#вычисления — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #вычисления, aggregated by home.social.
-
[Перевод] Узкое место современного ИИ — не вычислительные мощности, а электроэнергия
На протяжении большей части XX века развитие искусственного интеллекта (ИИ) тормозилось не из-за недостатка амбиций у исследователей, а потому, что доступное оборудование для его работы просто не было достаточно мощным. Ранние системы ИИ сталкивались с жёсткими ограничениями по скорости обработки и объёму памяти, что приводило к циклическим «зимам ИИ», когда прогресс останавливался, а финансирование иссякало. Сейчас эта проблема в основном решена. Сегодня модели ИИ обучаются на специализированных чипах в огромных центрах обработки данных, и их масштабирование занимает не годы, а считанные недели. Вычислительные мощности, которые раньше были главным узким местом, теперь можно приобрести — были бы деньги. Такие компании, как Nvidia или AMD, с каждым годом всё более массово производят мощные графические процессоры (GPU) — компоненты, традиционно используемые для игр или визуализации, но также хорошо подходящие для вычислений ИИ.
-
«Мозг в пробирке» и новая вычислительная парадигма: почему нейроморфные системы и биокомпьютеры уже не фантастика
Когда в медиа появилась новость, что выращенный в лаборатории мозговой органоид научили решать задачу управления, многие увидели в этом очередную научную сенсацию из серии «человечество создало живой компьютер». Другие, наоборот, отмахнулись: мол, это красивый эксперимент, который не имеет отношения к реальной индустрии и никогда не выйдет за пределы научной статьи. Обе реакции понятны, но обе упускают главное. Ценность подобных работ в другом: они показывают, что на стыке вычислительной техники, нейронауки и биоинженерии постепенно формируется новое поле, в котором вычисление перестает быть исключительно задачей кремниевой электроники в ее привычном виде. Еще недавно разговор о нейроморфных системах воспринимался как смесь академической романтики и идеологического футуризма. Но теперь у этого разговора появляются собственные артефакты — метрики, архитектуры, платформы, ранние продукты и, что особенно важно, инженерные ограничения, которые уже можно обсуждать всерьез. Поговорим о том, что такое нейроморфные вычисления, почему ими занимаются не только нейробиологи, но и крупнейшие технологические компании, почему между лабораторным прототипом и настоящим рынком лежит огромная дистанция и как, несмотря на разрыв, за развитием этой сферы уже стоит следить почти так же внимательно, как когда-то за первыми GPU-ускорителями, квантовыми компьютерами или edge AI.
https://habr.com/ru/companies/ru_mts/articles/1019860/
#edge_computing #нейроморфный_чип #нейроморфные_вычисления #нейромофика #вычисления #обучение_с_подкреплением #машинное_обучение #чипы #будущее_здесь
-
LLM Inside: выжимаем максимум из Decoder Attention на GPU
Привет, Хабр! Меня зовут Андрей Шукшов. Я пишу YNMT в Яндекс R&D — это движок инференса, на котором работают почти все наши большие языковые модели (LLM). Бо́льшую часть времени я пытаюсь понять, почему некоторые вещи работают медленно и как сделать так, чтобы у них это получалось чуточку быстрее. Если вы запускали локальную LLM, то, возможно, тоже удивлялись: почему железо, способное рендерить фотореалистичные миры в реальном времени, работает в темпе печатной машинки? В своей статье я попробую хотя бы отчасти ответить на этот вопрос. Под микроскопом посмотрим на механизм Attention в режиме генерации (декодирования) и, вооружившись лучшими современными практиками ускорения на GPU, объединим всю математику в один эффективный kernel, который выжмет максимум производительности из имеющегося у нас железа.
