Az új Nintendo Switch konzol manapság slágertéma a sajtóban, és szinte heti rendszerességgel jön egy-egy új híresztelés a titkolt fejlesztéssel kapcsolatban. Legutóbb a Digital Foundry heti podcastjében hangzott el az, hogy a japánok új rendszere nem tartalmaz majd úgynevezett DLA-t, azaz olyan hardveres részegységet, ami specifikusan a gépi tanulás következtetés szakaszának gyorsítására szolgál.
Végig is ment ez az információ a médián úgy, hogy a DLSS-nek ebből komoly gondjai lesznek, de ez annyira általánosítja az amúgy bonyolult rendszer működését, hogy teljesen fals következtetéseket vonhat le a világ.
Bár a DLSS 2.0 vagy újabb verzióinak a pontos működése nem ismert, de számos fejlesztői információ van arról, hogy az aktuális képkocka rekonstrukciójával kapcsolatban kizárólag ott nyúl a neuronhálóhoz, amikor eldönti, hogy miképp kombinálja a korábbi képkockáról származó előzménymintákat az új képkocka felskálázásához. Ugyanakkor az aktuális képkockán látható alakzatok felismerése és kezelése szempontjából már analitikai megoldással működik a rendszer, vagyis ilyenkor egyáltalán nincs alkalmazva gépi tanulással kapcsolatos algoritmus.
A fentiek miatt igazából teljesen mindegy, hogy az új Switch konzolben lesz-e dedikált gyorsító a gépi tanuláshoz, a DLSS aktuális verziói annyira jelentéktelen mennyiségű, gépi tanulással kapcsolatos munkát végeznek, hogy egy erre specializált hardveres részegység esetleges hiánya egyszerűen nem befolyásolja negatívan a rendszer működésének teljesítményét. Többek között ezért nincs ilyen specifikus részegység a GeForce-okban: a DLSS-nek nem lenne haszna belőle. És bár a T234-es kódnevű NVIDIA SoC tartalmazott úgynevezett DLA-t, vagyis Deep Learning Acceleratort, ez a T239-es dizájnból állítólag hiányzik. Itt viszont még egyszer hangsúlyozzuk, alapvetően a DLA-val a DLSS jelenlegi verziói semmit sem tudnának kezdeni, mert nem úgy működnek, hogy igényelnének egy ilyen feldolgozót.
Itt valószínűleg az okozza a félreértést, hogy a DLSS a marketingben nagyon AI-hoz van kötve, de ez nem ennyire egyszerű. Egy neuronhálót nem muszáj minden egyes munkafolyamathoz használni. Ugyan a DLSS valóban alkalmaz némi gépi tanulással kapcsolatos feldolgozást, de a működés nagyrészt hagyományos algoritmusokból áll, így az AI-jal kapcsolatos munka valójában a teljes feldolgozási futószalag kis részét teszi ki. Ennek az oka, hogy az AI-nak nincs minden egyes helyzetben egyértelmű haszna, így érdemes olyan feladatokra limitálni, ahol tényleg előnyt ad, és nem jelent semmiféle hátrányt.
Később persze a felskálázási algoritmusok is fejlődhetnek, és természetesen nem kizárt, hogy egyszer majd az aktuális képkockán látható alakzatok felismerése és kezelése is gépi tanuláshoz lesz kötve, de ma még egyetlen ténylegesen hozzáférhető felskálázó sem működik így, a neuronhálót inkább csak apróbb, kiegészítőfeladatokhoz használják.
