Warum GPUs die KI antreiben

Warum GPUs die KI antreiben

Wenn Sie KI-Nachrichten verfolgt haben, haben Sie wahrscheinlich von GPUs gehört. Unternehmen kaufen sie zu Tausenden, und es gibt eine weltweite Knappheit. Aber warum eine Grafikkarte? Was hat das Zeichnen von Videospielgrafiken mit künstlicher Intelligenz zu tun?

Die Antwort liegt in einem grundlegenden Unterschied zwischen CPUs und GPUs. Eine CPU ist dafür ausgelegt, eine Vielzahl von Aufgaben schnell zu erledigen, eine nach der anderen. Sie hat einige wenige sehr leistungsstarke Kerne, die komplexe Logik, Branch Prediction und all die anderen Dinge bewältigen können, die ein Allzweckcomputer benötigt. Es ist wie ein paar erfahrene Köche, die jedes Gericht zubereiten können, das Sie bestellen.

Eine GPU verfolgt den gegenteiligen Ansatz. Anstatt weniger leistungsstarker Kerne hat sie Tausende einfacherer Kerne. Jeder Kern ist schwächer als ein CPU-Kern, aber sie arbeiten alle parallel. Eine GPU ist wie tausend Köche, die immer wieder eine einfache Aufgabe erledigen. Sie können keine komplexe Sauce zubereiten, aber sie können tausend Zwiebeln gleichzeitig hacken.

Bei neuronalen Netzen geht es darum, dieselbe einfache Operation millionenfach auszuführen. Zwei Zahlen multiplizieren, das Ergebnis zu einem laufenden Total addieren, wiederholen. Das ist Matrixmultiplikation, und sie ist das tägliche Brot der KI. Eine CPU kann Matrixmultiplikation durchführen, aber Schritt für Schritt. Eine GPU führt Tausende von Multiplikationen gleichzeitig durch und ist damit um Größenordnungen schneller.

Deshalb ist der KI-Boom so eng mit GPU-Unternehmen wie NVIDIA verbunden. Sie haben ihre Chips für Spiele und Grafikrendering entwickelt, die ebenfalls massive parallele Berechnungen erfordern. Es stellte sich heraus, dass dieselbe Hardware, die Videospiele schön aussehen lässt, auch perfekt zum Trainieren und Ausführen neuronaler Netze geeignet ist. Moderne KI würde ohne die parallele Verarbeitungsleistung von GPUs einfach nicht existieren.