หน่วยประมวลผลประสาทเทียม (NPU) เป็นไมโครโปรเซสเซอร์ที่ออกแบบมาโดยเฉพาะเพื่อเร่งการทำงานของอัลกอริทึมในการเรียนรู้ของเครื่องจักร (Machine Learning) โดยปกติแล้วจะมุ่งเน้นการทำงานในลักษณะการประมวลผลในด้านพรีดีคทีฟต่างๆ ตัวอย่างเช่น เครือข่ายประสาทแบบประดิษฐ์ (ANN) หรือ Random Forests (RFs) นอกจากนี้ยังเรียกว่า โปรเซสเซอร์ประสาทเทียมด้วย
สิ่งสำคัญที่ต้องจำคือ ใช้งานกับการคำนวณทั่วไปอย่างหน่วยประมวลผลกลาง (CPU) ไม่ได้เนื่องจากซอฟต์แวร์สำหรับโปรเซสเซอร์ประเภทนี้ยังไม่พัฒนาพอที่จะใช้สำหรับการคำนวณใดๆ อย่างไรก็ตามในช่วงไม่กี่ปีที่ผ่านมา เราประสบความสำเร็จอย่างมากในแอปพลิเคชันด้าน Machine Learning และประสบความสำเร็จเหนือมนุษย์ในบางงาน เช่น การเล่นเกมหมากล้อม (Go) และ หมากรุก ในขณะเดียวกัน แอปพลิเคชัน Machine Learning ด้านล่างต่อไปนี้ กำลังพาชีวิตมนุษย์ไปสู่ระดับต่อไป อย่างเช่น :
– รถยนต์ไร้คนขับ
– ระบบรักษาความปลอดภัยที่ใช้การจดจำใบหน้าแบบเรียลไทม์
– การพัฒนาระบบการดูแลสุขภาพด้วยการวิเคราะห์และการรักษาที่แม่นยำ
– และอื่น ๆ อีกมากมาย
โดยทั่วไปแล้ว NPU มักจะใช้ในงานประเภทต่างๆ เช่น
1. เพิ่มความเร็วในการประมวลผลงาน Machine Learning หลายเท่า (เกือบ 10,000 เท่า) เมื่อเทียบกับ GPU
2. งานที่ต้องใช้พลังงานต่ำและเพิ่มประสิทธิภาพการใช้ทรัพยากรสำหรับงาน Machine Learning เมื่อเทียบกับ GPU และ CPU
สำหรับตัวอย่างต่อไปนี้ก็คือชิปที่มี NPU ที่ใช้งานกันอยู่ในโลกแห่งความเป็นจริง :
– TPU: พัฒนาโดย Google ใช้ในงานประมวลผลด้านปัญญาประดิษฐ์และ Machine Learning เป็นหลัก เน้นประสิทธิภาพและความรวดเร็ว
– NNP, Myriad, EyeQ: พัฒนาโดย Intel รองรับการทำงาน Machine Learning ในอุปกรณ์ต่างๆ เช่น โดรน รถยนต์อัตโนมัติ กล้องอัจฉริยะ
– NVDLA: พัฒนาโดย Nvidia เน้นใช้ในงานคอมพิวเตอร์กราฟิกส์และ Machine Learning โดยใช้สถาปัตยกรรม Volta ที่มีประสิทธิภาพสูง
– AWS Inferentia: พัฒนาโดย Amazon Web Services ออกแบบมาสำหรับการอนุมานผลลัพธ์ของโมเดล Machine Learning เน้นความรวดเร็วและประหยัดพลังงาน
– Ali-NPU: พัฒนาโดย Alibaba ใช้ในศูนย์ข้อมูลของ Alibaba เพื่อรองรับการทำงาน Machine Learning ต่างๆ
– Kunlun: พัฒนาโดย Baidu เน้นสำหรับการประมวลผลภาษาและการค้นหาข้อมูล
– Sophon: พัฒนาโดย Bitmain เน้นสำหรับการขุด cryptocurrency แต่ก็สามารถใช้สำหรับงาน Machine Learning อื่นๆ ได้
– MLU: พัฒนาโดย Cambricon สตาร์ทอัพจีน เน้นในงานการรู้จำภาพและเสียง
– IPU: พัฒนาโดย Graphcore เน้นรองรับการทำงาน Machine Learning โดยเฉพาะกับเครือข่ายประสาทเทียมขนาดใหญ่
– Ascend: พัฒนาโดย Huawei ใช้ในอุปกรณ์ต่างๆ ของ Huawei เช่น โทรศัพท์มือถือ แล็ปท็อป อุปกรณ์ IoT
– Neural Engine: พัฒนาโดย Apple อยู่ในชิพ A11 Bionic ขึ้นไป ใช้สำหรับการทำงาน Machine Learning บนอุปกรณ์ iOS
– Neural Processing Unit (NPU): พัฒนาโดย Samsung ใช้ในชิพ Exynos บนโทรศัพท์มือถือ Samsung เน้นประสิทธิภาพในการทำงาน Machine Learning บนมือถือ
ที่มา : Opengenus
