Framework PRIME, sztuczna inteligencja Google

Jak podkręca sztuczna inteligencja? Czyli Wasze procesory w rękach algorytmów

Hasło „podkręcanie z użyciem sztucznej inteligencji” brzmi jak coś rodem z „komputerowego science-fiction”, a przynajmniej jak coś z odległej przyszłości. Jednak w rzeczywistości już teraz funkcje tego typu są dostępne i choć nadal są rzadkością, to AI Overclocking ASUSa dla procesorów Intela potwierdza, że mają sens. Dlatego też dziś postanowiliśmy przybliżyć Wam proces tego, jak sztuczna inteligencja podkręca Wasze procesory. Nie tyle po stronie praktycznej, ile tej teoretycznej.

Potencjał ukryty w sztucznej inteligencji można wykorzystać na wiele sposobów. Przykład? Podkręcanie procesorów do kresu ich możliwości

Sztuczna inteligencja (SI) staje się coraz istotniejszym elementem naszego życia w formie systemów uczenia maszynowego, sieci neuronowych czy systemów eksperckich. Jej wykorzystanie możemy dostrzec coraz częściej w urządzeniach codziennego użytku. Przykład? Smartfony ze specjalnymi akceleratorami SI, dzięki którym funkcja rozpoznawania mowy doczekała się znacznego ulepszenia czy koprocesorach w formie rdzeni Tensor w GPU kart graficznych GeForce RTX. 

Czytaj też: Podstawowe umiejętności cyfrowe do 2030 roku będzie mieć tylko połowa Polaków

Obecne modele SI to ciągle nic innego, jak połączenie sprzętu i oprogramowania z matematyką na czele, a nie autonomiczne i samoświadome systemy rodem z filmów. W jednych przypadkach te szczególne modele i programy, które w pewnym stopniu symulują zachowania inteligentne, rzeczywiście umożliwiają działanie konkretnych, najczęściej wysoce wyspecjalizowanych funkcji czy systemów, a w innych po prostu ułatwiają nam życie. Tak też jest w przypadku opcji automatycznego podkręcania procesorów.

W praktyce sztuczna inteligencja podkręca Wasze procesory za pośrednictwem algorytmów, dynamicznie dostosowując parametry układu. Robi więc dokładnie to, co każdy z nas przy manualnym podkręcaniu, ale całkowicie z automatu, wedle konkretnych schematów (przez to nie sprawdza się w każdej sytuacji) i znacznie szybciej. Dostosowuje taktowanie i napięcie, a następnie testuje procesor na wcześniej podwyższonych parametrach, nieustannie monitorując jego zachowanie, na czele ze stabilnością, temperaturą i wydajnością. 

Premiera GeForce RTX 3090 KUDAN, GeForce RTX 3090 KUDAN, RTX 3090 KUDAN

Jak już wyjaśnialiśmy w artykule na temat tego, jak AMD radzi sobie z zasilaniem Ryzenów, zasilanie procesorów i walka o najwyższą wydajność wcale nie jest taka prosta. Procesu podkręcania nie ułatwia też fakt, że dosłownie każdy zestaw komputerowy, a nawet laptop, jest na swój sposób jedyny w swoim rodzaju. Wszystko przez procesor centralny, graficzny i nawet pokład pamięci DRAM, zarówno w formie modułów DDR, jak i GDDR.

Wszystko przez osławioną „loterię krzemową„, która odnosi się do faktu, że producent nie jest w stanie wyprodukować każdego procesora czy układu pamięci o tej samej jakości przez marginesy błędu w procesie produkcyjnym. Stąd zresztą określenia „golden sample” dla tych produktów, które z podkręcaniem radzą sobie wyjątkowo dobrze. Potrzebują niższego napięcia, aby osiągać wyższe zegary i nierzadko też generują mniej ciepła.

Chcę przez to powiedzieć, że podkręcanie nie jest łatwe i przewidywalne. Jest uzależnione od szeregu czynników, co tyczy się nawet układu chłodzenia, o czym wie każdy, kto starał się podkręcić swojego laptopa. Brzmi to więc, jak praca, którą każdy chętnie przekazałby w ręce systemu, a dokładniej mówiąc, systemu sztucznej inteligencji. 

Jak sztuczna inteligencja podkręca Wasze procesory?

