O analista Pedro foi incumbido de aumentar a capacidade de processamento para o treinamento de redes neurais profundas (RNP) no MPU. Ele concluiu serem necessárias mais unidades de processamento (UP) com pleno suporte a números de ponto flutuante de 64 bits, após verificar que os modelos de RNP usados pelo MPU apresentam respostas melhores se treinados com esse nível de precisão numérica. O analista também foi avisado de que deve adquirir dois tipos diferentes de UP, a fim de aumentar a heterogeneidade do parque de máquinas. Assim, Pedro deve adquirir para o MPU mais:
- A)tensor processing units e neural processing units;
Errada, porque TPUs e NPUs são aceleradores voltados a IA e normalmente priorizam baixa precisão, não sendo a dupla clássica associada ao suporte pleno a FP64.
- B)central processing units e neural processing units;
Errada, porque CPUs até suportam FP64 com folga, mas NPUs não são a opção típica quando a exigência é precisão dupla para treino com esse requisito.
- C)tensor processing units e graphics processing units;
Errada, porque TPU não é a melhor associação para FP64, apesar de GPU ser uma boa candidata por seu suporte a precisão dupla.
- D)graphics processing units e neural processing units;
Errada, porque a GPU encaixa bem no requisito de FP64, mas a NPU, em regra, trabalha melhor com baixa precisão e operações de IA especializadas.
- E)central processing units e graphics processing units.
Certa, porque CPUs e GPUs são as unidades mais associadas ao suporte consolidado a números de ponto flutuante de 64 bits.
Gabarito: E
A questão mistura dois pontos clássicos de Arquitetura de Computadores: tipo de processador e suporte numérico. Para treinamento de redes neurais profundas, o mercado usa muito aceleradores especializados, mas a banca pediu um detalhe bem específico: suporte pleno a ponto flutuante de 64 bits. Esse é um indício forte de processadores mais gerais e de GPUs, que costumam oferecer boa capacidade em precisão dupla, embora nem sempre com o mesmo desempenho relativo em IA que em outras precisões. As Tensor Processing Units (TPUs) e Neural Processing Units (NPUs) são voltadas para IA e costumam ser otimizadas para operações de matriz e, em geral, para baixa precisão, como 16 bits ou até menor. Elas ganham em eficiência energética e velocidade para inferência e treino em certos cenários, mas não são a escolha típica quando a exigência destacada é FP64 com suporte amplo e consolidado. Já as Central Processing Units (CPUs) e as Graphics Processing Units (GPUs) são as duas famílias mais tradicionais que você associa ao suporte a ponto flutuante de 64 bits. A CPU é o coringa do computador, com compatibilidade muito robusta para diferentes tipos de operação. A GPU, embora seja mais famosa em paralelismo massivo e IA, também oferece suporte a FP64, ainda que com variações de desempenho conforme o modelo. Por isso, o gabarito é a letra E: o MPU deve adquirir mais CPUs e GPUs. A ideia da questão é mostrar que o requisito técnico central não é só "mais IA", mas sim "IA com precisão numérica alta", e isso afasta TPUs e NPUs como resposta principal.