Analisi delle Architetture Hardware per l'Accelerazione degli Algoritmi di Intelligenza Artificiale

In recent years, artificial intelligence (AI) has experienced unprecedented development, with applications ranging from computer vision to natural language to robotic autonomy. This progress has been made possible not only by increasingly sophisticated algorithms, but also by the evolution of computational hardware. The growing complexity of deep learning models and the need for real-time processing have posed new challenges in terms of computing power, energy efficiency, and scalability. This thesis provides an in-depth analysis of the main hardware architectures used to accelerate AI workloads, focusing on GPUs, FPGAs, and ASICs. After an overview of the fundamentals of AI and the computational requirements of modern models, the technological evolution of hardware platforms is examined, highlighting the strengths, limitations, and application areas of each solution. The goal is to provide a comprehensive and up-to-date overview of the hardware options available for AI.

Negli ultimi anni, l’intelligenza artificiale (IA) ha conosciuto uno sviluppo senza precedenti, con applicazioni che spaziano dalla visione artificiale al linguaggio naturale, fino all’autonomia robotica. Questo progresso è stato reso possibile non solo grazie agli algoritmi sempre più sofisticati, ma anche grazie all’evoluzione dell’hardware computazionale. La crescente complessità dei modelli di deep learning e la necessità di elaborazioni in tempo reale hanno posto nuove sfide in termini di potenza di calcolo, efficienza energetica e scalabilità. Questa tesi analizza in profondità le principali architetture hardware impiegate nell’accelerazione dei carichi AI, concentrandosi su GPU, FPGA e ASIC. Dopo una panoramica dei fondamenti dell’IA e delle esigenze computazionali dei modelli moderni, si esamina l’evoluzione tecnologica delle piattaforme hardware, mettendo in luce punti di forza, limiti e ambiti di applicazione di ciascuna soluzione. L’obiettivo è fornire un quadro completo e aggiornato delle opzioni hardware disponibili per l’intelligenza artificiale.