Clé à emporter
- Les GPU sont comme des bus: plus lents que les voitures de sport, mais bien meilleurs pour déplacer un grand nombre de chiffres en parallèle.
- Les GPU sont utilisés dans l'apprentissage automatique, la médecine, le traitement d'images et les jeux.
- L'Iris Xe Max d'Intel est conçu pour rendre les ordinateurs portables plus puissants pour les créateurs et l'IA.
Le nouveau processeur graphique Iris Xe Max d'Intel apparaît maintenant dans les ordinateurs portables, et de l'avis de tous, c'est un gros problème. Mais qu'est-ce qu'un GPU et pourquoi est-ce important ? Spoiler: Il ne s'agit pas de jeux, ni même de graphismes.
Le processeur de votre ordinateur, celui qui effectue le travail quotidien, est coûteux et hautement spécialisé. Un GPU, en revanche, est vraiment très bon en maths. Plus précisément, ils peuvent multiplier de grands nombres et effectuer de très nombreuses opérations en parallèle. Cela les rend bons pour générer des graphiques 3D complexes, mais ils sont utilisés pour beaucoup plus.
"Les GPU sont parfaits pour le Big Data, l'apprentissage automatique et le traitement d'images", a déclaré l'animateur 3D David Rivera à Lifewire via un message instantané. "J'ai de nombreux collègues qui l'utilisent en médecine pour obtenir des résultats d'IRM."
Grandes mathématiques, grandes images
Tout ce qui nécessite beaucoup de calculs compliqués est parfait pour le déchargement sur le GPU.
"Les graphismes sont généralement très puissants, car le calcul de la vidéo 3D est très complexe", a déclaré Miquel Bonastre, ingénieur en informatique basé à Barcelone, à Lifewire via un message instantané. Mais bientôt, les experts en informatique ont réalisé que ces machines mathématiques pouvaient être utilisées pour toutes sortes de tâches intensives en mathématiques.
"Désormais, des clusters de supercalcul sont également créés avec des GPU. Ils sont utilisés pour les calculs scientifiques, l'ingénierie, etc. ", explique Bonastre. Un autre avantage du GPU est qu'il est facile à mettre à l'échelle. Il est conçu pour exécuter des opérations identiques en parallèle, donc ajouter plus de puces (ou simplement plus de cœurs à la conception de la puce, ce qui la rend plus grande) rend tout plus rapide.
Un GPU est également idéal pour le traitement des photographies. Par exemple, la suite de retouche photo Lightroom d'Adobe peut décharger le travail sur le processeur graphique de votre Mac ou de votre PC pour « fournir des améliorations significatives de la vitesse sur les écrans haute résolution », ce qui inclut les moniteurs 4K et 5K.
"Les processeurs sont optimisés pour la latence: pour terminer une tâche le plus rapidement possible", écrit le consultant en intelligence artificielle Ygor Rebouças Serpa. "Les GPU sont optimisés pour le débit: ils sont lents, mais ils fonctionnent sur des masses de données à la fois." Serpa compare un CPU à une voiture de sport et un GPU à un bus. Le bus est beaucoup plus lent, mais il peut déplacer beaucoup plus de personnes.
Qu'en est-il de votre téléphone ?
Le GPU de votre téléphone est utilisé pour piloter son écran à très haute résolution et pour exécuter les graphiques. C'est pourquoi le téléphone devient chaud lorsque vous jouez à un jeu: le processeur graphique s'enclenche et votre téléphone n'a pas de ventilateur pour le refroidir.
Sur l'iPhone, le GPU est utilisé pour la reconnaissance d'images, l'apprentissage du langage naturel et l'analyse de mouvement. C'est-à-dire qu'il traite les images et les vidéos au fur et à mesure que vous les filmez, et plus encore.
Les GPU sont parfaits pour le Big Data, l'apprentissage automatique et le traitement d'images.
Mais ce n'est pas tout. Les iPhones et iPads récents d'Apple contiennent un "moteur neuronal". Il s'agit d'une grosse puce, spécialement conçue pour effectuer des tâches d'apprentissage automatique. Ce n'est pas un GPU, mais son concept est semblable à celui d'un GPU, en ce sens qu'il résout des problèmes mathématiques difficiles en un rien de temps. La dernière version est, selon Apple, « capable d'effectuer jusqu'à 11 000 milliards d'opérations par seconde ».
Apprentissage automatique
Le plus grand mot à la mode dans l'informatique en ce moment est peut-être "l'apprentissage automatique". Cela implique de montrer à l'ordinateur de nombreux exemples et de laisser l'ordinateur déterminer les similitudes et les différences. Les GPU sont parfaits pour cela car ils peuvent afficher plus d'exemples par seconde. Cependant, une fois cette formation terminée, le GPU n'est plus nécessaire. Tous les algorithmes appris peuvent être exécutés plus rapidement par le CPU.
Maintenant, revenons au nouveau GPU Iris Xe Max d'Intel. Il est conçu pour fonctionner dans "des ordinateurs portables fins et légers et [pour] s'adresser à un segment croissant de créateurs qui veulent plus de portabilité", a déclaré le vice-président d'Intel, Roger Chandler, dans un communiqué. Autrement dit, il est destiné à améliorer les ordinateurs portables à puissance réduite pour l'édition de vidéos, de photos et de toute autre activité gourmande en GPU. Oui, y compris l'IA.
L'Iris Xe Max est conçu pour l'apprentissage automatique. Peut-être que sa première tâche sera d'apprendre à prononcer son propre nom.
