NVIDIA promuove la GPU Computing in ambito universitario

[Mirkolo]

Bella cosa! Così come sarebbe bello un unico standard per tutti.

L'ultima volta che avevo preso in mano CUDA erano supportati solo i fp a 32bit, mentre ricordo che il CAL di ATI, pur essendo molto più complesso da usare e anche meno documentato, supportava già i fp a 64bit. Cosa che nel settore della ricerca non era proprio trascurabile. Non so se ora le cose sono cambiate..

[yossarian]

Originariamente inviato da !fazz

yossirian, penso che intendeva che in nahalem si è assistito ad una diminuzione delle istruzioni gestire da microcodice ed un'aumento di quelle gestite da "circuiteria" dedicata rispetto ai core

a parte che non mi pare di vedere rivoluzioni in questo senso rispetto all'architettura core2, però non capisco il nesso tra gestione di parti di codice in HW o SW e capacità di fungere da cpu. Anche i core2 sono cpu, come lo sono i P4 e via dicendo.
Per questo chiedevo spiegazioni a Marco.

Originariamente inviato da Mirkolo

Bella cosa! Così come sarebbe bello un unico standard per tutti.

L'ultima volta che avevo preso in mano CUDA erano supportati solo i fp a 32bit, mentre ricordo che il CAL di ATI, pur essendo molto più complesso da usare e anche meno documentato, supportava già i fp a 64bit. Cosa che nel settore della ricerca non era proprio trascurabile. Non so se ora le cose sono cambiate..

cosa più che normale, visto che nVIDIA i 64 bit li ha introdotti solo con GT200 (30 alu dedicate all'interno dello shader core, una ogni semicluster di 8 alu fp32), mentre G8x/G9x non hanno la possibilità di eseguire calcoli in fp64; al contrario, le gpu ATi possono farlo da R600 in poi.

[wlog]

doppio

[wlog]

Originariamente inviato da yossarian

un transistor a sinapsi?

che è comunque troppo poco.

Andando a leggere la letteratura online, nel modello del cervello di un lombrico/topo, ogni neurone richiede circa 20 equazioni differenziali per una discreta approsimazione, e ogni equazione differenziale richiede dalle 2 alle 8 muladd (moltiplicazione+addizione, una unità di misura piu utile dei Gflops). Ogni neurone deve essere aggiornato ALMENO 80.000 volte al secondo. Ovviamente possiamo migliorare la precisione del modello aumentando a piacere i parametri.

A quanto ne so per ora sono riusciti ad arrivare a simulare 2000 neuroni impiegandoci 2 minuti per calcolare un minuto, ma l'ho letto su un libro pubblicato nel 2001, quindi probabilmente oggi saranno un po piu avanti.

p.s.: ah mi dimenticavo: stiamo parlando del sistema sensoriale. Ancora troppo complicata è la memoria e la "coscienza".

[oclla]

Originariamente inviato da wlog

che è comunque troppo poco.

Andando a leggere la letteratura online, nel modello del cervello di un lombrico/topo, ogni neurone richiede circa 20 equazioni differenziali per una discreta approsimazione, e ogni equazione differenziale richiede dalle 2 alle 8 muladd (moltiplicazione+addizione, una unità di misura piu utile dei Gflops). Ogni neurone deve essere aggiornato ALMENO 80.000 volte al secondo. Ovviamente possiamo migliorare la precisione del modello aumentando a piacere i parametri.

A quanto ne so per ora sono riusciti ad arrivare a simulare 2000 neuroni impiegandoci 2 minuti per calcolare un minuto, ma l'ho letto su un libro pubblicato nel 2001, quindi probabilmente oggi saranno un po piu avanti.

p.s.: ah mi dimenticavo: stiamo parlando del sistema sensoriale. Ancora troppo complicata è la memoria e la "coscienza".

La coscienza non sarà mai simulabile ne riproducibile.
Al massimo un sistema in grado di apprendere ed evolvere auto modificandosi.. ma come dici tu, giustamente, siamo ancora lontanissimi.

