GPU, Chip, Model, Compute: Những Từ Phần Cứng Đằng Sau Lớp Hào Nhoáng AI

GPU, Chip, Model, Compute: Những Từ Phần Cứng Đằng Sau Lớp Hào Nhoáng AI

Bạn đang đọc một bài viết về hệ thống AI mới, và chỉ trong ba câu, tác giả đã nhắc tới chip, GPU, model và "compute" như thể đó là thứ bạn có thể rót vào ly. Bạn gật gù theo, nhưng đâu đó trong đầu một giọng nói nhỏ hỏi: khoan, cái nào mới thật sự là bộ não, còn cái nào chỉ là chiếc hộp chứa nó?

Sự bối rối đó hoàn toàn bình thường. Những từ này đi chung với nhau, nghe rất kỹ thuật, và rất nhiều câu chữ quảng cáo cố tình dùng chúng một cách lỏng lẻo. Tin vui là một khi bạn tách phần cứng ra khỏi phần mềm, toàn bộ vốn từ này lập tức rơi đúng vào chỗ của nó.

Câu Trả Lời Nhanh

chip là một mẩu phần cứng nhỏ; GPU là một loại chip cụ thể giỏi thực hiện nhiều phép tính nhỏ cùng lúc. compute là từ thân mật chỉ sức xử lý thô hoặc tài nguyên. model hoàn toàn không phải phần cứng — đó là hệ thống phần mềm đã được huấn luyện, chạy trên những chip kia. Chip làm việc; còn model là thứ được chạy.

Từ Khóa

  • Chip — Một mẩu phần cứng nhỏ, còn gọi là mạch tích hợp, chứa các linh kiện điện tử. Nó là một vật thể vật lý. "Processor" và "chip" có chỗ chồng lấn, nhưng "processor" nhấn mạnh phần thực hiện phép tính, còn "chip" chỉ đơn vị vật lý nói chung.
  • Processor — Linh kiện thực thi các lệnh. CPU (central processing unit, bộ xử lý trung tâm) là bộ xử lý đa dụng trong hầu hết thiết bị. Nó giỏi xử lý một tác vụ phức tạp tại một thời điểm, theo thứ tự.
  • GPU — Graphics processing unit (bộ xử lý đồ họa). Ban đầu được tạo ra để vẽ hình ảnh lên màn hình, hóa ra GPU lại cực kỳ giỏi chạy nhiều phép tính đơn giản song song, đúng thứ mà hệ thống AI cần. Đó là lý do GPU trở thành ngôi sao của phần cứng AI.
  • Compute — Ở đây dùng như danh từ, nghĩa là sức xử lý hoặc tài nguyên cần để chạy một tác vụ. "This needs a lot of compute" nghĩa là "cái này cần nhiều năng lực xử lý". Đây là cách nói tắt, không phải đơn vị kỹ thuật chính xác.
  • Model — Một hệ thống phần mềm đã huấn luyện, nhận đầu vào và tạo ra đầu ra. Nó là phần mềm. model được nhào nặn bởi dữ liệu; nó không tồn tại dưới dạng một chip bạn cầm được.
  • Training — Quá trình tạo ra một model bằng cách nạp dữ liệu để nó tự điều chỉnh các thiết lập bên trong.
  • Inference — Quá trình dùng một model đã huấn luyện sẵn để tạo ra câu trả lời.
  • Accelerator — Một từ chung chỉ con chip được thiết kế để tăng tốc một loại công việc cụ thể. GPU là một kiểu accelerator. Bạn cũng sẽ thấy các accelerator khác được làm riêng cho tác vụ AI. Từ này cho biết con chip có nhiệm vụ tập trung, chứ không phải nó bí ẩn.
  • Cluster — Một nhóm nhiều chip được nối với nhau để hoạt động như một tài nguyên lớn. Khi người ta nói một model được huấn luyện "on a cluster", họ muốn nói cả một phòng phần cứng được nối với nhau đã làm việc đó, chứ không phải một con chip đơn lẻ.

Những Cái Bẫy Thường Gặp

Cái bẫy lớn nhất là coi chip là "the AI". Người ta nói "this chip is the AI" hay "they built the AI into the chip". chip là phần cứng. Hành vi kiểu AI đến từ một model, là phần mềm chạy trên phần cứng đó. chip giúp AI hoạt động được; nó không phải là AI.

Cái bẫy thứ hai là lẫn lộn GPU và chip như thể chúng là hai loại khác nhau. GPU chính là một chip — một loại chip chuyên dụng. Hỏi "should we use a chip or a GPU?" hơi giống như hỏi "mình nên mang phương tiện hay mang xe đạp?". Xe đạp là một phương tiện. Câu hỏi rõ ràng hơn là "CPU hay GPU?".

Thứ ba, dùng "compute" như một thứ đếm được. Bạn sẽ thấy "we need more compute". Là cách nói thân mật thì ổn, nhưng để ý rằng ở đây nó là danh từ không đếm được. Bạn không nói "three computes". Hãy coi nó như "more processing power".

