EO 517

DIGITAL AI MEMORIES tiche legate alla resa in produzione. L’obiettivo finale è la scalabilità attraverso i chip 3D, come è successo nel settore delle memorie flash. Anche se le tecnologie attualmente oggetto di discussione dovessero trovare applicazioni pra- tiche, ci vorrà del tempo prima che possano affermarsi e dimostrare la loro validità. Per quanto riguarda il mercato, le fluttuazioni della domanda e della produzione si tradu- cono in un andamento irregolare dei prezzi con rialzi e cali continui. Di conseguenza la DRAM potrebbe sembrare la soluzione più opportuna in un trimestre e trasformarsi in un problema in quello immediatamente successivo. Intelligenza artificiale: memoria diversa per attività diverse Occorre eseguire diversi passaggi prima che sia possi- bile l’implementazione di un nuovo algoritmo di AI. Il primo elemento è costituito dai dati che andranno ad addestrare l’IA. I set di dati possono consistere in rac- colte di video ripresi da veicoli che circolano per le cit- tà, campioni audio di conversazioni umane o immagini provenienti da scansioni mediche. Queste informazioni vengono assimilate da varie fonti all’inizio della pipeli- ne di dati dell’IA, operazione che richiede una memoria write-once ad alto throughput (Fig. 1). A causa della natura variegata dei dati, il passo succes- sivo nella pipeline è la loro “pulizia” e la trasforma- zione. I dati grezzi vengono ordinati e normalizzati per soddisfare le esigenze del framework dell’AI. I requisiti di memoria in questa fase variano, a seconda dei dati in uso, ma la velocità rimane critica. A causa della natura ripetitiva del processo, il rapporto tra ope- razioni di lettura e scrittura può essere compreso tra 50:50 e 80:20. Il passo successivo è il processo di apprendimento. I Fig. 1 – La pipeline dei dati AI può essere suddivisa in quattro fasi. A seconda della fase, la DRAM è un’opzione che potrebbe risultare sovradimensionata, in termini di prestazioni e costi, mente gli SSD hanno limitazioni dovute alla loro latenza Fig. 2 – Laddove le prestazioni sono il requisito principale durante l’apprendimento dell’IA, i costi e il consumo di energia assumono una maggiore importanza con l’implementazione dei modelli di AI nelle applicazioni ELETTRONICA OGGI 517 - APRILE 2024 47