Những gì mà các vi xử lý AI thực sự làm được ở thời điểm hiện tại rất khác với hình dung của bạn

20-12-2017 15:41

Dự đoán được AI sẽ trở thành công nghệ dẫn đầu trong tương lai, các gã khổng lồ công nghệ như Apple, Qualcomm và Huawei (Trung Quốc) đã tiên phong chế tạo chipset di động tích hợp AI, giải quyết tốt các nhiệm vụ học máy với nhiều cách tiếp cận khác nhau.

Theo Engadget, Huawei đã giới thiệu chipset đầu tiên với một bộ xử lý thần kinh chuyên dụng (NPU) Kirin 970 tại IFA 2017. Sau đó, Apple cũng đã giới thiệu bộ vi xử lý mới nhất A11 Bionic được trang bị trên iPhone 8/8 Plus và iPhone X với hệ thống thần kinh được Apple giới thiệu với “mục đích xây dựng máy học”. Và gần đây nhất, Qualcomm đã công bố Snapdragon 845 tích hợp AI điều tiết hoạt động của các lõi sao cho phù hợp nhất với người dùng. Nhìn chung không có nhiều khác biệt giữa các phương pháp tiếp cận của ba công ty, chúng đều hướng đến khả năng truy cập mà mỗi công ty cung cấp cho các nhà phát triển và tiết kiệm điện năng tiêu thụ cho mỗi thiết bị.

Bài viết dưới đây sẽ giúp bạn hiểu được chipset AI thực sự khác như thế nào so với các vi xử lý bình thường hiện nay. Một thuật ngữ được lặp lại rất nhiều trong ngành công nghiệp điện tử AI gần đây là “tính toán không đồng nhất”, đề cập đến các hệ thống sử dụng nhiều bộ vi xử lý khác nhau, mỗi bộ có các chức năng chuyên biệt nhằm đạt hiệu suất tối đa và tiết kiệm năng lượng. Ý tưởng này tuy không mới và đang được áp dụng rất nhiều trên các chipset hiện có nhưng điều tạo ra sự khác biệt cho ba dòng chip được đề cập trên là chỉ sử dụng thuật ngữ này theo từng mức độ khác nhau và giúp thiết bị tốt hơn theo thời gian.

Cấu trúc của vi xử lý Snapdragon 845

Vi xử lý trên smartphone trong 3 năm qua sử dụng kiến trúc ARM big.LITTLE kết hợp các lõi tốc độ thấp, tiết kiệm điện với các lõi tốc độ cao và tiêu thụ nhiều năng lượng nhằm sử dụng điện năng hiệu quả, giúp tuổi thọ pin được tốt hơn. Một trong số thiết bị đầu tiên sử dụng kiến trúc như vậy gồm Samsung Galaxy S4 với chip Exynos 5 do chính Samsung sản xuất, cùng hai thiết bị từ Huawei là Mate 8 và Honor 6.

Năm nay, các con chip AI đã được bổ sung thêm một số thành phần chuyên dụng để thực hiện các nhiệm vụ học máy. Và Snapdragon 845 sử dụng các lõi năng lượng thấp để thực hiện nhiệm vụ ấy, ngoài ra còn có thể sử dụng bộ xử lý tín hiệu số (DSP) để giải quyết các tác vụ nặng đòi hỏi nhiều thuật toán lặp đi lặp lại. Gary Brotman, Giám đốc Quản lý Sản phẩm Qualcomm, đứng đầu nhóm nghiên cứu AI và máy học cho nền tảng Snapdragon đã trả lời với Engadget rằng AI sẽ có thể quản lý các hoạt động như nhận dạng hình ảnh, GPU, điện năng tốt hơn.

Trong khi đó, chip A11 Bionic của Apple sử dụng một công cụ thần kinh được tích hợp trong GPU để tăng tốc độ xử lý các tính năng như nhận diện Face ID, Animoji và một số ứng dụng bên thứ ba. Điều đó có nghĩa khi bạn sử dụng các tính năng trên iPhone X mà cần sự hỗ trợ của AI, chipset sẽ tự động bật công cụ thần kinh để thực hiện các phép tính cần thiết. Cụ thể trong việc sử dụng Face ID, hệ thống sẽ xác minh bạn là ai, vẽ bản đồ biểu hiện trên khuôn mặt của bạn để mở khóa.

