Umetna pamet tudi za domačo rabo

Kaj so umetnointeligenčni pospeševalniki? Kako delujejo, zakaj jih bomo v nekaj letih uporabljali že vsi in ali jih danes res lahko kupimo že za manj kot stotak?

Umetna inteligenca (UI) si že dolgo utira pot v naše domove in pisarne, vendar do tehnološkega preboja prihaja šele v zadnjem desetletju, ko so dekoderji digitalne kabelske TV in pametni telefoni začeli razumevati govorne ukaze in pisati po nareku ter varnostni sistemi že prepoznavajo osebe, vozila in predmete na posnetkih s kamer. Že tehnologija IoT (angl. Internet of Things – internet stvari) je omogočila uporabo UI tudi v majhnih napravah, denimo daljinskih upravljalnikih in digitalnih kamerah, a sprva le prek storitev velikih spletnih računalniških oblakov, ki so zajete podatke obdelovali ob pomoči UI. Izbira TV-kanala na osnovi prepoznave govora še danes deluje tako, da daljinski upravljalnik posnet govorni ukaz v digitalni obliki pošlje zmogljivemu spletnemu strežniku ponudnika kabelske TV za razpoznavo govora, ta pa mu nato vrne številko kanala, ki ga želimo gledati.

Raspberry Pi 5 z nameščenim umetnointeligenčnim pospeševalnikom Hailo-8L na razširitveni kartici PCIe M.2

Vendar je odvisnost od interneta ahilova peta še tako dobro zasnovane aplikacije in/ali strojne opreme s funkcionalnostmi UI. Težko si privoščimo da bi samovozeči avtomobil obstal na avtocesti, humanoidni robot postal neodziven, dron z video navigacijo zasilno pristal v jezeru ali na drevesu, prav tako si ne predstavljamo, da bi napredne umetnointeligenčne zmogljivosti sistema za varovanje doma prenehale delovati, če bi za kratek čas izgubili povezavo z računalniškim oblakom. Edina rešitev je lokalno izvajanje naprednih funkcij UI, za kar pa je potrebna zelo zmogljiva strojna oprema z majhno porabo energije, ki je obenem dovolj kompaktna za vgradnjo v samovozne avtomobile, gospodinjske naprave, zabavno elektroniko, hišne robote in drone.

NVIDIA CUDA, AMD ROCm in ZLUDA

CUDA (Compute Unified Device Architecture) je lastniški standard enega največjih proizvajalcev grafičnih kartic NVIDIA. Prek njega lahko grafični procesor s tisoč in več enostavnimi procesorskim jedri z izjemno visoko stopnjo vzporednosti uporabimo za reševanje negrafičnih problemov.

Odprtokodni aplikacijsko-programski vmesnik AMD Radeon Open Compute Ecosystem (ROCm) omogoča podobno funkcionalnost za grafične kartice AMD, vendar le s posebej prilagojeno programsko opremo. Za skoraj popolno družljivost s CUDA moramo namestiti še odprtokodni prilagoditveni programski vmesnik ZLUDA, ki ga lahko brezplačno prenesemo z GitHuba, a nad njegovim razvojem bdi AMD.

Pospeševanje UI

Ponudniki oblačnih umetnointeligenčnih storitev so že pred leti spoznali, da tisočeri računalniški strežniki v velikih računalniški centrih brez specializirane strojne opreme ne bodo kos naraščajočim potrebam po umetnointeligenčnih funkcionalnostih množice uporabnikov in njihovih storitev IoT. Potrebam so lahko zadostili le z vgrajevanjem sorazmerno dragih in zmogljivih umetnointeligenčnih pospeševalnikov, ki so tudi več tisočkrat povečali umetnointeligenčne zmogljivosti strežnikov, in to le ob sorazmerno majhnem povečanju porabe električne energije.

Tovrstni pospeševalniki temeljijo na nekoliko prilagojenih grafičnih procesorjih (GPU) zmogljivih grafičnih kartic z tehnologijami CUDA in ROCm, ki jih lahko za (nekaj) tisoč evrov vedno vgradimo v osebne računalnike in uporabljamo tudi kot priročne umetnointeligenčne pospeševalnike. Ti vsaj za nekaj desetkrat pohitrijo izvajanje funkcionalnosti umetne inteligence.

Prototip tretje generacije kartezične procesne enote.