Spytacie pewnie – po co nam SI, kiedy algorytmy w postaci NVIDIA Scanner zdają się sprawdzać w roli „automatycznego OC” szybciej? Odpowiedź na to jest jednak prosta. Sztuczna inteligencja jest w tym zwyczajnie lepsza. Posiada specjalną zdolność do przewidywania scenariuszy poprzez rozbudowaną bazę danych budowaną w czasie rzeczywistym, co pozwala dostosować dużo lepiej prędkość zegara konkretnego procesora lub karty graficznej. 

Obecnie sztuczną inteligencję wykorzystuje się głównie do klasyfikacji danych oraz ich przewidywania. W pierwszym przypadku wszystko sprowadza się do etykietowania zestawu danych, co uczy systemy sztucznej inteligencji identyfikacji informacji, które następnie można skategoryzować. Nie brzmi to jak coś, co pomaga w podkręcaniu, ale w rzeczywistości jest kluczowe, bo dzięki temu system „wie”, jaki koszt energetyczny ma każda instrukcja procesora. To z kolei sprawia, że system zna sposób na osiągnięcie najwyższej wydajności poprzez wykonywanie możliwie największej liczby instrukcji, czyli podbicia taktowania CPU na możliwie najwyższy poziom. 

Czytaj też: Śmigłowce AW149 „do wszystkiego”. Oto nowy nabytek Polski w ramach programu Perkoz, który pomoże naszemu wojsku

Ciekawiej robi się przy drugim elemencie sztucznej inteligencji, czyli przewidywaniu/predykcji. Tutaj w grę wchodzi już nieco abstrakcyjne myślenie, dlatego warto zasięgnąć porównania do równania matematycznego i prostej funkcji pokroju F(X)=X2, którą jesteśmy w stanie np. dokładnie wygenerować na wykresie i uzyskać parabole, dzięki wzorowi, który jest tutaj „przepisem”.

To zupełnie odwrotne podejście od tego, którym kierują się systemy predykcji sztucznej inteligencji. Te zamiast od wzoru, zaczynają od zebrania ogromnego zbioru informacji, aby na ich podstawie spróbować przewidzieć wzór, który pozwolił je uzyskać. Po uzyskaniu formuły, ta jest rozwiązywana, a jej wyniki porównywane z oryginalnymi danymi, co wykazuje, czy dane wynikowe są takie same. 

sztuczna-inteligencja-evolution-gym

W razie pomyłki system SI dopracowuje wzór poprzez backtracking, co w przypadku podkręcania sprowadza się do stopniowego ulepszania parametrów tak, aby uzyskać możliwie najwyższy poziom wydajności, energooszczędności czy stosunku wydajności do zużytej energii. Przy tym wszystkim sztuczną inteligencję ciągle coś nadzoruje, pełniąc funkcję bezpieczeństwa i w razie potrzeby wkracza, automatycznie dostosowując napięcie i taktowanie, aby nie dopuścić do awarii. 

Jak wspomniałem na początku, jest to znacznie lepszy i skuteczniejszy proces podkręcania w porównaniu do bazowania na „prostych algorytmach”. Te bowiem korzystają z wewnętrznych tabel parametrów (taktowanie, napięcie, temperatury) wspólnych dla wszystkich egzemplarzy danych modeli procesora, których jakość może się różnić. Jednak nie do tego poziomu, że dany procesor o niższej jakości będzie niestabilny, a do tego, że pełny potencjał tego „golden sample” będzie niewykorzystywany. 

Zbliżamy się do końca manualnego podkręcania? Czy sztuczna inteligencja zastąpi nas również w overclockingu?

Sztuczna inteligencja może więc być dla wielu upragnionym wytchnieniem przed potrzebą, a raczej chęcią manualnego dostosowywania parametrów GPU/CPU w imię możliwie najwyższej wydajności. Pewne jest jednak, że manualny overclocking nigdy nie pójdzie do lamusa.

Rekordowe podkręcanie DDR5, OC DDR5,

Czytaj też: Czym jest loteria krzemowa i dlaczego powoli się kończy?

Powodem tego są po prostu walory stricte rozrywkowe, bo ciągle na świecie są tacy użytkownicy PC, których składanie zestawów oraz wyciskanie z ich siódmych potów w ramach OC, zwyczajnie bawi. Są więc spore szanse, że automatyczne podkręcanie procesorów poprzez wykorzystanie SI pozostanie domeną użytkowników mainstreamowych, a to manualne pozostanie zabawą dla największych entuzjastów.