Geekbench AI, yapay zeka performansını ölçen yeni bir araçtır. Bu yazıda, Geekbench AI’nın sunduğu özellikler, nasıl çalıştığı ve yapay zeka uygulamalarında performans analizi yapmanın önemi ele alınıyor.
Geekbench’in geliştiricisi Primate Labs, suni zeka odaklı iş yüklerini değerlendirmek amacıyla yeni bir performans ölçüm aracı olan Geekbench AI 1.0’ı tanıttı. Bu yenilikçi vasıta, bir cihazın CPU, GPU ve NPU’sunu (nöral işlem birimi) çözümleme ederek, makine öğrenimi uygulamalarındaki kabiliyetlerini ortaya koyuyor.
Geekbench AI, makine öğrenimi, derin öğrenme ve suni zeka temelli iş yükleri için hususi kontrol metodolojileri sunuyor. Aslen bu vasıta, 2021 yılından bu yana geliştirilmekteydi ve o dönemlerde Geekbench ML olarak adlandırılıyordu. Sadece, zaman içinde değişen gereksinimler ve gelişen teknoloji sebebiyle adı “AI” olarak güncellendi.
Bir cihazın suni zeka performansını ölçmek, geleneksel CPU ve GPU değerlendirmelerinden oldukça daha karmaşık bir süreç. Primate Labs‘in geliştiricileri, bu zorluğun üstesinden gelmek için sektördeki yazılım ve donanım mühendisleriyle kapsamlı görüşmeler gerçekleştirmiş oldu. Bu sayede, hangi testlerin en eleştiri bulunduğunu belirleyerek, en doğru değerlendirme kriterlerini seçmeyi başardılar.
Geekbench AI, değişik donanımların suni zeka ile ilgili görevlerde iyi mi performans gösterdiğini keşfetmek amacıyla ONNX, CoreML, TensorFlow Lite ve OpenVINO şeklinde çeşitli çerçeveleri destekliyor. Bu çerçeveler vesilesiyle performans değerlendirmeleri, hem doğruluk hem de hız açısından yapılmakta. Netice olarak, üç ayrı puan oluşturuluyor ve bu puanlar, çıktının gerçeğe ne kadar yakın bulunduğunu değerlendirmek için de kullanılıyor.
Normal olarak, bir modelin görevini ne kadar doğru yerine getirdiğini belirlemek oldukça zor bir süreç. Bunun için gerçek dünya verileri ile Geekbench AI verilerini karşılaştırarak bir korelasyon ve standart belirlemek gerekiyor. Eğer bu yenilikçi aracı kendiniz tecrübe etmek isterseniz, kaynakça bölümündeki ikinci bağlantıyı kullanabilirsiniz.