-
Мозг вместо процессора: нейроморфный компьютер и сложные уравнения
Вычислительные машины проделали долгий путь «эволюции» от устройств, занимающий целые комнаты, до носимых гаджетов. При этом разительное изменение присутствует не только в габаритах, но и в вычислительной мощности. То, что казалось невозможным для первых компьютеров, стало обыденностью для современных. Однако далеко не все вычисления могут быть выполнены на обычных ПК, которые есть практически в каждом доме. Для некоторых требуются суперкомпьютеры, которые не только больше, мощнее и быстрее, но и более требовательные в рамках энергопотребления. Группа ученых из Сандийских национальных лабораторий (США) разработали новый нейроморфный компьютер, которые имитирует структуру и работу мозга человека и способен решать сложные уравнения, лежащие в основе физических симуляций — то, что ранее считалось возможным только для энергоемких суперкомпьютеров. Из чего сделан этот компьютер, каков принцип его работы, и насколько он умен? Ответы на эти вопросы мы найдем в докладе ученых.
https://habr.com/ru/companies/ua-hosting/articles/1000310/
#нейроморфные_компьютеры #мозг #вычисления #математика #нейронные_сети #алгоритмы #суперкомпьютеры #решатели #энергоэффективность #энергопотребление
-
Как ИИ разогнал спрос на вычисления и почему счет пошел на триллионы долларов
Искусственный интеллект растет так быстро, что для его обучения и работы миру приходится стремительно наращивать вычислительные мощности. На строительство новых дата-центров уходят уже не миллионы, а триллионы долларов, и большая часть этих средств нужна именно под ИИ-нагрузки. Мы подготовили краткую выжимку исследования McKinsey , где объясняется, как сегодня формируется рынок вычислительных мощностей и почему компании по всему миру готовы вкладывать такие суммы. Самый интригующий момент: если текущие тенденции сохранятся, к 2030 году стоимость инфраструктуры под ИИ может приблизиться к $7 трлн. Откуда берутся такие масштабы — разбираем ниже.
-
Понимание работы сознания невозможно без нового типа вычислений
Речь идет о концепции «биологического вычислительного подхода». Согласно с ней, нейронные вычисления неотделимы от физической, гибридной и энергетически ограниченной динамики мозга. И свести все это к абстрактному алгоритму, работающему на аппаратном обеспечении, технически невозможно. В этой концепции дискретные нейронные события и непрерывные физические процессы образуют единую систему, которую нельзя свести лишь к символической обработке информации. Обновить ПО "Разум"
https://habr.com/ru/articles/980838/
#искусственный_интеллект #искусственный_разум #искусственный_мозг #вычисления #работа_мозга #работа_сознания #датаизм #природа_сознания #подход_к_нейросетям #интеллект
-
LLMOps: объяснение принципа работы, основные преимущества и лучшие практики
В этой статье рассматривается LLMOps, принцип его работы, основные преимущества и лучшие практики для оптимизации операций с большими языковыми моделями с целью повышения эффективности и масштабируемости.
#DST #DSTGlobal #ДСТ #ДСТГлобал #Искусственныйинтеллект #данные #вычисления #большаямодель #языковаямодель #LLMOps #XAI #GDPR #HIPAA #LLM #Docker #Kubernetes #GPT #OpenAI
-
LLMOps: объяснение принципа работы, основные преимущества и лучшие практики
В этой статье рассматривается LLMOps, принцип его работы, основные преимущества и лучшие практики для оптимизации операций с большими языковыми моделями с целью повышения эффективности и масштабируемости.
#DST #DSTGlobal #ДСТ #ДСТГлобал #Искусственныйинтеллект #данные #вычисления #большаямодель #языковаямодель #LLMOps #XAI #GDPR #HIPAA #LLM #Docker #Kubernetes #GPT #OpenAI
-
LLMOps: объяснение принципа работы, основные преимущества и лучшие практики
В этой статье рассматривается LLMOps, принцип его работы, основные преимущества и лучшие практики для оптимизации операций с большими языковыми моделями с целью повышения эффективности и масштабируемости.
#DST #DSTGlobal #ДСТ #ДСТГлобал #Искусственныйинтеллект #данные #вычисления #большаямодель #языковаямодель #LLMOps #XAI #GDPR #HIPAA #LLM #Docker #Kubernetes #GPT #OpenAI
-
LLMOps: объяснение принципа работы, основные преимущества и лучшие практики
В этой статье рассматривается LLMOps, принцип его работы, основные преимущества и лучшие практики для оптимизации операций с большими языковыми моделями с целью повышения эффективности и масштабируемости.
