AMD درباره آینده RDNA صحبت می کند و می خواهد NPC های بازی را با هوش مصنوعی هوشمندتر کند

منبع

معماری RDNA3 در حال حاضر دارای شتاب هوش مصنوعی از طریق ضرب ماتریس WMMA (بلوکی مشابه NVIDIA Tensor، واحدهای موتور XMX اینتل) است. ویرایشگر 4Gamer اشاره می کند که اجرای RDNA3 در مورد عملکرد محاسباتی FP16 این واحد (تا 123 TFLOP) بسیار کم است، که کندتر از RTX 4090 330 TFLOP و حتی کوچکتر از Intel Arc A770 در 138 TFLOP است. نیازی به گفتن نیست که AMD در اینجا جای زیادی برای پیشرفت دارد.

معماری RDNA نسل چهارم بر هوش مصنوعی تاکید دارد

AMD همچنین هدف هسته هوش مصنوعی را فراتر از پردازش تصویر می داند. این نوع هسته به خوبی می تواند برای هوشمندتر کردن NPC ها در بازی ها استفاده شود. وانگ ادعا می کند که هوش مصنوعی می تواند NCP ها را به انجام وظایف هوشمندتر و انجام کارهای پیشرفته تری در مکانیک بازی وادار کند. اگرچه شتاب هوش مصنوعی برای شخصیت‌های بازی احتمالاً جاه‌طلبانه است تا فناوری‌هایی مانند وضوح فوق‌العاده یا ردیابی پرتو، اما می‌تواند جالب‌ترین زمینه برای تکامل پردازنده‌های گرافیکی در آینده باشد.

مصاحبه هیچ اظهاراتی ارائه نمی کند که RDNA4 را “X برابر سریعتر” یا کارآمدتر از RDNA3 اعلام کند. با این حال، دیوید وانگ بر اهمیت هوش مصنوعی و چگونگی ارتباط آن با استراتژی AMD در آینده تاکید کرد.

این مصاحبه بر بسیاری از موضوعات مهم تمرکز دارد، مانند سایه زن های اولیه و مش و نحوه استفاده از آنها توسط کنسول های بازی PS5/Xbox، و همچنین روی Multi Draw Indirect (MDI). اجرای شتاب MDI RDNA3 AMD در حال حاضر 2.3 برابر کارآمدتر از نسل گذشته است.

اجرای فعلی پردازنده تداخلی AMD بر پردازش تصویر تمرکز دارد، مانند فناوری‌های نمونه‌برداری فوق‌العاده مانند FidelityFX Super Resolution، در حالی که NVIDIA تمایل دارد هسته‌های هوش مصنوعی خود را برای کارهایی قرار دهد که می‌تواند به خوبی توسط CPU انجام شود.

– دیوید وانگ، AMD (ترجمه ماشینی)

یک رسانه ژاپنی مصاحبه ای را در اواخر سال 2022 با مدیران AMD که مسئول تجارت گرافیک این شرکت هستند، منتشر کرد. از آنها در مورد نسل فعلی معماری های RDNA و همچنین آنچه در آینده در راه است پرسیده شد.

دلیل اینکه NVIDIA فعالانه در تلاش برای استفاده از فناوری AI حتی برای برنامه هایی است که می توانند بدون استفاده از فناوری AI انجام شوند، این است که NVIDIA یک شتاب دهنده استنتاج در مقیاس بزرگ در GPU نصب کرده است. برای استفاده موثر از آن، به نظر می رسد که آنها روی موضوعی کار می کنند که نیاز به بسیج بسیاری از شتاب دهنده های استنتاج دارد. این استراتژی GPU آنهاست که عالی است، اما فکر نمی‌کنم ما باید همان استراتژی را داشته باشیم. تمرکز ما بر روی گنجاندن مشخصاتی است که کاربران می‌خواهند و به آن‌ها نیاز دارند تا از پردازنده‌های گرافیکی مصرف‌کننده لذت ببرند. در غیر این صورت، کاربران برای ویژگی هایی که هرگز استفاده نمی کنند، هزینه می پردازند. ما معتقدیم که شتاب‌دهنده‌های استنتاجی که باید در پردازنده‌های گرافیکی گیمرها پیاده‌سازی شوند باید برای پیشرفته‌تر و سرگرم‌کننده‌تر کردن بازی‌ها استفاده شوند.