[checo]

Originariamente inviato da Marco71

Questo ante-Nehalem...se con Nehalem Intel riproporrà un paradigma già sperimentato con l'80860 (e suoi derivati) di nuovo la c.p.u tornerà ad essere e caratterizzarsi per ciò che esprime il suo acronimo: central processing unit...
Personalmente io sono (problemi tecnologici a parte) per la massima integrazione possibile...come per l'unità (o le unità) centrali a rete neurale con elementi non specializzati tipici dell'universo "Terminator" per intenderci ove sono possibili elaborazioni di ogni tipo e su qualsiasi dominio: grafico, di calcolo balistico, di elaborazione di dati provenienti da sensori, di calcolo numerico puro ecc. ecc.
Ovviamente la fame di dati da elaborare presuppone che la c.p.u o g.p.u che sia, non abbia uno dei limiti delle architetture di computer secondo Von Neumann e cioè la velocità, ampiezza di banda da e verso i banchi di memoria centrale...che sarebbe auspicabile poter un giorno integrae pure essi in una c.p.u...
Un Intel i800 con memoria interna (a questo punto non "cache" come intesa oggi) di qualche PiB, qualche centinaia di migliaia di unità di processo general purpose connesse secondo un ipercubo a dimensioni (fate voi quante) potrebbe divenire una ottima "piattaforma" per un "calcolatore universale" che probabilmente potrebbe superare il test di Turing.
Il sistema C.U.D.A di NVidia Corp. mi "intrippa" non poco...slurp...
Peccato che A.M.D ancora latiti in questo settore...per B.O.I .N.C sarebbe una vera rivoluzione...in Seti@home si potrebbe finalmente fare uso della trasformata di Karhunen-Loève in luogo dell'ubiquo utilizzo che si fa invece della trasformata discreta con algoritmi di F.F.T.
Grazie.

Marco71.

ma le nuove cpu intel non credo tornino come gli 8086, con le istruzioni dell'isa tutte codificate hw, sarebbe improponibile.
poi ipercubi e balle varie mi sa da fanta cpu e non nel senso dell' aranciata

[yossarian]

Originariamente inviato da wlog

che è comunque troppo poco.

Andando a leggere la letteratura online, nel modello del cervello di un lombrico/topo, ogni neurone richiede circa 20 equazioni differenziali per una discreta approsimazione, e ogni equazione differenziale richiede dalle 2 alle 8 muladd (moltiplicazione+addizione, una unità di misura piu utile dei Gflops). Ogni neurone deve essere aggiornato ALMENO 80.000 volte al secondo. Ovviamente possiamo migliorare la precisione del modello aumentando a piacere i parametri.

A quanto ne so per ora sono riusciti ad arrivare a simulare 2000 neuroni impiegandoci 2 minuti per calcolare un minuto, ma l'ho letto su un libro pubblicato nel 2001, quindi probabilmente oggi saranno un po piu avanti.

strano modo di chiamarle: è la prima volta che sento il termine muladd: il termine consueto di riferimento è MADD.
Al di là dei formalismi, una sinapsi è semplicemente la connessione tra due neuroni e non simuila il comportamento di un neurone; quindi i due dati non sono mutuamente escludentisi ma potrebbero integrarsi. Ovvero, per ogni neurone sono necessarie 20 equazioni che, approssimate con, diciamo 8 MADD l'una (caso peggiore) richiederebbero 160 MADD (adesso c'è da considerare se scalari o vettoriali e da valutarne la precisione di calcolo necessaria). Assumendo una precisione pari a fp32, siamo nellì'ordine delle centinaia di milioni di transistor, (ovvero, nell'ipotesi di 1 transistor a sinapsi, delle centinaia di milioni di sinapsi (l'ipercubo con connessioni point to point di cui parla Marco). Il calcolo non può essere più preciso se non si conosce il numero di registri necessario per ogni alu.

Originariamente inviato da wlog

p.s.: ah mi dimenticavo: stiamo parlando del sistema sensoriale. Ancora troppo complicata è la memoria e la "coscienza".

è il motivo per cui i critici dell'ipotesi dell'intelligenza artificiale forte ritengono impossibile la simulazione delle funzioanlità del cervello, anche nel caso se ne riesca a riprodurre l'esatta struttura dal punto di vista elettrico.

comunque siamo abbondantemente OT