#DST #DSTGlobal #ДСТ #ДСТГлобал #Искусственныйинтеллект #данные #вычисления #большаямодель #языковаямодель #LLMOps #XAI #GDPR #HIPAA #LLM #Docker #Kubernetes #GPT #OpenAI
-
LLMOps: объяснение принципа работы, основные преимущества и лучшие практики
В этой статье рассматривается LLMOps, принцип его работы, основные преимущества и лучшие практики для оптимизации операций с большими языковыми моделями с целью повышения эффективности и масштабируемости.
#DST #DSTGlobal #ДСТ #ДСТГлобал #Искусственныйинтеллект #данные #вычисления #большаямодель #языковаямодель #LLMOps #XAI #GDPR #HIPAA #LLM #Docker #Kubernetes #GPT #OpenAI
-
Когда роботы начнут копировать роботов, накопленный капитал обесценится до нуля, а работы не будет как понятия
Основатели Gonka Даниил и Давид Либерман объездили десятки стран за последние несколько месяцев, общаясь с лидерами AI-рынка, GPU-провайдерами и государственными кластерами. Спешка понятна: до AGI осталось мало времени, а мы ещё даже не придумали, какова будет роль людей в этом будущем.
https://habr.com/ru/articles/962810/
#децентрализация #ai #даниил_и_давид_либерманы #павел_дуров #сэм_альтман #будущее #вычисления #инфраструктура #биткоин #gonka
-
Почему физики и программисты мыслят одинаково: законы симметрии кода и Вселенной
Иногда кажется, что физика и программирование живут в разных мирах. Но чем глубже смотришь, тем сильнее понимаешь — законы мышления, которыми мы руководствуемся, удивительно схожи. Симметрия, порядок, борьба с энтропией, поиск инвариантов — всё это объединяет инженеров, физиков и программистов в одном стремлении понять, как устроен мир. Я просто захотел порассуждать об этом и поделиться с вами своими мыслями.
https://habr.com/ru/articles/960974/
#мышление_программиста #физика #симметрия #инвариантность #алгоритмы #вычисления #наука #код #энтропия #логика
-
15 лучших оконных менеджеров для Linux в 2025 году
Оконный менеджер — одна из тех вещей в Linux, о которой не задумываешься, пока не попробуешь сменить. Кажется, окна просто открываются и закрываются, а потом ставишь тайлинговый WM и понимаешь, что можно работать быстрее и почти не трогать мышь, или выбираешь плавающий — и ноутбук сразу оживает. Расскажем о 15 самых интересных и востребованных решениях на 2025 год.
https://habr.com/ru/companies/ultravds/articles/959984/
#ultravds #linux #хостинг #сайт #серверы #вычисления #virtualization #терминал
-
132 строчки на Python, которые рождают математического гипермонстра
Наверное, все слышали хотя бы в общих чертах про число Лоадера, очень большого гугологического монстра. Но если нет, то вкратце Loader's number — это одно из самых больших чисел, когда-либо появившихся в серьёзном математическом контексте, и оно знаменито именно в сообществе гугологов.Оно было получено в 2002 году программистом Ральфом Лоудером в результате работы его программы, которая выиграла соревнование по написанию самой эффективной программы для вывода в Лямбда-исчислении. Почему оно так знаменито и так велико? Не просто "большое", а "максимально эффективное". Программа Лоудера была настолько оптимизирована, что, по мнению многих специалистов, она достигает практического предела мощности для вычислимой функции в рамках Лямбда-исчисления. Она создает число, которое, вероятно, является самым большим вычислимым числом, когда-либо явно описанным с помощью столь компактной программы. Основа - лямбда-исчисление. Это не просто алгоритм, написанный на C++ или Python. Он работает в фундаментальной системе, которая является основой функционального программирования и самой теории вычислимости,что придает числу огромную "математическую плотность". Ну и как вишенка на торте - оно превосходит других гигантов: Число Лоудера невероятно больше, чем многие другие известные "большие числа", такие как распиаренное число Грэма или даже числа, сгенерированные быстрорастущей иерархией на низких уровнях. Его мощность находится на очень высоких ординалах.
