Intervistato alla fine dello scorso anno dalla rivista nipponica 4Gamer, il responsabile delle architetture grafiche di AMD, David Wang, ha espresso il suo pensiero sul ruolo dell’intelligenza artificiale e sulla strategia che AMD intende adottare per sfruttarla. In questo articolo, ti propongo alcune delle dichiarazioni di Wang e le implicazioni per il futuro delle GPU.
L’importanza dell’IA nelle GPU gaming
Secondo Wang, l’utilizzo dell’IA nelle GPU gaming dovrebbe essere mirato a migliorare l’esperienza di gioco, piuttosto che ad avere un mero scopo estetico.
Per esempio, l’AI potrebbe essere utilizzata per migliorare il movimento e il comportamento dei personaggi nemici e degli NPC, rendendo il gioco più realistico e coinvolgente.
Inoltre, Wang ha sottolineato la necessità di un’elaborazione più avanzata dell’AI, come la “grafica neurale”, che sta attualmente guadagnando slancio nel settore della grafica 3D.
“Il motivo per cui NVIDIA sta cercando di usare attivamente la tecnologia AI anche in applicazioni che possono essere svolte senza usarla è che ha installato un acceleratore di inferenza su larga scala nella GPU. Per farne un uso efficace, sembra che stiano lavorando su un tema che mobiliti molti acceleratori di inferenza. Questa è la loro strategia, il che è fantastico, ma non penso che dovremmo avere la stessa strategia”.
Approfondimento 1.1
Grafica neurale: il suo contributo nel settore della grafica 3D
Per chi non sa ancora di “grafica neurale“: si tratta di una tecnologia in continua evoluzione che sta rivoluzionando il settore della grafica 3D. La grafica neurale è particolarmente utile (nel settore della grafica 3D) per poter elaborare immagini complesse e realistiche. Consente, infatti, di elaborare immagini di alta qualità in modo più efficiente e veloce, rendendo i giochi più realistici e coinvolgenti.
Le tecnologie di AMD e NVIDIA stanno guidando questa rivoluzione, sviluppando nuovi strumenti e tecnologie che utilizzano l’intelligenza artificiale per migliorare le prestazioni della GPU e rendere i giochi sempre più realistici e coinvolgenti.
In particolare, NVIDIA ha sviluppato una tecnologia chiamata “Deep Learning Super Sampling” (DLSS), che utilizza l’AI per migliorare la risoluzione delle immagini in modo più efficiente rispetto alle tecniche tradizionali di anti-aliasing. DLSS consente di ottenere immagini di alta qualità con un minor utilizzo di risorse hardware, rendendo i giochi più fluidi e veloci.
Approfondimento 1.2
Deep Learning Super Sampling (DLSS)
Deep Learning Super Sampling (DLSS) è una tecnologia di rendering sviluppata da NVIDIA che utilizza l’apprendimento automatico per migliorare la qualità dell’immagine nei videogiochi.
DLSS utilizza una rete neurale profonda addestrata su immagini ad alta risoluzione per creare immagini di alta qualità a partire da immagini a bassa risoluzione. In pratica, quando un gioco viene eseguito con DLSS attivo, l’immagine a bassa risoluzione viene elaborata dalla rete neurale per creare un’immagine ad alta risoluzione. Questo processo consente di:
- migliorare la qualità dell’immagine
- ridurre il rumore
- aumentare la frequenza di fotogrammi.
Il vantaggio principale di DLSS è che consente di migliorare la qualità dell’immagine senza aumentare il carico di lavoro della GPU, poiché la maggior parte del lavoro viene svolta dalla rete neurale. Ciò consente di utilizzare le risorse della GPU per altre attività, ad esempio per aumentare la frequenza di fotogrammi o per utilizzare impostazioni grafiche più avanzate.
Anche AMD sta lavorando per sviluppare nuove tecnologie che utilizzano l’AI per migliorare le prestazioni della GPU. Ad esempio, FidelityFX SuperResolution (FSR) è una tecnologia che utilizza l’elaborazione dell’AI per migliorare la risoluzione delle immagini, senza l’utilizzo di un acceleratore di inferenza
“Nel settore delle GPU, l’utilizzo dell’acceleratore di inferenza è diventato sempre più comune negli ultimi anni, grazie alla crescente applicazione dell’intelligenza artificiale. In particolare, le GPU di ultima generazione di aziende come NVIDIA e AMD sono dotate di acceleratori di inferenza su larga scala, che consentono di elaborare i dati in modo più efficiente e veloce rispetto alle generazioni precedenti.”
La visione di AMD per il futuro delle GPU
Wang ha inoltre evidenziato l’importanza di rendere la GPU più indipendente dalla CPU per quanto riguarda il rendering grafico. In tal senso, AMD ha compiuto diversi passi avanti, come il multi-draw indirect accelerator (MDIA) introdotto con RDNA 3, che ha ridotto l’overhead a livello della CPU.
Questa strategia ha portato a una maggiore efficienza della GPU, ma allo stesso tempo ha permesso di mantenere un prezzo contenuto per i consumatori.
Secondo Wang, la visione di AMD per il futuro delle GPU si basa sulla fornitura di soluzioni che soddisfino le esigenze degli utenti e sull’utilizzo degli acceleratori di inferenza per migliorare l’esperienza di gioco, non solo dal punto di vista estetico, ma anche funzionale e coinvolgente.
Con la futura architettura RDNA 4, AMD punta a continuare a migliorare le prestazioni della GPU e a rendere i giochi ancora più avanzati e divertenti per tutti gli appassionati di videogiochi.