តើ Neural Engine នៅលើ Apple Silicon Macs សម្រាប់អ្វី?

នៅពេលដែល Apple ប្តូរពី Intel processors ទៅជាដំណោះស្រាយផ្ទាល់របស់ខ្លួនក្នុងទម្រង់ជាបន្ទះឈីប Apple Silicon សម្រាប់កុំព្យូទ័ររបស់ខ្លួន វាបានធ្វើអោយប្រសើរឡើងយ៉ាងខ្លាំងនូវដំណើរការ និងការប្រើប្រាស់ថាមពល។ សូម្បីតែក្នុងអំឡុងពេលនៃការធ្វើបទបង្ហាញក៏ដោយ គាត់បានគូសបញ្ជាក់ពីដំណើរការសំខាន់ៗ ដែលរួមគ្នាបង្កើតជាបន្ទះឈីបទាំងមូល និងនៅពីក្រោយសមត្ថភាពរបស់វា។ ជាការពិតណាស់ ក្នុងន័យនេះ យើងមានន័យថា CPU, GPU, Neural Engine និងផ្សេងៗទៀត។ ខណៈពេលដែលតួនាទីរបស់ CPU និង GPU ត្រូវបានគេស្គាល់ជាទូទៅ អ្នកប្រើប្រាស់ Apple មួយចំនួននៅតែមិនច្បាស់ថា តើ Neural Engine ប្រើប្រាស់សម្រាប់អ្វីនោះទេ។

ក្រុមហ៊ុនយក្ស Cupertino នៅ Apple Silicon គឺផ្អែកលើបន្ទះឈីបរបស់ខ្លួនសម្រាប់ iPhone (A-Series) ដែលត្រូវបានបំពាក់ដោយប្រព័ន្ធដំណើរការស្ទើរតែដូចគ្នា រួមទាំង Neural Engin ដែលបានរៀបរាប់ខាងលើផងដែរ។ ទោះយ៉ាងណាក៏ដោយ សូម្បីតែឧបករណ៍មួយក៏មិនច្បាស់ដែរថា តើវាប្រើប្រាស់អ្វីពិតប្រាកដ និងហេតុអ្វីបានជាយើងត្រូវការវាទាល់តែសោះ។ ខណៈពេលដែលយើងមានភាពច្បាស់លាស់អំពីបញ្ហានេះសម្រាប់ CPU និង GPU សមាសធាតុនេះត្រូវបានលាក់ច្រើន ឬតិច ខណៈពេលដែលវាធានានូវដំណើរការសំខាន់ៗនៅក្នុងផ្ទៃខាងក្រោយ។

ហេតុ​អ្វី​បាន​ជា​ល្អ​ដែល​មាន Neural Engine

ប៉ុន្តែ​សូម​បំភ្លឺ​ខ្លះៗ​អំពី​ចំណុច​សំខាន់ ឬ​ជា​រឿង​ល្អ​ដែល​ម៉ាស៊ីន Mac របស់​យើង​មាន​បន្ទះ​ឈីប Apple Silicon ត្រូវ​បាន​បំពាក់​ដោយ​ប្រព័ន្ធ​ដំណើរការ Neural Engine ពិសេស។ ដូចដែលអ្នកបានដឹងហើយថាផ្នែកនេះគឺពិសេសសម្រាប់ធ្វើការជាមួយបញ្ញាសិប្បនិម្មិត និងការរៀនម៉ាស៊ីន។ ប៉ុន្តែវាមិនចាំបាច់បង្ហាញច្រើននោះទេ។ ទោះជាយ៉ាងណាក៏ដោយ ប្រសិនបើយើងសង្ខេបវាជាទូទៅ យើងអាចនិយាយបានថាខួរក្បាលដំណើរការដើម្បីបង្កើនល្បឿនការងារដែលពាក់ព័ន្ធ ដែលធ្វើឱ្យការងាររបស់ GPU បុរាណមានភាពងាយស្រួលគួរឱ្យកត់សម្គាល់ និងបង្កើនល្បឿនការងាររបស់យើងទាំងអស់នៅលើកុំព្យូទ័រដែលបានផ្តល់ឱ្យ។