Trên Kirin 970, NPU đảm nhiệm các nhiệm vụ như quét và dịch thuật từ ảnh chụp bằng ứng dụng Translator của Microsoft, đây là ứng dụng của bên thứ ba duy nhất cho đến nay đã được tối ưu hóa cho chipset này. Huawei cho biết cấu trúc máy tính không đồng nhất “HiAI” sẽ tối ưu hóa hiệu suất của hầu hết các thành phần trên Kirin 970, do đó nó có thể được giao nhiều nhiệm vụ hơn về AI với một hệ thống NPU.

Tạm gác lại sự khác biệt giữa các chipset AI, kiến ​​trúc mới trên những bộ vi xử lý ấy là một thuật toán máy học được sử dụng để xử lý dữ liệu trên đám mây. Bằng cách sử dụng những bộ phận khác ngoài CPU để chạy các tác vụ AI, điện thoại của bạn có thể làm nhiều việc cùng một lúc, chẳng hạn như dịch thuật thông tin từ một bức hình và tìm kiếm hình ảnh chú cún con trong thư viện ảnh vài GB của bạn chỉ trong vài giây. Thêm vào đó, việc chạy các quy trình này trên điện thoại của bạn sẽ an toàn, riêng tư hơn thay vì gửi chúng lên đám mây, giảm cơ hội tiềm ẩn tin tặc lấy cắp dữ liệu của bạn.

Một lợi thế lớn của các chip AI là khả năng quản lí, tiết kiệm năng lượng. Sức mạnh của vi xử lý là một nguồn tài nguyên quý giá cần được tính toán, phân bổ thận trọng bởi vì một số tác vụ từ nặng đến nhẹ có thể lặp lại hằng ngày. GPU có xu hướng tiêu thụ nhiều điện năng hơn, vì vậy nếu DSP quản lý năng lượng hiệu quả sẽ giúp tăng sự ổn định về hiệu năng sau này.

Cấu trúc vi xử lý Apple A11 Bionic với hai lõi hiệu năng cao nhanh hơn 25% so với Apple A10 và bốn lõi hiệu suất cao nhanh hơn 70% so với các lõi hiệu suất năng lượng trong A10

Nói rõ hơn, các chipset không tự quyết định dùng lõi nào để giải quyết các tác vụ cụ thể. “Ngày nay, điều đó phụ thuộc vào các lập trình viên hay các OEM muốn dùng nó ở đâu”, Brotman nói. Lập trình viên có thể sử dụng các thư viện hỗ trợ như Google TensorFlow (hay cụ thể hơn là phiên bản rút gọn của nó trên điện thoại) để quyết định lõi nào sẽ đc sử dụng cho các dòng máy của họ. Qualcomm, Huawei và Apple đều sử dụng các lựa chọn phổ biến như TensorFlow Lite và Facebook’s Caffe2. Ngoài ra, Qualcomm còn hỗ trợ các thư viện mới hơn như ONNX (chuyển đổi mạng nơ-ron mở), trong khi Apple bổ sung thêm nhiều sự tương thích hơn nữa cho các mẫu mã máy học nhờ vào nền tảng Core ML của họ

Cho đến nay, không có một trong số những chipset này đã mang lại những lợi ích thật sự đáng chú ý của AI. Các nhà sản xuất chip phải tự đặt ra kết quả kiểm chứng và quy định chất lượng riêng về con chip của mình, cho đến khi AI dần phổ biến, trở thành một phần quan trọng trong cuộc sống hàng ngày của chúng ta. Do là giai đoạn đầu của việc học máy trên các thiết bị điện tử nên các nhà phát triển đã và đang tham gia, sử dụng nguồn lực này là rất ít.

Tuy nhiên, rõ ràng cuộc đua AI đang dần bắt đầu, tiến hành thực hiện các công việc liên quan đến máy học trên thiết bị giúp nó chạy nhanh hơn và tiết kiệm điện hơn. Chúng ta sẽ phải đợi một thời gian lâu hơn nữa để thấy được lợi ích thực sự của AI.