Thứ tư, nhầm lẫn training và inference. training tạo ra model, tốn kém và chậm. inference chạy model đã hoàn thiện và tương đối nhanh. Khi một bài viết nói một hệ thống "learned" điều gì mới, đó là training. Khi nó trả lời câu hỏi của bạn, đó là inference. Dùng hai từ này thay cho nhau khiến mô tả của bạn trở nên mơ hồ.

Thứ năm, cho rằng chip nhanh hơn thì tự động nghĩa là model thông minh hơn. Phần cứng tốt hơn giúp model chạy nhanh hơn hoặc cho phép một model lớn hơn tồn tại, nhưng chip không làm model khôn ngoan hơn. Hành vi giống trí tuệ đến từ cách model được huấn luyện, chứ không phải từ tốc độ xung nhịp.

Cái bẫy thứ sáu là lẫn lộn "a model" với "an app". app bạn chạm vào là lớp vỏ thân thiện; model là động cơ đang rì rì bên dưới, thường chạy trên những chip ở xa mà bạn chẳng bao giờ thấy. Khi một tiêu đề nói một công ty "released a new model", nó đang nói về động cơ đó, dù chẳng có app mới nào xuất hiện trên màn hình bạn. Tách động cơ và bảng điều khiển trong đầu giúp bạn đọc tin tức dễ hơn.

Cái bẫy thứ bảy đáng nhắc tới là cụm từ thân mật "runs on the cloud". Nó không nghĩa là công việc lơ lửng trong không khí; nó nghĩa là việc đó xảy ra trên chip của người khác trong một trung tâm dữ liệu, rồi kết quả được gửi lại cho bạn. "the cloud" (đám mây) chỉ là phần cứng của người khác, truy cập qua mạng. Nói một model "lives in the cloud" thực ra nghĩa là nó sống trên chip ở đâu đó khác.

Ví Dụ Tự Nhiên vs Gượng Gạo

Gượng gạo: Their new chip can write essays and answer questions.

Tự nhiên: Their new model can write essays and answer questions; it runs on their latest chips.

Gượng gạo: We should switch from a chip to a GPU for this.

Tự nhiên: We should switch from a CPU to a GPU for this, since the task runs in parallel.

Kém tự nhiên: The AI is trained every time you ask it something.

Tốt hơn: The model was trained once; each question you ask is just inference.

Kém tự nhiên: This will require many computes.

Tốt hơn: This will require a lot of compute.

Kém tự nhiên: The cloud thinks about your question and replies.

Tốt hơn: The model runs on chips in a data center and sends the reply back.

Để ý cách các phiên bản tự nhiên giữ phần cứng (chip, GPU) tách khỏi phần mềm (model), và coi "compute" như một tài nguyên không đếm được. Nguyên tắc đó cũng áp dụng cho "the cloud": gọi tên phần cứng đang làm việc thay vì để một từ mơ hồ đứng thay nó.

Bảng Tóm Tắt

Word Thường bị nhầm với Thực chất nó là gì
Chip Chính bản thân AI Một mẩu phần cứng vật lý chứa mạch điện
GPU Một thứ tách biệt khỏi chip Một loại chip chuyên dụng giỏi tính toán song song
Compute Một vật đếm được Sức xử lý hoặc tài nguyên không đếm được
Model Một con chip hay thiết bị Phần mềm đã huấn luyện, chạy trên phần cứng

Luyện Tập Nhanh

Hãy viết lại hoặc trả lời từng câu. Đáp án gợi ý theo sau.

  1. Điền vào chỗ trống: "The ______ runs on thousands of GPUs." (từ chỉ phần cứng hay phần mềm?)
  2. Đúng hay sai: GPU và chip là hai loại hoàn toàn khác nhau.
  3. Viết lại cho tự nhiên: "We bought more computes for the project."
  4. Từ nào hợp: "Answering your question is an example of ______ (training / inference)."
  5. Tìm lỗi: "Their faster chip made the AI much smarter."

Đáp án: (1) model — nó là phần mềm chạy trên phần cứng. (2) Sai — GPU là một loại chip. (3) "We bought more compute for the project." (4) inference. (5) Một con chip nhanh hơn có thể giúp model chạy nhanh hơn hoặc cho phép một model lớn hơn, nhưng nó không trực tiếp làm model thông minh hơn; cách diễn đạt đã thổi phồng vai trò của chip.

Điều Cần Nhớ

Cách nhanh nhất để nói rõ ràng về phần cứng AI là khắc chắc một dòng trong đầu: chip và GPU là vật vật lý, còn model là phần mềm đã huấn luyện chạy trên chúng, trong khi "compute" chỉ là cách nói tắt cho sức xử lý. Một khi bạn giữ vững dòng đó, câu chữ quảng cáo thôi còn là màn sương mù. Bạn sẽ bắt được khoảnh khắc ai đó gọi một con chip là "the AI", và biết phải thầm thay vào từ đúng. Chẳng có điều nào ở đây đòi hỏi bằng kỹ sư — nó chỉ đòi hỏi việc giữ phần cứng và phần mềm trong làn đường riêng của mỗi thứ, và coi "compute" như một tài nguyên chứ không phải một món đồ.