https://habr.com/ru/articles/959192/
#большие_числа #гугология #tree #python #тьюринг #вычисления #рекурсия #математика
-
Как измеряли расстояние до Луны без компьютера и калькулятора? Открытия древних математиков
Привет, Хабр! Сегодня
https://habr.com/ru/companies/selectel/articles/929562/
#selectel #математика #вычисления #наука #астрономия #история_it #число_пи #геометрия #луна #окружность
-
Об ошибках округления и способах борьбы с ними
Почему при сложениии одинаковых чисел в разном порядке получаются разные результаты? Как мининмизировать ошибки округления или избавиться от них совсем?
https://habr.com/ru/articles/922198/
#Вычисления #числа_с_плавающей_точкой #векторизация #параллелизм #погрешности_округления
-
Что такое CDN и как она работает: объяснение на примере доставки котиков
Представьте, что вы построили идеальный сайт. Всё оптимизировано, но стоит тысяче пользователей из разных концов света одновременно захотеть посмотреть, как пушистик прыгает в коробку — и ваш сервер падает. Чтобы этого не случилось, в игру вступает CDN (Content delivery network). О том, как она работает, объясню на примере доставки котиков.
https://habr.com/ru/companies/ruvds/articles/918586/
#хостинг #серверы #cdn #доставка_контента #web2 #сайт #интернет #gpu #трафик #вычисления
-
Почему один и тот же сайт может летать на одном VDS и тормозить на другом
VPS/VDS — это не волшебная коробка, а виртуальный сервер, зависящий от железа и рук, которые всё настраивали. Он не гарантирует стабильную производительность «по умолчанию», и даже если параметры на бумаге выглядят одинаково, под капотом могут скрываться как быстрые NVMe-диски и разумная политика CPU-шаринга, так и загруженный хост с дешёвым RAID на HDD и оверселлом в четыре слоя. Я попытаюсь разобрать ключевые факторы, от которых это зависит.
https://habr.com/ru/companies/ruvds/articles/916050/
#ruvds_статьи #хостинг #VPS #VDS #серверы #провайдер #сайт #интернет #виртуализация #CPU #vCPU #трафик #вычисления #веб #IT #KVM
-
Как приручить Горыныча: русская high availability с тремя головами
В одном царстве, в одном хостинг-государстве жил-был сказочный Змей Горыныч. Он был трёхголовым, распределённым и главное отказоустойчивым. Конечно, иногда из-за синхронизации подлагивал, но в целом был зверем, которых на свете мало… Охранял он, как и положено, всякие ценности. То жар-птицу (high-value asset), то царевну (уникальный бизнес-процесс), а иногда просто всё по периметру выжигал огнём, чтобы в прод лишний никто не сунулся. Он не был злодеем, просто его так собрали по SLA: доступность — 99,99%, задержка — в пределах 200 мс, а восстановление — автоматическое. Богатыря Горыныч не боялся, потому что он для него не герой, а unplanned human intervention — угроза стабильности. Давайте разберёмся, что за монстр этот Змей.
https://habr.com/ru/companies/ruvds/articles/912266/
#ruvds_статьи #хостинг #серверы #облака #web2 #сайт #интернет #виртуализация #GPU #трафик #вычисления #веб #SaaS #IT
-
Совместные конфиденциальные вычисления: как это работает
Моя основная деятельность — конфиденциальная обработка данных. Это такая развивающаяся область науки и техники, в которой часто возникает что-то новое, поэтому терминология ещё не устоялась. То, чем я занимаюсь, по-английски называется Secure Multi-Party Computation, а на русский переводят как совместные или многосторонние вычисления. Однажды я видел перевод: «многопартийные вычисления», – но, надеюсь, это единичный случай. Лично мне нравится вариант: «конфиденциальные вычисления», который использует википедия . Его буду использовать и я. Представьте, вы собрали какие-то ценные данные, зашифровали их и сохранили на диске. Таким образом, вы защищаете данные во время хранения (data-at-rest). Далее, предположим, вам нужно передать данные по сети с одного сервера на другой. Серверы устанавливают защищённое соединение и обмениваются данными – снова зашифрованными. Так серверы защищают данные во время передачи (data-in-transit). Пока всё знакомо и понятно. Далее вы собираетесь делать то, ради чего вы эти данные собирали, хранили и передавали: использовать их. Что-нибудь посчитать, агрегат какой-нибудь, статистику или даже модельку обучить. Анализировать зашифрованные данные —, затруднительно, поэтому вы их расшифровываете и… делате беззащитными. Во-первых, это странно: вы старательно защищали данные, когда хранили и передавали, и вдруг почему-то перестали. Во-вторых, это опасно: атаки, утечки, несанкционированный доступ, всё, что угодно может случиться, когда данные уязвимы. Ну, и в-третьих, расшифровывать не обязательно: существуют методы, защищающие данные, когда они используются (data-in-use). Совместные конфиденциальные вычисления – один из них.