Zmogljivejši splošnonamenski umetnointeligenčni pospeševalniki na osnovi grafičnih procesorjev (GPGPU – general purpose graphics processing unit) z megalomanskimi dinamičnimi pomnilniki do 100 GB SDRAM dosegajo tudi 10.000- in večkratne pohitritve, a tudi stanejo več deset tisoč dolarjev, kar je seveda odločno predrago za domačo rabo.

Ne preseneča torej velika ponudba umetnointeligenčnih spletnih storitev različnih ponudnikov, ki so vzniknili zadnjem desetletju. Tam lahko v velikih računalniških oblakih umetnointeligenčni pospeševalnik najamemo za nekaj manj kot dolar na uro. Nakup take strojne opreme seveda ne pride v poštev, saj strežniška razširitvena kartica AMD Instinct stane okoli 20.000 dolarjev.

K sreči smo v zadnjih letih priče tehnološkemu preboju in poplavi cenejših umetnointeligenčnih pospeševalnikov za domačo in poslovno rabo različnih proizvajalcev. Med temi sta najbolj priljubljena Google Coral in Hailo, ki ne tržita le umetnointeligenčnih pospeševalnikov, ampak tudi umetnointeligenčne pospeševalne čipe, ki jih s pridom uporabljajo manjši proizvajalci umetnointeligenčnih pospeševalnikov. Tako si lahko zmogljiv umetnointeligenčni pospeševalnik za doma omislimo že za manj kot 100 evrov.

Ker pa večina uporabnikov ni vešča programiranja in gradnje lastne strojne opreme, že nastajajo tudi komercialne rešitve za vsakodnevno rabo z vgrajenimi umetnointeligenčnimi funkcionalnostmi, denimo inteligentne varnostne kamere, ki lahko v živi sliki prepoznajo ljudi in predmete.

Kaj je TOPS in kaj pTOPS?

Hitrost TPU in NPU merimo v tera (10 na 12. potenco) računskih operacijah na sekundo (TOPS – tera operations per second), čeprav taka primerjava včasih ni najbolj pravična, saj je to zgolj teoretična vrhnja zmogljivost. V praksi se izkaže, da je modul Hailo-8 s 26 TOPS pri reševanju nekaterih problemov celo 13-krat hitrejši od Googlovega Corala Edge TPU s 4 TOPS, čeprav bi iz razmerja številk pričakovali le 7,5-kratno pohitritev.

Veliko bolj so zato verodostojni hitrostni testi, pri katerih primerjamo zmogljivost pri reševanju konkretnih umetnointeligenčnih problemov, TOPSi pa so primerni le za okvirno oceno zmogljivosti umetnointeligenčnih pospeševalnikov.

Da se izognemo zmedi pri primerjanju zmogljivosti umetnointeligenčnih pospeševalnikov, povejmo še, da pri Intelu v TOPS izmerijo zmogljivost glavne procesne enote, GPU in NPU ter nato vse enostavno seštejejo in dobijo novo mero pTOPS (peak TOPS ali vrhnje število TOPS), ki pomeni teoretično vrhnjo zmogljivost procesorja. Te v praksi skoraj nikoli ne bomo dosegli. V tem članku so navedene le vrednosti TOPS umetnointeligenčnih pospeševalnikov, ki jih zmore enota NPU.

Vrste umetnointeligenčnih pospeševalnikov

Že dolgo vemo, da so lahko grafični procesorji tudi odlični umetnointeligenčni pospeševalniki. Današnje najboljše grafične kartice imajo med 500 in 4.000 procesorskih jeder, in čeprav po kompleksnosti in zmogljivosti pri izvajanju splošnonamenskih programov še zdaleč ne dosegajo procesorskih jeder glavnega procesorja, je njihovo število kljub temu odločilno za pohitritev množičnih vzporednih obdelav podatkov pri kompleksni grafiki 3D in problemih podobne kompleksnosti, med katerimi so tudi umetnointeligenčne funkcionalnosti.

