As próximas GPUs da Nvidia serão projetadas parcialmente pela IA
Durante a conferência GTC 2022 , a Nvidia falou sobre o uso de inteligência artificial e aprendizado de máquina para tornar as futuras placas gráficas melhores do que nunca.
Como a empresa opta por priorizar IA e aprendizado de máquina (ML), alguns desses avanços já chegarão às próximas GPUs Ada Lovelace de próxima geração.
Os grandes planos da Nvidia para IA e ML em placas gráficas de última geração foram compartilhados por Bill Dally , cientista-chefe da empresa e vice-presidente sênior de pesquisa. Ele falou sobre as equipes de pesquisa e desenvolvimento da Nvidia, como elas utilizam IA e aprendizado de máquina (ML) e o que isso significa para as GPUs de última geração.
Em suma, usar essas tecnologias só pode significar coisas boas para as placas gráficas Nvidia. Dally discutiu quatro seções principais do design da GPU, bem como as maneiras pelas quais o uso de IA e ML pode acelerar drasticamente o desempenho da GPU.
O objetivo é um aumento na velocidade e na eficiência, e o exemplo de Dally fala sobre como o uso de IA e ML pode reduzir uma tarefa de design de GPU padrão de três horas para apenas três segundos.
Isso é supostamente possível otimizando até quatro processos que normalmente levam muito tempo e são altamente detalhados.
Isso se refere ao monitoramento e mapeamento de quedas de tensão de energia, antecipando erros por meio de previsão parasitária, automação de migração de células padrão e abordando vários desafios de roteamento. O uso de inteligência artificial e aprendizado de máquina pode ajudar a otimizar todos esses processos, resultando em grandes ganhos no produto final.
O mapeamento de possíveis quedas de tensão ajuda a Nvidia a rastrear o fluxo de energia das placas gráficas de última geração. De acordo com Dally, mudar do uso de ferramentas padrão para ferramentas especializadas de IA pode acelerar drasticamente essa tarefa, já que a nova tecnologia pode executar essas tarefas em meros segundos.
Dally disse que o uso de IA e ML para mapear quedas de tensão pode aumentar a precisão em até 94%, além de aumentar tremendamente a velocidade com que essas tarefas são executadas.
O fluxo de dados em novos chips é um fator importante no desempenho de uma nova placa gráfica. Portanto, a Nvidia usa redes neurais gráficas (GNN) para identificar possíveis problemas no fluxo de dados e resolvê-los rapidamente.
A previsão parasitária através do uso de IA é outra área em que a Nvidia vê melhorias, observando maior precisão, com taxas de erro de simulação caindo abaixo de 10%.
A Nvidia também conseguiu automatizar o processo de migração das células padrão do chip, reduzindo muito o tempo de inatividade e agilizando toda a tarefa. Com isso, 92% da biblioteca de células foi migrada através do uso de uma ferramenta sem erros.
A empresa planeja se concentrar em IA e aprendizado de máquina daqui para frente, dedicando cinco de seus laboratórios para pesquisar e projetar novas soluções nesses segmentos. Dally deu a entender que podemos ver os primeiros resultados desses novos desenvolvimentos nos novos designs de 7nm e 5nm da Nvidia, que incluem as próximas GPUs Ada Lovelace. Isso foi relatado pela primeira vez por Wccftech .
Não é nenhum segredo que a próxima geração de placas gráficas, muitas vezes referida como RTX 4000 , será intensamente poderosa ( com requisitos de energia correspondentes ). Usar IA e aprendizado de máquina para promover o desenvolvimento dessas GPUs implica que em breve poderemos ter uma potência real em nossas mãos.