https://habr.com/ru/articles/872410/
#алгоритмы #вычислительная_сложность #вычисления #криптографические_алгоритмы #конфеденциальность #математика #шифрование #шифрование_данных #информационная_безопасность #безопасность_данных
-
Ускорение LUP-разложения матрицы с помощью OpenCL
Я являюсь автором проекта по математическому моделированию прикладной механики и в работе моей программы до 90% вычислительного времени уходит на решение системы линейных уравнений. Цель этой статьи сугубо практическая - найти оптимальный метод решения системы линейных уравнений с точки зрения производительность/трудозатрат для небольшого проекта и рассказать о результате. В прошлом я уже несколько раз обращал внимание на вычисления на GPU, но всегда что-то останавливало. И вот у меня накопился достаточный практический опыт программирования на C/C++ и наконец дошли руки, чтобы протестировать OpenCL.
-
Ускорение LUP-разложения матрицы с помощью OpenCL
Я являюсь автором проекта по математическому моделированию прикладной механики и в работе моей программы до 90% вычислительного времени уходит на решение системы линейных уравнений. Цель этой статьи сугубо практическая - найти оптимальный метод решения системы линейных уравнений с точки зрения производительность/трудозатрат для небольшого проекта и рассказать о результате. В прошлом я уже несколько раз обращал внимание на вычисления на GPU, но всегда что-то останавливало. И вот у меня накопился достаточный практический опыт программирования на C/C++ и наконец дошли руки, чтобы протестировать OpenCL.
-
Ускорение LUP-разложения матрицы с помощью OpenCL
Я являюсь автором проекта по математическому моделированию прикладной механики и в работе моей программы до 90% вычислительного времени уходит на решение системы линейных уравнений. Цель этой статьи сугубо практическая - найти оптимальный метод решения системы линейных уравнений с точки зрения производительность/трудозатрат для небольшого проекта и рассказать о результате. В прошлом я уже несколько раз обращал внимание на вычисления на GPU, но всегда что-то останавливало. И вот у меня накопился достаточный практический опыт программирования на C/C++ и наконец дошли руки, чтобы протестировать OpenCL.
-
Ускорение LUP-разложения матрицы с помощью OpenCL
Я являюсь автором проекта по математическому моделированию прикладной механики и в работе моей программы до 90% вычислительного времени уходит на решение системы линейных уравнений. Цель этой статьи сугубо практическая - найти оптимальный метод решения системы линейных уравнений с точки зрения производительность/трудозатрат для небольшого проекта и рассказать о результате. В прошлом я уже несколько раз обращал внимание на вычисления на GPU, но всегда что-то останавливало. И вот у меня накопился достаточный практический опыт программирования на C/C++ и наконец дошли руки, чтобы протестировать OpenCL.
-
Как математически просчитать градиент цветовой палитры
Начать хотелось бы с предыстории и задачи, которую я решаю на работе. Есть сайт, фотографии на котором при публикации должны подходить под определенное соотношение сторон (3х2). При этом в работе часто возникают определенные трудности. Например, что делать, если автор сделал скрин-шот, который не соответствует этому соотношению? Здесь помочь может дизайнер, который вставит изображение на подходящий фон, или просто при загрузке выбирать, какую часть изображения придется отрезать. Оба варианта по своим причинам неудобны. Первый — из-за времени, второй — из-за потери содержания. Отсюда и родилась задача написать сервис, который автоматически будет выполнять работу дизайнера: возьмет изображение и поместит его в рамки с необходимым соотношением сторон. Получится примерно следующее:
https://habr.com/ru/articles/849534/
#математика #изображение #редактирование_изображений #вычисления
-
[Перевод] StorageReview Lab побила мировой рекорд по вычислению числа Пи: 202 триллиона знаков
Команда StorageReview Lab снова бьёт мировые рекорды по вычислению числа Пи. Теперь количество знаков дошло до 202 112 290 000 000. Предыдущий рекорд принадлежит той же команде и составляет 105 триллионов .
