Apple, yapay zeka modellerini eğitmek için Google’ın çiplerini kullandı

Teknoloji devleri; Nvidia’nın pahalı çiplerine alternatif ararken; Apple, yapay zeka modellerini eğitmek için yeni bir alternatif buldu.

apple

Apple, pazartesi günü yayınladığı araştırma makalesinde yer alan bilgilere göre yapay zeka modellerinin altyapısını geliştirmek için Nvidia’nın GPU’ları yerine Google’ın tasarladığı TPU’larını tercih etti.

Teknoloji devleri, Nvidia'nın pahalı çiplerine alternatif ararken; Apple, yapay zeka modellerini eğitmek için yeni bir alternatif bulmuş gibi görünüyor. Pazartesi günü 47 sayfalık bir makale yayınlayan Apple, yazıda Google'ın adını geçirmese de Apple Foundation Model (AFM) ve AFM sunucusunun "Bulut TPU kümeleri" üzerine eğitildiğini belirtiyor.

Hesaplamaları gerçekleştirmek için bir bulut sağlayıcısından sunucular kiralayan Apple, bu sistemin AFM modellerini, AFM cihazını, AFM sunucusunu ve daha büyük modelleri verimli ve ölçeklenebilir bir şekilde eğitmelerine olanak tanıdığını öne çıkarıyor. Google'ın TPU'ları üç yıl önceden rezerve edildiği için Apple'a kullanımda olduğu saat başına 2 dolardan daha az maliyetli oluyor.

📌 Peki TPU nedir?

TPU (Tensor İşlem Birimi), Google tarafından özel olarak yapay zeka ve makine öğrenimi modellerinin eğitim ve çıkarım işlemlerini hızlandırmak için tasarlanan donanım birimlerini ifade ediyor. TensorFlow framework'ü ile çalışacak şekilde optimize edilmişlerdir ve derin öğrenme işlemlerinde yüksek performans sunuyorlar.

TPU ve GPU arasındaki farkları kategorisel olarak karşılaştıralım 👇🏻

Mimari: GPU'lar, başlangıçta grafik işlemleri için tasarlanmış ve paralel işlemler için optimize edilmişlerdir. TPU'lar ise makine öğrenimi görevleri için tasarlanmış ve TensorFlow framework'ü entegrasyon için üretilmişlerdir.

Performans: GPU'lar genellikle yüksek performanslı ve esnek olduğu için hem eğitim hem de çıkarım süreçlerinde etkilidir. TPU'lar belirli derin öğrenme görevleri için optimize edildiğinden bazı durumlarda GPU'lardan daha hızlı olabilir.

Kullanım: GPU'lar çok sayıda uygulama ve framework'ü uyumludur ve geniş bir geliştirici topluluğuna hitap eder. TPU'lar ise Google Cloud'da kullanılmak üzere tasarlandığı için TensorFlow ile entegre çalışır.

Enerji verimliliği: GPU'lar yüksek enerji tüketimine sahipken, TPU'lar enerji verimliliğini korumak üzere tasarlanmışlardır.

Maliyet: GPU'ların fiyatları çeşitlilik gösterse de genel olarak pahalı bir teknolojidir, TPU'lar ise bulut tabanlı kullanım sunduğu için maliyet açısından avantaj sağlayabilir.

İlginizi çekebilir