Nvidia GPUs

Mit Rechenleistung an die Spitze der KI

Vom Gamer-Freund zum KI-König: Die Entwicklung des Grafikprozessorherstellers NVIDIA.

Titan Supercomputer im Oak Ridge National Laboratory, NVIDIA GPUs inside

Wer seinen Desktopcomputer für Games nutzt, hat mit hoher Wahrscheinlichkeit eine GeForce-Grafikkarte eingebaut, denn der Marktanteil des Herstellers Nvidia liegt bei ungefähr 70 Prozent. Kern der Grafikkarten ist ein auf Grafikberechnungen spezialisierter Prozessor. Er wird als GPU (Graphics Processing Unit) bezeichnet, um ihn vom Hauptprozessor (CPU) zu unterscheiden.

Ohne die teils enormen Rechenleistungen der GPUs wären moderne Computerspiele mit ihren fotorealistischen Echtzeit-Grafiken undenkbar. Doch die Rechenknechte haben in den letzten Jahren auch andere Einsatzgebiete erobert, beispielsweise beim Codeknacken. Wer versuchen will, kryptografische Schlüssel oder Passwörter zu knacken, benötigt enorm viel Rechenleistung.

Je mehr Power, desto kürzer ist die Zeit für die oft eingesetzte Brute-Force-Methode. Bei ihr wird jede beliebige Kombination von Zeichen ausprobiert, bis der Schlüssel errechnet ist. Die schnellsten verfügbaren Einzel-PC können etwas mehr als zwei Milliarden Schlüssel pro Sekunde testen. Passwörter mit weniger als zehn Zahlen, Groß- und Kleinbuchstaben können sehr schnell geknackt werden, neunstellige nach 72 Tagen, achtstellige nach einem. Durch den Einsatz von parallel geschalteten GPUs geht es dann noch etwas schneller.

Die Spitzenmodelle des Herstellers bieten eine Rechenleistung von mehr als 20 Teraflops, also etwa 20 Billionen Rechenoperationen pro Sekunde. Zum Vergleich: Die derzeit besten Intel Core-I7-Prozessoren mit vier Kernen finden sich in recht vielen Hochleistung-PC und kommen gerade mal auf etwas mehr als ein Teraflop. Für Deep Learning und High Performance Computing werden üblicherweise viele GPUs parallel eingesetzt. Ein Beispiel: Einer der im Moment leistungsstärksten Supercomputer ist der Cray Titan des Oak Ridge National Laboratory in Tennessee (USA). Er nutzt neben mehr als 18.000 AMD-Hauptprozessoren ebenso viele Nvidia-GPUs. Sie tragen etwa 90 Prozent der Rechenlast des Computers.

Alle Prozessorhersteller setzen auf KI

Diese gigantischen Rechenleistungen haben auch Unternehmen aus dem Bereich KI auf die Nvidia-Grafikprozessoren aufmerksam gemacht. Die zurzeit besten KI-Verfahren basieren auf lernfähigen neuronalen Netzen, die allerdings bis vor wenigen Jahren an der nicht ausreichenden Rechenkraft der verfügbaren Computer gescheitert sind. Ernsthafte, alltagstaugliche Anwendungen waren damit nicht möglich, erst der Einsatz von Nvidia-GPUs hat hier einen großen Aufschwung gebracht.

Denn die Mathematik der neuronalen Netzwerke ist vergleichsweise einfach und mit „Grafikmathe“ verwandt. Das Problem ist die schlichte Anzahl der notwendigen Berechnungen bei einem Neuronetz in sinnvoller Größe und die enormen Datenmengen, die für die Lernverfahren benutzt werden. So werden Neuronetze für die Bilderkennung mit Sammlungen aus Millionen von Fotos gefüttert. Diese Datenmassen müssen durch alle Schichten des neuronalen Netzwerkes geschleust werden, mit der Konsequenz eines enormen Rechenaufwandes.

Inzwischen baut Nvidia sogar spezielle KI-Supercomputer, die in erster Linie für das Visual Processing gedacht sind und zur Entwicklung von selbstfahrenden Autos und autonomen Robotern beitragen sollen. Beides basiert sehr stark auf Echtzeit-Bilderkennung, einem der Spezialgebiete von GPUs. Das Unternehmen ist daneben noch in der Medizinforschung aktiv. Es hilft bei der Entwicklung von KI-Technologien für das Erkennen von Krebserkrankungen. Dafür werten die neuronalen Netze die Ergebnisse bildgebender Verfahren (MRT-Scans) aus und sind zumindest im Experiment deutlich besser als menschliche Diagnostiker.

Das starke Engagement bei der künstlichen Intelligenz hat sich für Nvidia ausgezahlt: Der Aktienwert ist allein im letzten Jahr um mehr als 220 Prozent gestiegen Dies liegt unter anderem daran, dass Nvidia in den letzten Monaten seinen Geschäftsbereich für High Performance Computing stark ausgebaut hat, sodass sich die Umsätze hier knapp verdoppelten. Allerdings hat das Unternehmen starke Verfolger. So bauen sowohl Intel als auch AMD, der große Konkurrent im Grafikbereich, die KI-Geschäftsbereiche stark aus. Die Unternehmen erwarten Wachstum, denn wenn sich KI-Verfahren tatsächlich auf breiter Front durchsetzen, wird in den nächsten Jahren der Wunsch nach entsprechender Rechenleistung größer werden.

Bildquelle: Nvidia

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok