Ekran Kartları Neden Binlerce Çekirdeğe Sahiptir? Yapay Zeka Neden GPU’ları Seçti?
Donanım · Yapay Zeka - AI

Ekran Kartları Neden Binlerce Çekirdeğe Sahiptir? Yapay Zeka Neden GPU’ları Seçti?

CPU, bilgisayarın karmaşık mantıksal kararlarını veren, işletim sistemini ayakta tutan vazgeçilmez bir genel cerrah gibidir. GPU ise, önündeki devasa veri yığınını aynı anda eritip bitiren dev bir endüstriyel fabrikadır. Büyük veri, 3D grafikler, kriptografi ve en önemlisi Yapay Zeka dünyası büyümeye devam ettikçe, dünyayı yöneten kodlar ardışık olmaktan çıkıp paralel hale geliyor. Bu da binlerce çekirdeğe sahip GPU mimarisini, modern dünyanın en stratejik teknolojisi haline getiriyor.

3 dk okuma Yazar: Sezer Koçer

Bilgisayar dünyasında donanımlardan az çok anlayan herkesin bildiği, ancak derinlemesine düşünüldüğünde kafa karıştıran bir soru vardır: "Bilgisayarımın beyni olan CPU (İşlemci) sadece 8 ya da 16 çekirdeğe sahipken, ekran kartım (GPU) nasıl oluyor da binlerce çekirdeğe sahip olabiliyor?"

Daha da önemlisi, nasıl oldu da başlangıçta sadece oyunlardaki grafikleri işlemek için üretilen bu ekran kartları, günümüzde ChatGPT gibi yapay zeka (AI) devriminin arkasındaki ana güç haline geldi?

Bu yazıda, CPU ve GPU mimarileri arasındaki ezber bozan farkları inceleyecek ve yapay zekanın neden GPU’lara "aşık" olduğunu masaya yatıracağız.

1. CPU ve GPU: İsviçre Çakısı, İnşaat Ordusuna Karşı

Bu iki bileşeni anlamak için harika bir benzetmeyle başlayalım:

  • CPU (Merkezi İşlem Birimi): Bilgisayarın İsviçre Çakısıdır. Her işi yapabilir. Çok karmaşık mantık işlemlerini, işletim sisteminin döngülerini ve ardışık görevleri jet hızında çözer. Az sayıda (örneğin 8-24 arası) ama inanılmaz derecede güçlü ve akıllı çekirdeğe sahiptir.

  • GPU (Grafik İşlem Birimi): Bir inşaat işçisi ordusudur. Tek bir çekirdeği bir CPU çekirdeği kadar akıllı veya hızlı değildir; tek başına karmaşık bir algoritmayı çözemez. Ancak ortada aynı anda yapılması gereken binlerce basit iş varsa, GPU binlerce çekirdeğiyle devreye girer ve o işi saniyeler içinde bitirir.

Mimari Farklar Tablosu

Özellik CPU (İşlemci) GPU (Ekran Kartı)
Çekirdek Sayısı Az (4 - 64 arası) Çok Fazla (Binlerce: 5.000 - 18.000+)
İşlem Tipi Ardışık (Sequential) Paralel (Parallel)
Görevi Karmaşık mantık ve genel görevler Basit ama devasa hacimli matematik
Gecikme (Latency) Çok düşük (Anında tepki verir) Yüksek (Büyük veriyi toplu işler)

2. GPU’lar Neden Binlerce Çekirdeğe İhtiyaç Duyar?

Sorunun özü, ekran kartlarının doğum amacında saklı: Grafik işlemek.

Ekranda gördüğünüz bir oyun sahnesi, milyonlarca pikselden oluşur. 4K çözünürlükteki bir ekranda yaklaşık 8.3 milyon piksel vardır. Ekran kartının görevi, saniyede 60 veya 120 kez (FPS), bu 8.3 milyon pikselin her birinin rengini ve konumunu yeniden hesaplamaktır.

Bir CPU, bu pikselleri tek tek ve sırayla hesaplamaya kalksa, çekirdekleri ne kadar hızlı olursa olsun oyun slayt gösterisine dönerdi.

İşte GPU büyüsü burada devreye giriyor: GPU, binlerce küçük çekirdeğe sahiptir. Bu çekirdeklerin her birine "Sen 1. pikseli hesapla, sen 2. pikseli, sen de 3. pikseli..." talimatı verilir. Buna Paralel İşlem (Parallel Processing) denir. Binlerce iş aynı anda (eşzamanlı olarak) yapıldığı için devasa grafikler akıcı bir şekilde ekrana gelir.

3. Yapay Zeka (AI) İçin Neden GPU Kullanılır?

Gelelim milyar dolarlık soruya: Grafik için üretilen bu mimari, nasıl oldu da Yapay Zekanın kalbi haline geldi?

Cevap tek bir matematik teriminde saklı: Matris Çarpımı (Linear Algebra).

Yapay zeka modelleri, özellikle de derin öğrenme (Deep Learning) ve yapay sinir ağları, temelde milyarlarca (bazen yüz milyarlarca) parametrenin birbiriyle çarpılmasından ibarettir. Bir yapay zeka modelini eğitmek, devasa veri tablolarını (matrisleri) sürekli olarak birbiriyle çarpmak demektir.

  • CPU ile AI Eğitimi: Çok güçlü bir profesörün, milyarlarca basit toplama-çarpma işlemini tek tek, sırayla yapmasına benzer. Profesör çok zekidir ama işlem sayısı o kadar çoktur ki ömrü yetmez.

  • GPU ile AI Eğitimi: İlkokul seviyesinde matematik bilen 10.000 öğrencinin aynı sınıfa toplanıp, önlerindeki tek bir işlemi aynı anda yapmasına benzer. Sınıf, profesörden binlerce kat daha hızlı sonuç üretir.

Yapay zeka algoritmaları yapısal olarak paralel işlenmeye kusursuz uyum sağlar. GPU’lar tam da bu iş için biçilmiş kaftandır. Günümüzde NVIDIA gibi üreticiler, GPU'ların içine sadece yapay zeka işlemlerini hızlandırmak için Tensor Çekirdekleri (Tensor Cores) adı verilen özel yapay zeka motorları bile yerleştirmektedir.

Özetlemek gerekirse; CPU bilgisayarın orkestra şefi ve stratejistidir; karmaşık kararları o alır. GPU ise devasa bir işçi ordusudur; veri madenciliği, 3D modelleme ve yapay zeka gibi devasa verilerin aynı anda işlenmesi gereken durumlarda dünyayı sırtlar.

Yapay zeka modelleri büyümeye ve hayatımızı değiştirmeye devam ettikçe, veri merkezlerindeki binlerce çekirdekli GPU ordularına olan ihtiyaç da katlanarak artacaktır. Görünen o ki, geleceği sırayla düşünenler değil, aynı anda binlerce şeyi düşünebilen paralel mimariler şekillendiriyor.

Paylaş

← Tüm yazılara dön