Meer en meer apparaten gebruiken gespecialiseerde chips voor kunstmatige intelligentie. Zo heeft de Google Pixel 6 een AI-chip en is de iPhone al jaren voorzien van een Neural Engine. Wat is er zo speciaal aan deze chips en welke taken kunnen ze versnellen?

Standaardprocessors zijn ontworpen om zo snel mogelijk instructies na elkaar uit te voeren. Die race naar steeds snellere kloksnelheden heeft al een tijdje moeten plaatsmaken voor parallellisatie: hierbij voeren meerdere processorkernen op hetzelfde moment instructies uit. Maar de meeste software maakt daarvan geen efficiënt gebruik. Je tekstverwerker haalt niet zoveel voordeel uit acht gelijktijdig werkende processorkernen.

Deep learning

Maar er zijn heel wat gespecialiseerde toepassingen die wel profiteren van verregaande parallellisatie. Vooral in AI (kunstmatige intelligentie) en dan in het bijzonder deep learning, een vorm van neurale netwerken. Deze algoritmen profiteren ervan om dezelfde instructies op grote hoeveelheden verschillende data tegelijk uit te voeren. Dat vereist een heel ander soort processor.

Neurale netwerken bootsen de werking van de hersenen na, die een biologisch neuraal netwerk vormen: een kluwen van ontzettend veel verbindingen tussen neuronen (hersencellen). Een kunstmatig neuraal netwerk bestaat meestal uit meerdere lagen: een invoerlaag van neuronen die de invoer van een probleem voorstellen (bijvoorbeeld een foto), een uitvoerlaag van neuronen die de oplossing van het probleem voorstellen (bijvoorbeeld de naam van de persoon op de foto), en een of meer tussenliggende lagen die berekeningen uitvoeren. Bij een groot aantal lagen tussen en uitvoer spreken we van deep learning.

©PXimport

Tensors

De data in deep learning worden opgeslagen in de vorm van tensors. Een tensor is een veralgemening van een vector of matrix naar meerdere dimensies. We kunnen een tensor beschrijven aan de hand van drie primaire eigenschappen: de rang, de vorm en het datatype. De rang van een tensor is het aantal assen. Zo is de rang van een matrix 2, van een vector 1 en van een getal 0.

De vorm van een tensor is het aantal elementen volgens elke as van de tensor. Stel dat je een tensor van rang 2 aanmaakt met op de eerste rij de getallen 1 en 2, op de tweede rij de getallen 3 en 4, en op de derde rij de getallen 5 en 6. Dan is de vorm van deze tensor de vector (en dus ook een tensor, namelijk van rang 1) [3, 2]. De tensor heeft namelijk drie rijen van 2 elementen.

Het datatype van een tensor beschrijft welke getallen de tensor bevat. Dat kan bijvoorbeeld float32 zijn (kommagetallen van 32 bit), of int8 (gehele getallen van 8 bit).

©PXimport

Machine learning met tensors

Voor elke taak waarvoor je een neuraal netwerk wilt trainen, moet je dus de data omzetten in tensors. Een afbeelding waarin je objecten wilt herkennen, zet je dan om in een tensor van rang 3: de vorm is dan [hoogte, breedte, kanalen], waarbij kanalen voor de kleurkanalen zoals rood, groen en blauw staat.

Vaak verwerken algoritmen in machine learning maar een deel van de data tegelijk. In ons voorbeeld van objectherkenning worden dan meerdere afbeeldingen in een batch onderverdeeld. We werken dan met een tensor van rang 4 met als vorm [samples, hoogte, breedte, kanalen]: de eerste as bevat het aantal samples in een batch.

Deep learning met GPU’s

Toen deep learning rond 2010 na jarenlange ontwikkeling eindelijk doorbrak, was dat vooral door de opkomst van snelle GPU’s (graphical processing units). Onderzoekers ontdekten dat de chips die in grafische kaarten zitten om sneller beelden te renderen, ook uitstekend uitgerust waren voor deep learning, in het bijzonder bij volledig verbonden neurale netwerken.