Procesorska jedra v GPGPU premorejo vektorske ukaze, s katerimi lahko en ukaz izvršijo nad veliko podatki in s tem v enem koraku opravijo delo (denimo izračunajo kartezični produkt dveh velikih matrik), za katerega bi moral glavni procesor izvesti tudi več kot 10.000 strojnih ukazov. Pogosto jih zato uporabljajo za učenje in procesiranje velikih umetnointeligenčnih modelov za prepoznavanje predmetov na živi sliki, sledenje predmetom, razpoznavanje zvokov in govora pa tudi samodejno vožnjo. Zmogljivost okoli 3.500 TOPS pri delu z 8-bitnimi celimi števili je naravnost impresivna in obenem veliko večja kot tista, ki jo potrebujemo za poganjanje naučenih umetnointeligenčnih modelov v realnem času, za kar zadošča že od nekaj TOPS do nekaj 10. Res je, tudi jedra glavnega procesorja podpirajo vektorske ukaze! Vendar je teh jeder premalo, da bi bila dovolj učinkovita pri reševanju množičnih vzporednih problemov.

Umetnointeligenčni pospeševalnik NVIDIA DGX H100 za podatkovne centre.

Kaj je TPU?

TPU (tensor processing unit) bi lahko v slovenščino prevedli kot kartezična procesna enota, katere osnova je von Neumannova procesorska arhitektura, njeni osnovni gradniki pa so procesna enota, pomnilnik in vhodno/izhodne enote. V primerjavi s splošnejšo enoto GPU je prirejena za izvajanje računskih operacij nad podatkovnimi matrikami, ki jih potrebujemo za preračunavanje večine umetnointeligenčnih modelov, še posebej nevronskih mrež.

Umetnointeligenčni pospeševalnik Google Coral USB Accelerator, ki zmore 4 TOPS.

TPU poleg kartezičnega produkta večrazsežnih matrik (tensor product) – najpomembnejše operacije pri procesiranju mnogih umetnointeligenčnih modelov – omogoča tudi izjemno hitro izvajanje nekaterih drugih funkcij, kot so vektorske operacije, pri kateri se ena operacija (npr. prištevanje določene vrednosti) izvrši nad celotno matriko, konvolucija, ki znatno pohitri delovanje konvolucijskih nevronskih mrež (CNN), aktivacijske funkcije (npr. ReLU, sigma, tanh), s katerimi lahko v nevronske mreže vnesemo nelinearnosti, ki pomembno povečajo sposobnosti njihovega učenja ter iskanje največje vrednosti ali povprečne vrednost v delu matrike ali celotni matriki.

Google je lani predstavil že peto posodobljeno konceptualno različico TPU (TPUv5p), ki je namenjena velikim sistemom, vendar obenem predstavlja merilo, po katerem se zgledujejo proizvajalci umetnointeligenčnih pospeševalnikov za osebno rabo.

Vendar GPGPU niso edine naprave, s katerimi lahko izjemo pohitrimo delovanje umetnointeligenčnih modelov. Zmogljive umetnointeligenčne pospeševalnike so včasih gradili tudi iz programirljivih logičnih vezij FPGA (angl. field-programmable gate array – polje programirljivih logičnih vrat) in namenskih vezjih ASIC (angl. application specific integrated circuit – namensko integrirano vezje). Ti omogočajo implementacijo umetnointeligenčnim modelom povsem prilagojene strojne opreme, denimo za implementacijo globokih nevronskih mrež z vnaprej določeno osnovno arhitekturo.

Danes se uveljavljajo na njih temelječe, a veliko bolj izpolnjene in splošnejše enote TPU in NPU, ki so prvenstveno namenjene procesiranju nevronskih mrež in drugih računsko sorodnih umetnointeligenčnih modelov. TPU in NPU imajo zaradi bolje prilagojene arhitekture veliko boljši izkoristek (porabijo manj energije glede na število TOPS) pri podpori delovanju UI modelov kot GPU domače grafične kartice s CUDA ali ROCm, ali namenski UI pospeševalniki na osnovi ene ali več GPGPU.

Kaj je NPU?

NPU (neural processing unit) oziroma nevronska procesna enota je funkcionalno podobna TPU, vendar ne temelji na klasični von Neumannovi računalniški arhitekturi z glavno procesno enoto, s pomnilnikom in z vhodno-izhodnimi enotami. Osnova je podatkovno pretočna arhitektura (dataflow architecture) iz treh vrst elementov – krmilnih, pomnilniških in računskih, zato ni potreben velikanski zunanji dinamični pomnilnik, kakršnega imajo TPU in (GP)GPU. To obenem pomeni večjo pretočnost podatkov in bistveno hitrejše operacije nad matrikami. Obenem je celoten umetnointeligenčni pospeševalnik realiziran v enem čipu, večjo zmogljivost pa dosežemo z dodajanjem čipov na tiskano vezje.

