GPU چیست؟ هرآنچیزی که در مورد GPU باید بدانید.

پردازش در واقع به معنای اجرای دستورالعمل‌ها و عملیات‌های منطقی و ریاضی روی داده‌هاست. این فرآیند قلب هر سیستم کامپیوتری است، جایی که داده‌های ورودی به اطلاعات مفید تبدیل می‌شوند. برای انجام این عملیات، نیاز به واحدهایی به نام پردازنده‌ها داریم که وظیفه‌ی اجرای این محاسبات را بر عهده دارند. پردازنده‌های مختلف بسته به نوع و حجم محاسبات، طراحی و وظایف متفاوتی دارند.

دو نوع پردازش رایج، پردازش سریالی و پردازش موازی است. CPU هایی که کامپیوتر‌‌های معمولی و موبایل‌های ما دارند، پردازش را به صورت سریالی انجام می‌دهند. پردازش سریالی به این معنا است که اعمال محاسباتی را یکی پس از دیگری انجام می‌دهند.

اما وقتی که نیاز به پردازش همزمان حجم زیادی از داده‌ها وجود دارد، دیگر روش سریالی کارایی ندارد. در این هنگام است که GPU با پردازش موازی خود وارد عمل می‌شود. این نوع پردازنده قادر است به‌صورت همزمان هزاران عملیات را انجام دهد، که برای هوش مصنوعی، شبیه‌سازی‌های علمی، و حتی پردازش‌های گرافیکی بسیار کارآمد است.

البته پردازنده‌های دیگری هم داریم. مثلاً ASIC (مدارهای مجتمع با کاربرد خاص) و FPGA (آرایه‌های گیت قابل برنامه‌ریزی) نیز برای وظایف خاص و سفارشی طراحی شده‌اند که هرکدام در زمینه‌های ویژه‌ای مثل بلاک‌چین یا پردازش سیگنال به کار می‌روند.

GPUها چگونه به اینجا رسیدند؟

تاریخچه‌ی GPU به دهه‌ی ۹۰ میلادی بازمی‌گردد، زمانی که این پردازنده‌ها برای رندرینگ گرافیکی در بازی‌های ویدیویی و نرم‌افزارهای سه‌بعدی معرفی شدند. شرکت‌هایی مثل NVIDIA و ATI (که بعدها توسط AMD خریداری شد) از اولین تولیدکنندگان GPU بودند. اولین هدف این پردازنده‌ها، افزایش سرعت و کیفیت پردازش‌های گرافیکی بود تا بازی‌ها و برنامه‌های گرافیکی بتوانند تصاویر را با جزئیات بیشتر و روان‌تر نمایش دهند.

با گذشت زمان، محققان متوجه شدند که معماری موازی GPUها، فراتر از کارهای گرافیکی، برای انجام محاسبات پیچیده‌ای مثل پردازش داده‌های علمی و یادگیری ماشین نیز مناسب است. در اوایل دهه‌ی ۲۰۱۰، وقتی مدل‌های هوش مصنوعی به‌ویژه شبکه‌های عصبی عمیق  به حجم زیادی از داده‌ها برای آموزش نیاز پیدا کردند، GPUها وارد میدان شدند. این تحول با ارائه‌ی CUDA توسط NVIDIA در سال ۲۰۰۶، که امکان برنامه‌نویسی مستقیم روی GPU را فراهم می‌کرد، سرعت گرفت و به پیشرفت‌های بزرگ در هوش مصنوعی کمک کرد.