Data modyfikacji:
Sztuczna inteligencja to nie tylko czat
Temat sztucznej inteligencji jest teraz na topie. ChatGPT zdobył szturmem rynek, a wiele osób zastanawia się nad jego potencjałem, ścieżkami rozwoju i przyszłością. Nie każdy wie, że model sztucznej inteligencji możemy dowolnie wytrenować na własnym komputerze. Rozwój AI w dużej mierze zawdzięczamy kartom graficznym. Powiedzmy to sobie otwarcie - sztuczna inteligencja nie jest groźna i na pewno będzie nam znacznie pomagać w codziennej pracy. Dlaczego i w jaki sposób możemy dojść do tak uspokajającego wniosku?
Co najmniej 10 lat temu odkryto, że jednostki GPU, które równolegle przetwarzają wiele danych, mogą być znacznie lepszym sercem sieci neuronowej niż CPU. Karta graficzna rozdziela swoje zadania na mniejsze procesy, które są równolegle obliczane przez jej procesory. W przypadku trenowania sztucznej inteligencji, gdzie niezbędne jest przetworzenie dużej ilości prostych danych, GPU są po prostu szybsze. NVIDIA również dostrzegła ten potencjał i zaczęła rozwijać swoje produkty w tym kierunku. Dzisiejszy DLSS 3 to efekt wielu lat pracy i rozwoju. Ale tak naprawdę to dopiero początek.
Technika w znaczący sposób zwiększa osiągi i to bez obciążania karty graficznej. Mamy również Frame Generator, w którym inteligencja na podstawie dwóch klatek automatycznie generuje klatkę pośrednią, jeszcze bardziej zwiększając płynność gier. Wszystko to dzięki sieciom neuronowym.
Warto mimo tego pamiętać o stojących przed nami ograniczeniach. Szacuje się, że wytrenowanie GPT3 mogło potrwać około 34 dni. To niewiele, patrząc na fakt, że w efekcie otrzymujemy najpotężniejsze dostępne aktualnie AI. Z tą uwagą, że komputer przeznaczony do tego celu musiałby pracować na jednostkach NVIDIA GPU A100 w liczbie… 1024 sztuk, a koszt całego przedsięwzięcia to około 5 milionów dolarów.
Jakie karty graficzne na start przygody z AI?
Wspominaliśmy wcześniej ile i co było potrzebne do stworzenia GPT3. Pamiętajmy jednak, że możliwe jest wytrenowanie własnej sieci neuronowej nawet przy użyciu naszego domowego komputera. Nie zmienia to faktu, że im więcej mocy tym lepiej. Aktualnie najlepszą dostępną kartą do nauki sztucznej inteligencji jest układ NVIDII GeForce RTX 4090. Jeżeli zależy nam na rozsądnym stosunku ceny do jakości, to warto rozważyć zakup kart w wersji od Palita lub Gainwarda. Jeżeli chcecie wytrenować własną sieć neuronową, to ten sprzęt jest do tego zadania po prostu idealny.
Powodów tej sytuacji jest kilka. Pierwszy i najbardziej oczywisty to po prostu czysta moc obliczeniowa, której 4090 oferuje najwięcej. W zależności od naszego budżetu doskonale sprawdzą się również modele takie jak 4080 i 4070 Ti. Karty GeForce RTX posiadają również dedykowane sztucznej inteligencji rdzenie Tensor.
Rozsądną opcją jest Palit w wersji 4080 GamingPro OC. Niech nie zmyli Was dopisek Gaming w oznaczeniu modelu, bo karta dedykowana głównie graczom sprawdzi się w tym zastosowaniu równie dobrze. Wersja OC jest fabrycznie podkręcana, co gwarantuje nam lepszy komfort pracy. To doskonały kompromis pomiędzy ceną a wydajnością.
Gdzie znaleźć gotowe modele AI do trenowania? Najlepszym startem będzie chatbot Emerson. Jest on trochę prostszy niż ChatGPT i pozwala wytrenować model do własnych celów. W dodatku można go później umieścić na swojej stronie czy aplikacji. Emerson, mając wiedzę o naszej firmie lub produkcie, będzie w stanie rozsądnie i inteligentnie odpowiadać na pytania zainteresowanych. Natomiast API od OpenAI nazywa się ChatGPT 3.5 Turbo. Na ich stronie znajdziemy dokładne informacje, jak taką operację bezpiecznie wykonać.
Razem z rozwojem kart graficznych rozwijało się również oprogramowanie. W sieci dostępnych jest wiele narzędzi, korzystających z sieci neuronowych. NVIDIA udostępnia kod źródłowy takich narzędzi jak NeRF, które na podstawie zwykłych dwuwymiarowych zdjęć generują modele 3D. Czy czeka nas więc przełom nie tylko w generowaniu dwuwymiarowych obrazów, ale również w tworzeniu modeli 3D?
Przyszłość graczy w jasnych barwach
To jak będzie wyglądała przyszłość gamingu i sztucznej inteligencji zależy również od tego jak przyjmą ją gracze. Aktualnie widzimy, że techniki oferowane przez AI są bardzo dobrze przyjmowane przez użytkowników. Już przy pierwszej wersji DLSS zaobserwować można było ogromne zainteresowanie tą techniką, która w obecnej generacji kart oferuje już naprawdę świetne i przełomowe rezultaty. Większa wydajność i płynniejsza rozgrywka w grach to coś, czego chciał każdy z nas. Dlatego nie martwmy się, bo sieci neuronowe są tutaj, aby nas wspierać, a nie zabierać nam prace. Dzięki sztucznej inteligencji gra nam się po prostu lepiej.
Do czterech razy sztuka
Jeżeli ChatGPT, oparty na architekturze GPT3, zrobił na Was wrażenie, to wiedzcie, że do nowego GPT4 wprowadzono o wiele, wiele więcej danych wejściowych. Na koniec, aby obudzić waszą wyobraźnie, podamy liczby. GPT3, który zrobił na całym świecie tak ogromne wrażenie, wytrenowany został na 175 miliardach parametrów. GPT4 tych parametrów ma 100 bilionów. Lepiej nie myśleć, ile kart graficznych wykorzystano i dolarów wydano przy tym projekcie.
Autor: Informacja prasowa