Poceni umetnointeligenčni pospeševalniki za domačo rabo

Že nekaj let so na voljo majhni in sorazmerno poceni umetnointeligenčni pospeševalniki v obliki razširitvenih kartic PCIe z do 16 komunikacijskimi kanali PCIe ter ključkov in drugih naprav USB (brez dodatnega napajanja), ki jih lahko vgradimo v svoj namizni ali prenosni računalnik in računalnike na plošči tiskanega vezja (SBC – single board computers), kot je Raspberry Pi 5.

Za priklop večine enostavnih in poceni umetnointeligenčnih pospeševalnikov potrebujemo prosto vtičnico PCIe M.2 z enim ali dvema komunikacijskima kanaloma, ki je sicer namenjena povezovanju hitrih SSD s tehnologijo NVMe. Kot samostojni razvojni SBC so na voljo tudi razvojni računalniki z vgrajenimi umetnointeligenčni pospeševalniki, od katerih ima večina arhitekturo ARM64, vendar imajo navadno vgrajeno počasnejšo glavno procesno enoto od tistih v Raspberry Pi 5 in klasičnih pecejih.

Umetnointeligenčni pospeševalnik Asus z Google Coral Edge TPU s priključki M.2 za zahtevne.

Za sto- in večkratno pohitritev delovanja umetnointeligenčnih modelov je kljub temu veliko pomembnejša zmogljivost umetnointeligenčnega pospeševalnika. Večina omenjenih rešitev z enim ali dvema TPU stane manj kot 100 dolarjev, dražje z 8 TPU ali več pa manj kot 300, SBC so za okoli 100 dolarjev dražji.

Hailo-8, 10 in 15

Izraelsko podjetje Hailo je v svet umetnointeligenčnih pospeševalnikov prineslo nove dimenzije tako glede zmogljivosti kot tudi cene, saj so zgrajeni z inovativno arhitekturo NPU. V svojih rešitvah uporabljajo modula Hailo-8L z enim čipom in Hailo-8 z dvema, ki zmoreta 13 oziroma 26 TOPS. Modul Hailo-8(L) podpira komunikacijo prek enega kanala ali dveh PCIe. Večjo zmogljivost dosežemo preprosto z vgradnjo več modulov, za kar računalnik potrebuje ustrezno število združljivih priključkov PCIe M.2 ali katero od razširitvenih kartic PCIe. Posamezen modul lahko vtaknemo v katerikoli združljiv priključek PCIe M.2, tudi v tiste, ki so že vgrajeni v osnovno ploščo računalnika, na primer klasičnega PC.

Cena modula Hailo-8 s priključkom M.2 z dvema čipoma za umetnointeligenčno pospeševanje s 26 TOPS stane v ZDA okoli 200 dolarjev, v Evropi pa okoli 200 evrov. Modul-8L si v redkih spletnih trgovinah lahko omislimo za okoli 100 dolarjev, medtem ko lahko komplet z modulom Hailo-8L in razširitveno kartico s priključkom PCIe M.2 za Raspberry Pi 5 v Sloveniji le prednaročimo za 87,72 evra. V svetovni spletni trgovini pineboards.io je Modul-8L prav tako na voljo le v kompletu z razširitveno kartico za Raspberry Pi 5 za 90 evrov, a ima razširitvena kartica zato dva priključka M.2, kar pomeni, da lahko poleg modula Hailo-8L priključimo še pogosto prepotrebni SSD. A takoj dodajmo, da so pri umetnointeligenčnem pospeševanju ključni moduli UI in ne to, kako jih povežemo z vodilom PCIe.

Umetnointeligenčni pospeševalnik Halio 8L s priključkom M.2 in vmesniška kartica za Raspberry Pi 5.

Najzmogljivejši umetnointeligenčni pospeševalnik Hailo-8 Century za vodilo PCIeX16 je v osnovi razširitvena kartica PCIe s 16 kanali in predvgrajenim umetnointeligenčnim pospeševalnim modulom Hailo-8(L) (enim ali več), ki stane od 249 dolarjev naprej, odvisno od vrste in števila vgrajenih modulov (največ 8). Doseže lahko do 208 TOPS (8 × 26 TOPS).

