인공지능용 하드웨어

이 글에는 여러 가지 문제가 있다.이 문제를 개선하거나 대화 페이지에서 토의하십시오.(이러한 템플릿 메시지를 제거하는 방법 및 시기 알아보기) 이 글은 인공지능 전문가의 주의가 필요하다.구체적인 문제는 TPU와 GPU의 더 나은 커버리지 등 지난 수십 년 동안 이 분야에서 현대적인 발전을 통합하고, 다른 자료를 정리하고 주제와 어떻게 관련되는지 명확히 하기 위해 현재 전문가의 관심이 필요하다는 것이다. 위키프로젝트 인공지능(AI)이 전문가 영입에 도움을 줄 수도 있다(2021년 11월) 이 글에는 해당 범위에 대한 정보가 누락되어 있음:이 글의 목적을 위한 AI 하드웨어란 무엇인가?이벤트 카메라는 신경동형 설계의 응용이지만 LISP 기계는 최종 사용 응용이 아니다.앞서 AI 전문 하드웨어가 아닌 레시스터, 캐패시터, 인덕터 등 기본적인 전자부품인 멤리스터를 언급했다. 이 정보를 포함하도록 문서를 확장하십시오. 자세한 내용은 대화 페이지에 있을 수 있다.(2021년 11월) 이 글은 갱신할 필요가 있다. 최근 이벤트 또는 새로 사용 가능한 정보를 반영하도록 이 문서를 업데이트하십시오.(2021년 11월) (이 템플릿 메시지를 제거하는 방법 및 시기 알아보기)

인공지능 전용 하드웨어는 리스프 머신, 뉴로모픽 엔지니어링, 이벤트 카메라, 물리적 신경망 등 인공지능 프로그램을 보다 빠르게 실행하기 위해 사용된다.

리스프 머신

신경망 하드웨어

물리적 신경망

컴포넌트

AI 가속기

2010년대 이후 컴퓨터 하드웨어의 발달로 인해 비선형 숨겨진 유닛의 많은 레이어와 매우 큰 출력 레이어가 포함된 심층 신경 네트워크를 훈련하는 효율적인 방법이 생겨났다.^[1]2019년까지, 종종 AI 특유의 향상 기능을 가진 그래픽 처리 장치(GPU)가 대규모 상용 클라우드 AI를 훈련하는 지배적인 방법으로 CPU를 대체했다.^[2]오픈AI는 알렉스넷(2012년)부터 알파제로(2017년)까지 최대 딥러닝 프로젝트에 사용되는 하드웨어 컴퓨팅을 추산한 결과 필요한 컴퓨팅 양이 30만 배 증가했으며, 이중화 시간 추세선은 3.4개월이었다.^[3][4]

원천