבגללן עומסי עבודה בתהליכי היסק עוברים המרה לקצה, קשורות בכוח מחשוב ובהספק חשמלי. כאשר עומסי העבודה הנדרשים

ארכיטקטורותעתידיותשלאינטליגנציה ) מתפשטות כדי שקצה AI מלאכותית ( ) יקבלו מראה cloud ) וענן ( edge ( מאוחד וניתן לשדרוג העולם של אינטליגנציה מלאכותית ולימוד ) מחולק לתחומים שונים. AI / ML מכונה ( שניים מבין התחומים האלו מייצגים ) לבין תהליכי training פיצולים בין הדרכה ( ) לעומת cloud ), ובין ענן ( inference היסק ( ). יש עוד הרבה הבדלים אחרים edge קצה ( , אך שני פיצולים אלו AI / ML במשימות של הם הנושאים העיקריים שבהם נדון במאמר מפתחת מודלים שבהם AI / ML זה. הדרכת משתמשים תהליכי היסק כדי לזהות כל מה שנדרש לו זיהוי, בין אם מדובר בתעבורה קלה או בתעבורה כבדה בדרך בעיר חכמה, ברמה של הרשאה של תג זיהוי והפנים התואמות שמשמשת לבקרה של גישה מאובטחת, זיהוי של מילים שנאמרות על ידי מי שמתקשר בטלפון למרכז שירות לקוחות או זיהוי של כתובת שנרשמה בכתב יד על מעטפה ונמצאת במרכז מיון של שירות הדואר. הדרכה מתרחשת בדרך כלל במרכזי נתונים

New-Tech Magazine l 26