Computerwetenschapper Andrew Ng bepaalde dat deep learning-systemen met een factor 100 versneld konden worden door gebruik van GPU’s. Niet langer had men weken nodig om algoritmen voor handschriftherkenning of objectdetectie te trainen, maar slechts dagen.

Een GPU bestaat dan ook gemakkelijk uit duizenden processorkernen. Bovendien maakt een GPU gebruik van het SIMD-paradigma (zie kader ‘SIMD’): dezelfde bewerking wordt op duizenden stukjes data tegelijk uitgevoerd. Dat is ideaal voor deep learning, wat een heleboel tensorbewerkingen nodig heeft op grote hoeveelheden data.

Grafische kaart voor AI

In het begin werden voor AI-taken gewoon grafische kaarten voor consumenten gebruikt. Ondertussen produceert Nvidia ook GPU’s, ontwikkelbordjes en volledige servers die specifiek zijn ontworpen voor deep learning. Dat alles doet het bedrijf onder de naam Jetson. De prijzen van de Jetson Developer Kits beginnen bij 75 euro.

De prestaties van deze GPU’s variëren van 472 gigaflops (472 miljard floating-point-bewerkingen per seconde) op de 128-core Nvidia Maxwell-GPU in de Jetson Nano tot 200 tops (200 biljoen bewerkingen per seconde) op de 2048-core Nvidia Ampere-GPU met 64 tensor-cores (te vergelijken met de tensor processing units van Google, zie verder) in de later dit jaar verwachte Jetson AGX Orin. Wat al deze GPU’s gemeen hebben, is dat ze met Nvidia’s toolkit CUDA (Compute Unified Device Architecture) te programmeren zijn.

©PXimport

SIMD

Computerwetenschapper Michael J. Flynn stelde in 1966 een invloedrijke classificatie op van computerarchitecturen volgens hun parallellisme. Deze werkt op basis van twee parameters: het aantal instructies dat tegelijk wordt uitgevoerd en het aantal datastromen dat tegelijk wordt verwerkt.

Een computer zonder parallellisme, zoals de pc vóór de komst van multicore-processors, valt onder single instruction, single data (SISD). Een GPU die dezelfde instructie op meerdere data tegelijk uitvoert, valt onder single instruction, multiple data (SIMD). Maar ook moderne processors ondersteunen gedeeltelijk SIMD-instructies, zoals Advanced Vector Extensions (AVX) op Intel- en AMD-processors, de Neon-extensie op ARM-processors en AltiVec op PowerPC.

Multiple instruction, single data is nogal ongewoon. De boordcomputer van de Space Shuttle gebruikt deze aanpak voor foutentolerantie. Multiple instruction, multiple data is de architectuur voor alle vormen van gedistribueerde systemen.

Overigens zijn moderne GPU’s geen perfecte implementatie van SIMD meer, maar eerder van single instruction, multiple threads (SIMT): je voert meerdere threads uit die elk SIMD toepassen.

Tensor processing unit

Hoewel GPU’s al een hele prestatiewinst bieden ten opzichte van CPU’s voor deep learning, kunnen de prestaties nog met zeker een factor 10 verbeteren door application-specific integrated circuits (ASIC) te gebruiken. Die chips hoeven immers geen rekening te houden met de GPU-architectuur en zijn speciaal ontworpen voor berekeningen met lagere precisie. Door berekeningen bij benadering uit te voeren, in plaats van exact tot op zoveel cijfers na de komma, gaan ze veel sneller. Die precisie is immers in veel toepassingen met neurale netwerken niet nodig.

Google ontwikkelde in 2015 zijn tensor processing unit (TPU), een ASIC voor machine learning. De TPU’s zijn ontworpen om met een laag verbruik zoveel mogelijk berekeningen uit te voeren met een lage precisie (doorgaans 8 bit). Specifiek voor convolutional neural networks zijn TPU’s heel geschikt.

TPU’s in de cloud

Het bedrijf zette de TPU’s eerst in zijn eigen datacenters in, en dat blijft het ook nu nog doen. Zo verwerken TPU’s foto’s van Google Photos, tekst van Google Street View en worden de chips ook gebruikt in het zoekalgoritme RankBrain. Google Translate, Google Assistant, Gmail, al deze diensten draaien op TPU’s.

