На конференцията за наука за данните в центъра на Манхатън в началото на ноември около масата на Nvidia постоянно се въртяха нетърпеливи хора. Те не се стремяха към работа или селфита. В общи линии те се интересуваха от възможностите на паралелните изчисления.
Това е фундаменталната концепция, която катапултира Nvidia и я превърна в най-ценната компания в света. Тя беше показана на конференцията Pydata по време на кратка демонстрация, проведена от инженерния мениджър на Nvidia Рик Ратцел.
Nvidia произвежда графични процесори, или GPU, които са компютърни чипове, обработващи много задачи едновременно. Оттук идва и терминът „паралелни изчисления“.
Чиповете, които повечето хора познават са централни процесори или CPU. Те се намират в лаптопа ви и се справят с широк спектър от задачи. Макар че са бързи и ефективни, те обикновено обработват тези задачи една по една в определен ред. Графичните процесори (GPU) са идеални за обработката на огромни количества данни, необходими за създаването и функционирането на ИИ-модели, като например GPT-4 на OpenAI – изчислителният мозък на ChatGPT.
Но преди ChatGPT да се появи на сцената в края на 2022 година, паралелните изчисления вече имаха потенциала да ускорят науката за данните, която предлага подходящи интернет реклами, оптимизира решенията за веригата на доставки и се опитва да открива онлайн измами. Ето защо Nvidia има дългогодишни отношения с Pydata – конференция за разработчици, които използват езика за кодиране Python за анализ на данни.
Тази година Ратцел участва в представянето на ново софтуерно сътрудничество с Nvidia за разработчици на Python, които използват общи инструменти за управление на данни с отворен код. Той започна с набор от данни от ревюта на филми и цифрови оценки. Целта беше да се направят добри препоръки. Ратцел трябваше да съпостави вкуса на филмови рецензентите възможно най-точно с вкуса на даден човек. Математиката за определяне на това кой има сходни вкусове не била толкова сложна, но изчисленията включваха големи количества данни за 330 000 потребители.
„Това е нещо гигантско.“
казва той
Извършването на първоначалния анализ отнел два часа на традиционен компютър с централен процесор. С няколко корекции този срок е намален на един час. След това Ратцел преминал на GPU и отново извършил анализа. Той се справил с него за по-малко от две секунди. Тази скорост се дължи на паралелните изчисления, които позволява графичният процесор.
Концепцията съществува от 80-те години на миналия век, но доскоро възможностите за реално извършване на паралелни изчисления бяха трудно достъпни. Нарастването на достъпността на GPU чрез доставчиците на облачни услуги улесни нетърпеливите учени, занимаващи се с данни, да изпълняват собствените си проекти за секунди, а не за часове. С толкова много спестено време изследователите могат да провеждат много повече експерименти и да се заемат с много повече проекти.
„Можете да видите как това променя начина ви на работа. Сега мога да изпробвам много неща, да правя много експерименти и да използвам абсолютно същите данни и същия код.“
казва Ратцел
Всичко важно от света на технологиите, директно в пощата ти.
С абонирането приемате нашите Условия и Политика за поверителност. Може да се отпишете с един клик по всяко време.
Коментирайте статията в нашите Форуми. За да научите първи най-важното, харесайте страницата ни във Facebook, и ни последвайте в Google Новини, TikTok, Telegram и Viber или изтеглете приложението на Kaldata.com за Android, iPhone, Huawei, Google Chrome, Microsoft Edge и Opera!