Hailo-15 je sistem v enem čipu za podporo računalniškemu vidu z vgrajenimi funkcijami UI, ki zmore 20 TOPS. Namenjen je predvsem vgradnji v digitalne kamere. Medtem je najnovejši Hailo-10H umetnointeligenčni pospeševalnik za splošno rabo, ki so ga pri Hailu predstavili aprila letos, precej zmogljivejši in premore tudi pomnilniški čip zmogljivosti 8 GB, v katerega lahko shranjuje delne rezultate. Obenem zmore kar 40 TOPS, kar je bistveno več od kateregakoli od starejših modulov Hailo-8 in Hailo-15. V začetku ga bomo lahko uporabljali le v operacijskem sistemu Microsoft Windows 11, kasneje pa bodo pripravili tudi podpro za Linux, ki ga v industrijskih aplikacijah pogosto uporabljajo.

Umetnointeligenčne modele za module Hailo lahko ustvarimo in urimo s programsko opremo Kreas, TensorFlow (Lite), PyTorch ali ONNX, lahko pa jih prenesemo iz spletne knjižnice Hailo Model Zoo. Naslednji korak je prevajanje modela s Hailo Dataflow Compilerjem, s katerim ga spremenimo v binarno obliko, primerno za izvajanje v umetnointeligenčnih pospeševalnikih Hailo.

Google Coral TPU

Google že nekaj let razvija umetnointeligenčne pospeševalnike Coral, ki so na voljo kot priključni moduli USB, razširitvene kartice PCIe in samostojni računalniki tipa SBC. Njihova zmogljivost dosega do 8 TOPS kar je impresivno, a manj, kot zmore modul Hailo-8L.

Čeprav lahko priključni modul Coral USB Accelerator, za katerega bomo v ZDA odšteli 59,99 dolarja (cena na Amazon.de pa je okoli 110 evrov), uporabljamo z vsakim računalnikom z ustrezno programsko opremo in s prostim priključkom USB 3.0, zmore z enim umetnointeligenčnim procesorjem Edge TPU le 4 TOPS. Medtem ko Coral M.2 Accelerator, ki ga povežemo prek priključka M.2, stane 24,99 dolarja.

Umetnointeligenčni pospeševalnik Google Coral Edge z dvema pospeševalnima čipoma s priključkom M.2

Od avgusta 2021 je na voljo tudi Coral M.2 Accelerator with Dual Edge TPU z dvema procesorjema Edge TPU za 39,99 dolarja, ki zmore 8 TOPS in ga lahko vstavimo v prost priključek M.2, kamor navadno vgradimo pogone SSD za vodilo PCie. Deluje tudi z Raspberry Pi 5. V ZDA stane okoli 40 dolarjev, a takoj dodajmo, da so v Evropi cene nekoliko višje.

Za razvijalce strojne in programske opreme so na voljo tudi razvojne plošče z vgrajenimi umetnointeligenčnimi pospeševalniki. Za 129,99 dolarja si lahko omislijo Dev Board, SBC z vgrajenim umetnointeligenčnim pospeševalnikom Edge TPU ML accelerator coprocessor s 4 TOPS, s 4-jedrnim sistemom v enem čipu z jedri ARM Cortex-A53, ki tiktaka pri 1,5 GHz, s priključki HDMI, z 1 GB/s Etherneta ter USB 2.0 in 3.0, analognim avdio izhodom in vhodom in s priključkoma za kamero in digitalni prikazovalnik oziroma z vsem, kar pričakujemo tudi od majhnih razvojnih računalnikov brez vgrajenega umetnointeligenčnega pospeševalnika. 4 TOPS doseže tudi nekoliko manjši in cenejši Dev Board Mini, za katerega je treba odšteti 99,99 dolarja.

Umetnointeligenčni pospeševalnik Google Coral TPU Edge accelerator s 4 TOPS je na voljo tudi v obliki modula v enem čipu, ki ga lahko razvijalci vgradijo v svoja tiskana vezja, saj omogoča povezljivost prek vodil PCIe in USB 2.0. Stane 19,99 dolarja.