Sinds 2018 biedt Google zijn TPU’s ook aan als onderdeel van het Google Cloud Platform. De dienst heet Cloud TPU. Zo heeft de tweede generatie van de Cloud TPU een snelheid van 45 teraflops. Daarvan worden vier chips op één module geplaatst, met een totale snelheid van 180 teraflops. Google assembleert 64 van die modules tot een ‘pod’ van 256 Cloud TPU-chips met een totale snelheid van 11,5 petaflops.

©PXimport

TPU’s lokaal

In 2019 kwam Google met een nieuwe productlijn TPU’s, de Edge TPU. In tegenstelling tot de Cloud TPU’s zijn deze bedoeld voor edge computing: berekeningen op lokale apparaten. De Edge TPU is in staat om vier biljoen bewerkingen per seconde uit te voeren met een vermogensverbruik van slechts 2 W.

Google biedt zijn Edge TPU-producten aan onder de merknaam Coral. Tot de beschikbare producten behoren ontwikkelbordjes van allerlei afmetingen, M.2-insteekkaartjes en de USB Accelerator die je eenvoudig via usb op je laptop of Raspberry Pi aansluit. De Edge TPU wordt ook aan andere fabrikanten gelicentieerd. Zo biedt Asus zijn ontwikkelbordje Tinker Edge T aan, evenals een PCIe-kaart waarin 8 of 16 Edge TPU-chips zijn geïntegreerd.

De Edge TPU programmeer je met TensorFlow Lite, een lichtgewicht framework voor deep learning. Aangezien de chip alleen 8bit-bewerkingen ondersteunt, moet het neurale netwerk getraind worden zodat het hiermee rekening houdt, of je kwantiseert een netwerk tot 8 bit.

Verder zijn de bewerkingen die de Edge TPU ondersteunt ook beperkt, waardoor de chip voornamelijk nuttig is voor inference, en niet voor het trainen van netwerken. Een voorbeeld van inference is het detecteren van objecten in foto’s. De training van het neurale netwerk dat je daarvoor gebruikt, moet op een ander platform gebeuren.

©PXimport

TPU in je broekzak

In 2019 bracht Google zijn telefoon Pixel 4 uit met een Neural Core. Deze chip was een aangepaste versie van de Edge TPU en hielp met het ontgrendelen via je gezicht, een snellere Google Assistant en een slimmere camera.

In de Pixel 5 verdween de Neural Core vreemd genoeg, maar in de Pixel 6 maakte de Edge TPU een comeback, deze keer ingebouwd in een nieuwe SoC, de Google Tensor. Deze bevat zowel een CPU als een GPU, TPU en nog andere versnellerhardware.

De TPU verbetert de automatische spraakherkenning van Google Assistant en helpt ook het automatische ondertitelingssysteem Live Caption zonder de batterij snel leeg te trekken. En met het neuraal netwerk HDRnet verbetert de TPU beelden met een breed bereik aan helderheden. Door de TPU voor deze taken te gebruiken, hoeft de Pixel 6 minder vaak verbinding te leggen met de Cloud TPU’s van Google zelf. Dat komt de batterijduur ten goede.

Telefoons met AI

Google is niet de enige die gespecialiseerde AI-chips in zijn telefoons steekt. In 2018 introduceerde Samsung zijn Exynos 9820 met een neural processing unit (NPU). De AI-versnellerchip zit onder andere in de Samsung Galaxy S10.

Ook Qualcomm heeft in zijn recente Snapdragon-SoC’s een zogeheten AI Engine ingebouwd. De module die MediaTek in zijn SoC’s heeft ingebouwd, heet een artificial intelligence processing unit (APU). AI is tegenwoordig al zo ingeburgerd in telefoons dat elke serieuze SoC-fabrikant dit inbouwt.

©PXimport

Apple Neural Engine

Ook Apple heeft AI-versnellerhardware. Die dook voor het eerst op in de A11 Bionic-SoC die Apple ontwierp voor de iPhone 8, iPhone 8 Plus en iPhone X van september 2017. Apple noemt deze hardware een Neural Engine. In de A11 bestond die uit twee cores die tot 600 miljard bewerkingen per seconde konden uitvoeren. De versneller werd gebruikt voor Face ID, Animoji en andere taken waarbij intelligentie nodig is.