នេះជារបៀបដែល Apple បង្ហាញបន្ទះឈីប M1

mpv-shot0102

mpv-shot0104

mpv-shot0106

mpv-shot0108

mpv-shot0109

mpv-shot0113

mpv-shot0115

mpv-shot0117

ជាពិសេស ម៉ាស៊ីនសរសៃប្រសាទត្រូវបានប្រើសម្រាប់កិច្ចការពាក់ព័ន្ធ ដែលនៅ glance ដំបូង វាមិនខុសគ្នាពីវិធីធម្មតាណាមួយឡើយ។ នេះអាចជាការវិភាគវីដេអូ ឬការទទួលស្គាល់សំឡេង។ ក្នុង​ករណី​បែប​នេះ ការ​រៀន​របស់​ម៉ាស៊ីន​ចូល​មក​ក្នុង​ការ​លេង ដែល​តម្រូវ​ឱ្យ​យល់​បាន​អំពី​ការ​អនុវត្ត និង​ការ​ប្រើប្រាស់​ថាមពល។ ដូច្នេះ វាពិតជាមិនឈឺចាប់ទេក្នុងការមានជំនួយការជាក់ស្តែងដោយផ្តោតលើបញ្ហានេះ។

បន្ទះឈីប M1 និងសមាសធាតុសំខាន់ៗរបស់វា។

កិច្ចសហប្រតិបត្តិការជាមួយ Core ML

ក្របខ័ណ្ឌ Core ML របស់ Apple ក៏ដើរទន្ទឹមគ្នាជាមួយនឹង processor ខ្លួនឯងផងដែរ។ តាមរយៈវា អ្នកអភិវឌ្ឍន៍អាចធ្វើការជាមួយគំរូសិក្សាម៉ាស៊ីន និងបង្កើតកម្មវិធីគួរឱ្យចាប់អារម្មណ៍ ដែលបន្ទាប់មកនឹងប្រើប្រាស់ធនធានដែលមានទាំងអស់សម្រាប់មុខងាររបស់ពួកគេ។ នៅលើ iPhone និង Macs ទំនើបៗដែលមានបន្ទះឈីប Apple Silicon, Neural Engine នឹងជួយពួកគេក្នុងរឿងនេះ។ យ៉ាងណាមិញ នេះក៏ជាហេតុផលមួយ (មិនត្រឹមតែប៉ុណ្ណោះ) ថាហេតុអ្វីបានជា Macs ល្អខ្លាំង និងមានថាមពលខ្លាំងនៅក្នុងតំបន់នៃការធ្វើការជាមួយវីដេអូ។ ក្នុងករណីបែបនេះ ពួកគេមិនពឹងផ្អែកតែលើដំណើរការនៃដំណើរការក្រាហ្វិកប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងទទួលបានជំនួយពី Neural Engine ឬម៉ាស៊ីនមេឌៀផ្សេងទៀតសម្រាប់ការបង្កើនល្បឿនវីដេអូ ProRes ផងដែរ។

ក្របខ័ណ្ឌ ML ស្នូលសម្រាប់ការរៀនម៉ាស៊ីនត្រូវបានប្រើនៅក្នុងកម្មវិធីផ្សេងៗ

ម៉ាស៊ីនសរសៃប្រសាទនៅក្នុងការអនុវត្ត

ខាងលើ យើងបានគូសវាសយ៉ាងស្រាលរួចហើយនូវអ្វីដែលម៉ាស៊ីន Neural ត្រូវបានប្រើប្រាស់យ៉ាងពិតប្រាកដ។ បន្ថែមពីលើកម្មវិធីដែលធ្វើការជាមួយការរៀនម៉ាស៊ីន កម្មវិធីសម្រាប់កែសម្រួលវីដេអូ ឬការទទួលស្គាល់សំឡេង យើងនឹងស្វាគមន៍ចំពោះសមត្ថភាពរបស់វា ឧទាហរណ៍នៅក្នុងកម្មវិធីដើមនៃរូបថត។ ប្រសិនបើអ្នកប្រើមុខងារ Live Text ពីពេលមួយទៅពេលមួយ ដែលអ្នកអាចចម្លងអត្ថបទដែលសរសេរចេញពីរូបភាពណាមួយនោះ Neural Engine នៅពីក្រោយវា។