Одержимость ИИ графическими процессорами ослепляет нас к более дешевому и умному решению

Графические процессоры (GPU) стали стандартным оборудованием для многих задач, связанных с искусственным интеллектом, но такой подход создал слепое пятно, которое нас сдерживает. GPU невероятно хороши в параллельных вычислениях огромных объемов данных, что идеально подходит для обучения больших языковых моделей или выполнения высокоскоростного AI-вывода. Однако центральные процессоры (CPU) по-прежнему очень функциональны и забываются, что может стоить нам времени, денег и возможностей. CPU не устарели и могут использоваться для задач ИИ эффективно и экономично, если только мы дадим им шанс. Задачи ИИ включают в себя запуск небольших моделей, интерпретацию данных, управление логическими цепочками, принятие решений, поиск документов и ответы на вопросы, что требует гибкого мышления и логики. CPU впечатляют тем, для чего они были созданы: для гибких, логических операций. Автономные агенты, использующие ИИ для выполнения задач, могут работать на CPU, и даже вывод можно выполнять на CPU, особенно с использованием небольших, оптимизированных моделей. Децентрализованные вычислительные сети, такие как DePINs, позволяют людям вносить свой вклад, используя неиспользуемые вычислительные мощности, создавая глобальную сеть, к которой могут подключаться другие, что делает ее дешевле, масштабируемее и приближает вычисления к периферии. Изменив свое мышление и используя децентрализованные сети для направления рабочих нагрузок ИИ на правильный тип процессора, мы можем раскрыть масштаб, эффективность и устойчивость. Пришло время перестать относиться к CPU как к второсортным компонентам в мире ИИ и переосмыслить то, как мы масштабируем инфраструктуру ИИ.