Всем уже известно, что такие дисциплины, как машинное и глубокое обучение, занимают позиции в разных разделах программного и аппаратного обеспечения, но на этот раз мы не предлагаем вам приложение для видеоигр, но мы объясним вам, каким образом искусственное интеллект определяет разгон в настоящем и то, как вы будете делать это в будущем.
Прежде всего, мы должны уточнить, что эта статья не является руководством по увеличению тактовой частоты или разгону определенного ЦП or GPU / ГРАФИЧЕСКИЙ ПРОЦЕССОР Модель, но мы собираемся объяснить, как с помощью алгоритмов искусственного интеллекта большее количество процессоров Advanced могут динамически регулировать тактовую частоту в соответствии с температурой и потребляемой мощностью наших ПК.
Не будем забывать, что даже если мы говорим о таком широко используемом форм-факторе, как ноутбук, каждая модель, и даже одна и та же торговая марка, имеет свои собственные характеристики по температуре, энергопотреблению и вентиляции.
Следовательно, в отличие от того, что происходит с эксклюзивными проектами, такими как корпус игровой приставки, при разработке различных аппаратных компонентов ПК, особенно ЦП и ГП, они должны создавать механизмы, позволяющие аппаратному обеспечению настраивать последовательность. параметров автоматически в соответствии с тепловой информацией или информацией о потреблении в любое время.
Одной из особенностей искусственного интеллекта является его способность делать прогнозы на основе данных, полученных в любое время, и мы слышали в середине маркетинга какой-то другой компании о продвинутой системе разгона, основанной на ИИ, которая позволяет многое настраивать. лучше тактовая частота конкретного процессора или видеокарты. Что ж, давайте демистифицируем эти аппаратные средства.
Как искусственный интеллект использует разгон?
Когда мы говорим об искусственном интеллекте, мы не говорим о машинах, которые осознают себя или свое собственное мышление, а скорее о комбинации аппаратного и программного обеспечения, которая используется в основном для двух типов задач:
- Классификация данных.
- Прогноз развития данных.
Начиная с классификации данных, это понимается в том, что, маркируя набор информации, мы учим систему идентифицировать информацию, и с ее помощью она может классифицировать ее. Как это помогает при разгоне? Что ж, это просто, каждая инструкция ЦП имеет определенную стоимость энергии, таким образом, когда она выполняется, система разгона может делать заметки и собирать информацию о потреблении каждой из них. Что с этим достигается? Что ж, мы можем выполнять как можно больше инструкций с максимальной скоростью, которая обеспечивает постоянное потребление ресурсов процессора, что означает возможность более эффективного ускорения выполнения программ.
Что касается другого аспекта, аспекта прогнозирования, мы должны прежде всего помнить, что такое математическая функция, которая в упрощенном виде определяется как связь между по крайней мере двумя функциями, которые зависят друг от друга, где зависимость выполняется в форма математической формулы. Не пугайтесь, наша цель - не заниматься алгеброй, но если у вас не хватает памяти, мы можем сократить объяснение, что функция - это математическое уравнение, в котором одна половина определяет значение другой половины.
Например, предположим, что наша функция - X 2, поэтому, если мы дадим значения неизвестному и нарисуем их на графике, это приведет к образованию параболы, подобной той, что на изображении, которое у вас есть чуть выше этих линий, это позволяет нам сделать прогноз, в котором функция будет развиваться математически.
Что ж, системы прогнозирования искусственного интеллекта работают наоборот. Таким образом, они не начинают с формулы, а оттуда берут набор данных, но путь идет в обратном направлении, и они собирают большой объем информации для создания прогноза, который представляет собой формулу, которую они получат. из этого. Когда применяется эта формула, она сравнивается с исходными данными, чтобы увидеть, совпадают ли полученные данные. А что будет, если ИИ ошибается? Он просто выполняет движение, называемое возвратом, которое позволяет ему отполировать получившуюся формулу.
Данные о расходе и температуре
Каждая система машинного обучения требует для работы большого количества ресурсов, и в то время как традиционные системы разгона используют серию внутренних таблиц, общих со всеми моделями процессора, которые указывают отношения между тактовой частотой, температурой, потреблением и временем, которые могут быть вместе в качестве эталонных элементов. , при разгоне на основе искусственного интеллекта вместо этого получают свои данные о времени работы. Причина этого очень проста, по причинам, не зависящим от производителя при создании новой пластины, не все микросхемы выходят в ней одинаковыми.
Одним из способов получения информации о температуре и потреблении является использование электромеханических компонентов, которые создают передовые телеметрические системы в ключевых частях схемы и предоставляют информацию в режиме реального времени. Это позволяет системе разгона собирать данные, которые будут использовать их для вывода формулы энергопотребления, которая позволяет системе иметь стабильную систему разгона. Очевидно, поскольку эта система основана на ИИ, она должна иметь систему наблюдения, которая действует как система безопасности, которая автоматически регулирует напряжения и тактовую частоту при достижении критических скоростей.
Постепенно система разгона AI будет отшлифовать полученную математическую функцию, позволяя более энергоэффективно регулировать тактовую частоту, позволяя ей работать дольше.
Прощай, традиционный разгон?
Нет, мы не верим, что разгон с помощью искусственного интеллекта приведет к исчезновению традиционного, больше всего из-за того, что мы рассматриваем его как дополнительный элемент, который сделает более безопасным увеличение скорости как наших процессоров, так и наших графических процессоров. Кроме того, разгон приобретает все большее значение среди энтузиастов аппаратного обеспечения, и есть пользователи, которые всегда готовы платить больше, чтобы иметь возможность возиться со своим оборудованием, если, кроме того, производители предоставят им полностью безопасную среду, в которой система адаптируется к выбранной системе охлаждения. пользователем, так как тогда уровни настройки и модификации могут выйти на новый уровень.
Эти новые интеллектуальные системы разгона, более совершенные, чем предыдущие, также позволяют не только части системы приспосабливаться к потреблению, но и всей системе в унисон.