Open Access 2019 | OriginalPaper | Buchkapitel
Hardware für KI
verfasst von : Markus Schürholz, Eike-Christian Spitzner
Erschienen in: Künstliche Intelligenz
Verlag: Springer Berlin Heidelberg
Die KI ist bereits seit Jahrzehnten ein Thema in der Forschung, wobei die Konferenz „Dartmouth Summer Research Project on Artificial Intelligence“ im Jahr 1956 als Startpunkt systematischer Forschungsanstrengungen gilt. Den wirklichen Durchbruch brachte allerdings erst in den vergangenen Jahren der Einsatz von künstlichen neuronalen Netzen (KNN) mit Methoden des tiefen Lernens (Deep Learning, DL), welche rudimentär Abläufe im Nervensystem nachbilden (siehe auch Einleitung Teil A). Wichtige Treiber sind aber nicht nur die Konzepte der KNN, sondern vor allem auch die Entwicklung der Rechentechnik, auf der entsprechende Verfahren ausgeführt werden. Während man zu Beginn auf leistungsfähige Allzweckprozessoren (central processing unit, CPU) zurückgriff, werden seit einigen Jahren vorrangig Prozessoren verwendet, die ursprünglich für Grafikkarten zur Bildausgabe gedacht waren (graphics processing unit, GPU). Aktuell werden diese zunehmend zu Spezialprozessoren (application-specific integrated circuit, ASIC) für KI-Anwendungen weiterentwickelt. Zusätzlich verfolgt man den Ansatz, die Struktur von KNN direkt in der Architektur eines Prozessors abzubilden (neuromorphe Hardware). Dabei sind erste Versuche erfolgversprechend.