Overclocking med kunstig intelligens: hvad er det?

Først og fremmest skal vi præcisere, at denne artikel ikke er en vejledning i, hvordan man øger urets hastighed eller overklokkerer en bestemt CPU or GPU model, men vi vil forklare, hvordan flere kunstige intelligens -algoritmer er i stand til dynamisk at tilpasse urets hastighed til vores pc'ers termiske og forbrugssituation.

Lad os ikke glemme, at selvom vi taler om en formfaktor, der er så udbredt som en bærbar computer, har hver model og endda inden for samme mærke sine egne termiske, energiforbrug og ventilationsspecifikationer.

I modsætning til hvad der sker med eksklusive designs, f.eks. I tilfælde af en spillekonsol, i designet af de forskellige hardwarekomponenter i pc'en, især CPU og GPU, skal de derfor oprette mekanismer, der gør det muligt for hardwaren at justere en serie parametre automatisk i henhold til termiske eller forbrugsoplysninger til enhver tid.

En af særegenhederne ved kunstig intelligens er dens evne til altid at forudsige de data, der er opnået, og vi vil have hørt midt i markedsføringen af ​​et andet selskab af et avanceret overclockingssystem baseret på AI, der gør det muligt at justere meget bedre urhastigheden på en bestemt processor eller grafikkort. Nå, lad os afmystificere disse stykker hardware.

Hvordan bruger kunstig intelligens overclocking?

Når vi taler om kunstig intelligens, taler vi ikke om maskiner, der er selvbevidste om sig selv eller om deres egen tankegang, men snarere en kombination af hardware og software, der hovedsageligt bruges til to typer opgaver hovedsageligt:

• Klassificering af data.
• Forudsigelsen af ​​udviklingen af ​​dataene.

Begyndende med dataklassificeringen forstås dette ved, at vi ved at mærke et sæt oplysninger lærer systemet at identificere oplysninger og med det kan kategorisere det. Hvordan hjælper dette med overclocking? Godt, det er simpelt, hver instruktion af CPU'en har en specifik energiomkostning på en sådan måde, at når det udføres, kan overclocksystemet tage noter og indsamle oplysninger om forbruget af hver enkelt af dem. Hvad opnås med det? Nå, vi kan udføre så mange instruktioner som muligt ved den højeste hastighed, der tillader et konstant forbrug af processoren, hvilket betyder, at vi kan accelerere udførelsen af ​​programmerne mere effektivt.

Hvad angår det andet aspekt, forudsigelsen, skal vi først og fremmest huske, hvad en matematisk funktion er, som på en forenklet måde defineres som forholdet mellem mindst to funktioner, der er afhængige af hinanden, hvor afhængigheden udføres i form af en matematisk formel. Vær ikke foruroliget, vores mål er ikke at lave en algebra -klasse, men hvis din hukommelse svigter dig, kan vi reducere forklaringen på, at en funktion er en matematisk ligning, hvor den ene halvdel definerer værdien af ​​den anden halvdel.

Antag f.eks., At vores funktion er X ^2, så hvis vi giver værdier til det ukendte og tegner dem på en graf, ville det ende med at lave en parabel som den på billedet, du har lige over disse linjer, dette giver os mulighed for at forudsige, hvor funktionen vil udvikle sig matematisk.

Godt, forudsigelsessystemer for kunstig intelligens fungerer omvendt. Så de starter ikke med en formel, og derfra tager de et sæt data, men stien er omvendt, og hvad de gør, er at indsamle en stor mængde information for at skabe en forudsigelse, som er en formel, som de vil udlede af det. Når denne formel anvendes, sammenlignes den med de originale data for at se, om de resulterende data er de samme. Og hvad sker der, hvis AI er forkert? Han udfører simpelthen en bevægelse kaldet backtraking, der giver ham mulighed for at polere den resulterende formel.

Forbrugs- og temperaturdata

Hvert maskinlæringssystem kræver store mængder for at fungere, og mens traditionelle overclockingsystemer bruger en række interne tabeller til fælles med alle modeller af en processor, der angiver forholdet mellem urhastigheder, temperaturer, forbrug og tid, som kan være sammen som referenceelementer , får den kunstig intelligens-baserede overclocking i stedet deres data til driftstid. Årsagen til dette er meget enkel, af årsager, der er uden for producentens kontrol ved oprettelsen af ​​en ny wafer, er det ikke alle chips, der kommer ud ens i den.

En måde at få oplysninger om varme og forbrug på er brug af elektromekaniske komponenter, der laver avancerede telemetri -systemer i centrale dele af kredsløbet og giver oplysningerne i realtid. Dette gør det muligt for overclockingsystemet at indsamle data, der vil bruge det til at udlede en strømforbrugsformel, der gør det muligt for systemet at have et stabilt overclockingssystem. Da dette system er baseret på AI, skal det naturligvis have et overvågningssystem, der fungerer som et sikkerhedssystem, der automatisk justerer spændinger og urhastighed, når kritiske hastigheder nås.

Lidt efter lidt vil AI -overclock -systemet polere den resulterende matematiske funktion, hvilket muliggør en mere energieffektiv justering af urets hastighed, mens den holder længere.

Farvel til traditionel overclocking?

Nej, vi tror ikke på, at overclocking gennem kunstig intelligens vil få den traditionelle til at forsvinde, mere end noget på grund af det faktum, at vi ser det som et komplementært element, der vil gøre det mere sikkert at øge hastigheden på både vores CPU'er og vores GPU'er. Derudover er overclocking en stigende værdi blandt hardwareentusiaster, og der er brugere, der altid er villige til at betale mere for at kunne rode med deres hardware, hvis producenterne derudover giver dem et helt sikkert miljø, hvor systemet tilpasser sig det valgte kølesystem. af brugeren, da niveauerne for tilpasning og modding kan nå nye niveauer.

Disse nye intelligente overclockingsystemer, der er mere avancerede end de tidligere, tillader ikke kun en del af systemet at tilpasse sig forbruget, men hele systemet kan gøre det i fællesskab.