Di quale PC ho bisogno per lo sviluppo dell'intelligenza artificiale?

Che si tratti di sviluppare le medicine che prendiamo, di scegliere il prossimo video da guardare o semplicemente di controllare il meteo, l'IA sta trovando un modo per influenzare la vita di tutti i giorni. Con il miglioramento dell'hardware dei computer, lo sviluppo di un'intelligenza artificiale a casa diventa sempre più accessibile ai piccoli sviluppatori e agli appassionati. Oggi esamineremo alcune delle considerazioni sull'hardware che dovrete fare prima di costruire un PC per lo sviluppo dell'IA.

Non è un segreto che quando si sviluppa l'IA, più grande è meglio. Le più grandi aziende del mondo spendono milioni di dollari per acquistare le migliori attrezzature per sviluppare l'IA. Sebbene sia possibile sfruttare una parte di questa potenza, costruire il proprio sistema potrebbe aiutare a ottimizzare il flusso di lavoro e a risparmiare denaro nel lungo periodo.

Tenete presente che l'ampia applicazione dell'IA e dell'apprendimento automatico significa anche che non esiste una soluzione unica per tutti, quindi assicuratevi di prendere in considerazione le dimensioni e i tipi di dati con cui prevedete di lavorare. Questa guida vuole essere solo il punto di partenza per considerare i diversi fattori che possono influire sulle vostre esigenze di sviluppo dell'IA.

Per iniziare con una base solida, è importante utilizzare una CPU potente con un numero elevato di core, hyperthreading e velocità elevate in grado di spostare rapidamente le grandi quantità di dati da inserire. Inoltre, bisogna considerare i processi ad alta intensità di CPU che fanno parte del flusso di lavoro dello sviluppo. Cose come le simulazioni fisiche e la preelaborazione, che possono far parte del normale carico di lavoro, possono aggiungere un carico significativo quando vengono applicate su larga scala.

Oltre al carico di lavoro tipico della CPU, è necessario assicurarsi che sia in grado di supportare il resto del sistema. Sebbene questa non sia una preoccupazione normale per il videogiocatore medio, potreste voler andare oltre le normali esigenze per alimentare il vostro progetto personale. Le CPU di fascia più alta, come la linea Xeon di Intel e la serie Threadripper di AMD, sono in grado di supportare 8 o più stick di RAM e di gestire fino a 4 schede grafiche grazie alle loro corsie PCIe extra. In realtà alcune schede madri possono supportare più di 4 GPU, ma stiamo correndo troppo.

NVIDIA è innegabilmente all'avanguardia nell'accelerazione via GPU delle applicazioni di machine learning e AI. La sua posizione dominante sul mercato significa che, dal punto di vista del software, molti framework di ML sono specificamente ottimizzati per le GPU NVIDIA. Ciò è dovuto in gran parte ai core tensoriali che sono stati inclusi in tutte le schede RTX a partire dalla serie 20. I tensor core sono chip dedicati che si specializzano nelle funzioni utilizzate per addestrare le reti neurali. Hanno reso possibili molte nuove funzioni come le operazioni a precisione mista, consentendo un maggiore controllo sul compromesso tra velocità e profondità.

Con i crescenti requisiti di VRAM, anche i giocatori più comuni sono alla ricerca di qualcosa in più e lo stesso vale per gli sviluppatori. Alcuni dei più popolari prodotti di intelligenza artificiale e ML ruotano attorno alla generazione e alla manipolazione di immagini. L'addestramento di questo tipo di reti richiede un set di dati di immagini che verranno scritti nella VRAM durante l'addestramento. 12 GB sono sufficienti per iniziare ma, come sempre, considerate il tipo di lavoro che farete e regolatevi di conseguenza.

La RAM segue una storia simile a quella della VRAM. Consentirà al computer di preparare serie di dati e istruzioni più grandi, che varieranno in modo sostanziale a seconda del tipo di lavoro che si sta svolgendo. In genere si consiglia di caricare la totalità dei dati di test nella RAM prima di lavorarci sopra, quindi è sempre consigliabile disporre di grandi volumi. Raccomandiamo almeno 32 GB, ma con l'avvento delle DDR5 è ora possibile ottenere fino a 48 GB su un singolo stick. Ad esempio, il nostro kit CORSAIR VENGEANCE 2x48GB sarebbe perfetto per questa applicazione.

Infine, tutti questi dati dovranno essere archiviati a lungo termine. Le elevate velocità delle unità SSD NVMe saranno fondamentali per spostare grandi quantità di dati nella RAM, il che è fondamentale se si lavora con più dati di quanti ne possa contenere la RAM. Le unità NVMe di fascia alta, come il nostro MP600, possono contenere fino a 4 TB di dati, ma per l'archiviazione a lungo termine di volumi più elevati si possono utilizzare unità SATA o HDD più lente. Per il processo di formazione, queste unità non sono consigliate, ma potrebbero essere l'unica opzione per set di dati estremamente grandi.

Man mano che il settore implementa un maggior numero di hardware dedicato all'IA, l'utilizzo e la creazione di software di deep learning stanno diventando sempre più accessibili. Ci auguriamo che questa guida vi aiuti a riflettere su alcune delle considerazioni che dovrete fare quando costruite un PC per lo sviluppo dell'IA. Visitate CORSAIR.com per trovare i nostri migliori prodotti per il raffreddamento, la RAM, lo storage e altro ancora per la vostra prossima realizzazione.