Umetnointeligenčne pospeševalnike Coral lahko uporabljamo z razvojno programsko premo TensorFlow Lite z operacijskim sistemom Debian Linux. Izjema je le USB Acclerator, ki deluje z operacijskimi sistemi Windows 10, Linux in MacOS.

Programska oprema in razvojna okolja

Čeprav bi pomislili, da je umetnointeligenčni pospeševalnik namenjen predvsem raziskovalcem s področja UI in ljubiteljskim robotikom, še zdaleč ni tako. Proizvajalci umetnointeligenčnih pospeševalnikov razvijajo tudi knjižnice že izdelanih rešitev v obliki izurjenih umetnointeligenčnih modelov, ki jih lahko uporabimo takoj, denimo za zaznavanje predmetov in oseb s kamero. S tem v celoti preskočimo prvo in najkompleksnejšo fazo načrtovanja in urjenja umetnointeligenčnega modela, pri kateri si prav tako lahko izdatno pomagamo z umetnointeligenčnim pospeševalnikom.

Programsko razvojno okolje in programska oprema za umetnointeligenčne pospeševalnike Hailo.

Druga faza je preoblikovanje umetnointeligenčnega modela iz enega od standardnih zapisov v binarno ali drugo obliko, primerno za izvajanje v umetnointeligenčnem pospeševalniku, za kar imajo proizvajalci umetnointeligenčnih pospeševalnikov navadno ustrezen programski prevajalnik. Naslednji korak je povezava umetnointeligenčnega modela z zunanjim svetom, za kar potrebujemo aplikacijo z ustreznimi programskimi vmesniki. Lahko jo razvijemo sami ali pa se zadovoljimo s katero od obstoječih rešitev v okviru razvojnih okolij v internetu.

Kako kupiti?

Pred nakupom moramo vedeti, za kaj pospeševalnik potrebujemo in s katero programsko opremo ga bomo uporabljali. Za razvoj lastnih umetnointeligenčnih modelov so na voljo različna razvojna okolja, ki jih lahko uporabljamo v računalniških oblakih, kot so Keras, TensorFlow (Lite), ONNX itn. Če morebiti že izdelanih umetnointeligenčnih modelov ne želimo ponovno razvijati oziroma ročno prenašati v drugo razvojno okolje, moramo preveriti, ali je okolje, ki ga trenutno uporabljamo, podprto oziroma ali obstajajo programska orodja za pretvorbo v podprte zapise.

Čeprav je vrhnja vrednost zmogljivosti umetnointeligenčnega pospeševalnika (TOPS) zanimiv podatek, pogosto ni odločilen. Večji proizvajalci umetnointeligenčnih pospeševalnikov nudijo tudi knjižnice že naučenih umetnointeligenčnih modelov, denimo razpoznavanje oseb na živi sliki s kamere, ki jih lahko enostavno prenesemo v svoj umetnointeligenčni pospeševalnik in uporabimo. Pri odločitvi za nakup moramo zato pogosto dati prednost želenim umetnointeligenčnim funkcionalnostim in združljivosti z obstoječo strojno in programsko opremo in se ne osredotočiti le na navedeno hitrost.

Vgrajena umetna inteligenca za vse

V časih prvih pecejev so tisti, ki so želeli poganjati računsko zahtevnejše programe, morali dokupiti pregrešno drag numerični koprocesor, denimo Intel 80487, če so uporabljali procesor Intel 80486. Danes imajo tudi procesorji za osebno rabo že vgrajen NPU. Denimo Intel Core Ultra, AMD Ryzen Embedded 8000 in Qualcom Snapdragon X, katerih cene se začno pri okoli 250 dolarjev. NPU v procesorjih Intel Core Ultra naj bi zmogel okoli 11,5 TOPS, a že načrtujejo zmogljivejše modele z 48 TOPS in celo 120 TOPS. AMD Ryzen 8040 Mobile ponudi NPU s 16 TOPS, AMD Ryzen AI 9 365 pa NPU s kar 50 TOPS. Snapdragon X Elite in Plus (ki temeljita na arhitekturi ARM) imata vgrajen NPU s 45 TOPS.

Nekaj je gotovo: vgrajeni NPU bodo kmalu imeli vsi novi procesorji za osebno rabo. Dotlej in za starejše računalnike pa bomo razvijalci in navdušenci nad AIR še vedno potrebovali umetnointeligenčne pospeševalnike.