https://habr.com/ru/companies/cloud4y/articles/829206/
#число_пи #научнопопулярное #математика #вычисления #рекорды
-
[Перевод] Арифметика с плавающей точкой без ошибок
Числа с плавающей точкой (одинарной или двойной точности) печально известны за нелепые вычислительные ошибки. Здесь я описываю специальный алгоритм, который позволит их избежать
https://habr.com/ru/articles/819843/
#go #golang #числа_с_плавающей_запятой #числа_с_плавающей_точкой/запятой #числа_с_плавающей_точкой #вычисления #бенчмаркинг
-
Самые актуальные исследования в области квантовых коммуникаций: важные шаги и вызовы
В эпоху стремительного развития квантовых технологий и их интеграции в современные телекоммуникационные сети крайне важно быть в курсе последних достижений и вызовов, стоящих перед учеными и инженерами. Исследования в области квантового распределения ключей (КРК) и квантовых сетей продолжают открывать новые горизонты, обещая высокий уровень безопасности и эффективности в передаче данных на большие расстояния. В дайджесте представлены недавние работы, которые не только иллюстрируют текущие достижения в области квантовых коммуникаций, но и подчеркивают важность решения возникающих проблем для создания надежной и безопасной квантовой инфраструктуры.
https://habr.com/ru/companies/quanttelecom/articles/817799/
#исследование #квантовые_алгоритмы #вычисления #распределение #квантовые_коммуникации #инфраструктура #дайджест
-
Вербальные вычисления (VC) в доказательных DSS и NLP
С.Б. Пшеничников В статье изложен новый математический аппарат вербальных вычислений в NLP (обработке естественного языка). Слова погружаются не в действительное векторное пространство, а в алгебру предельно разреженных матричных единиц. Вычисления становятся доказательными и прозрачными. На примере показаны развилки в вычислениях, которые остаются незамеченными при использовании традиционных подходов, а результат при этом может быть неожиданным. Использование IT в обработке естественного языка (Natural Language Processing, NLP) требует стандартизации текстов, например, токенизации или лемматизации. После этого можно пробовать применять математику, поскольку она является высшей формой стандартизации и превращает исследуемые объекты в идеальные, например, таблицы данных в матрицы элементов. Только на языке матриц можно искать общие закономерности данных (чисел и текстов). Если текст превращается в числа, то в NLP это сначала натуральные числа для нумерации слов, которые затем погружаются в действительное векторное пространство. Возможно, следует не торопиться это делать, а придумать новый вид чисел более пригодный для NLP, чем числа для исследования физических явлений. Такими являются матричные гипербинарные числа. Гипербинарные числа - один из видов гиперкомплексных чисел. Для гипербинарных чисел существует своя арифметика и если к ней привыкнуть, то она покажется привычнее и проще пифагорейской арифметики. В системах поддержки принятия решений (DSS) текстами являются оценочные суждения и пронумерованная шкала вербальных оценок. Далее (как и в NLP) номера превращаются в векторы действительных чисел и используются как наборы коэффициентов средних арифметических взвешенных.
https://habr.com/ru/articles/810897/
#вербальное #вычисления #текст #матрицы #алгебра #среднее_значение
-
[Перевод] Как собрать компьютер из оригами
Два математика показали, что оригами в принципе можно использовать для выполнения любых возможных вычислений. В 1936 году британский математик Алан Тьюринг выдвинул идею универсального компьютера. Это было простое устройство: бесконечная полоса ленты, покрытая нулями и единицами, вместе с машиной, которая могла двигаться вперед и назад по ленте, меняя нули на единицы и наоборот в соответствии с некоторым набором правил. Он показал, что такое устройство можно использовать для выполнения любых вычислений. А в сентябре 2023 года Инна Захаревич из Корнельского университета и Томас Халл из колледжа Франклина и Маршалла показали, что всё вычислимое можно вычислить, сложив бумагу .