In de A12 (onder andere gebruikt in de iPhone XR) voerde Apple het aantal cores in de Neural Engine op naar acht, met een snelheid van 5 biljoen bewerkingen per seconde. Niet alleen was dat negen keer sneller, maar de nieuwe versie verbruikte ook tien keer minder vermogen. In de A13 (van de iPhone 11) bleef het aantal kernen op 8 steken. Het resultaat was 20% sneller (6 biljoen bewerkingen per seconde) en 15% zuiniger.

Sneller en ook voor derden

In de A14 (van de iPhone 12) werd het aantal cores van de Neural Engine verdubbeld tot 16, met een snelheid tot 11 biljoen bewerkingen per seconde. In de Apple M1, de eerste door Apple zelf ontworpen ARM-SoC voor Macs, zat zo goed als dezelfde versie van de Neural Engine. In de Apple A15 (van de iPhone 13) werd de snelheid van de 16-core Neural Engine opgevoerd tot 15,8 biljoen bewerkingen per seconde.

Oorspronkelijk was de kracht van de Neural Engine alleen beschikbaar voor apps van Apple zelf. Maar ondertussen kunnen ook third-party app-ontwikkelaars ervan gebruikmaken via het framework Core ML dat Apple aanbiedt voor machine learning. App-ontwikkelaars die zware analysetaken uitvoeren, doen er goed aan om dat via Core ML te doen. Door deze taken op de Neural Engine uit te voeren, werken ze immers energie-efficiënter en blijft de batterij van de iPhone langer meegaan.

©PXimport

Black box

Het is belangrijk om te weten dat een TPU, NPU, Neural Engine of hoe het ook heet altijd is geoptimaliseerd voor een specifiek type bewerkingen. Een neuraal netwerk bestaat altijd uit verschillende lagen en die kunnen van verschillende types zijn. Niet elke AI-versnellerchip ondersteunt alle types. Ook de ondersteunde datatypes hangen af van de hardware: alleen gehele getallen of ook kommagetallen, en 8, 16 of 32 bit?

De bijbehorende ontwikkeltools moeten je normaliter helpen om een neuraal netwerk aan te passen op de versnellerhardware. Maar de Neural Engine en Core ML van Apple zijn een black box. Apple geeft third-party ontwikkelaars geen richtlijnen over hoe ze hun modellen kunnen optimaliseren om in Core ML gebruik te maken van de Neural Engine. Er is zelfs geen documentatie over welke types lagen ondersteund worden door de Neural Engine. Matthijs Hollemans heeft door te experimenteren wel wat bevindingen over de Neural Engine kunnen publiceren.

TensorFlow-modellen 

Bij de Edge TPU ziet het plaatje er al heel wat inzichtelijker uit. Google heeft uitgebreide documentatie over de compatibiliteit van TensorFlow-modellen op de Edge TPU. Allereerst is er de beperking dat de Edge TPU alleen feed-forward neurale netwerken kan uitvoeren. Hierbij vormen de verbindingen tussen neuronen geen cyclus, maar vloeit de informatie maar in één richting. Dit in tegenstelling tot de recurrent neural networks, waarvoor CPU’s overigens nog altijd goed geschikt zijn. De tweede beperking is dat de Edge TPU alleen TensorFlow Lite-modellen met 8bit-voorstellingen van data kan uitvoeren.

Je traint een model nooit rechtstreeks met TensorFlow Lite. Je traint eerst een TensorFlow-model, dat werkt met floating-point getallen van 32 bit. Dit zet je dan met de TensorFlow Lite Converter om naar een TensorFlow Lite-model met 8bit-getallen en compileer je tot een .tflite-bestand dat je op de Edge TPU kunt uitvoeren.

©PXimport

Deels op de CPU

Zelfs als je een model voor de Edge TPU hebt gemaakt dat intern gekwantiseerd is tot 8bit-getallen, zijn de invoertensors mogelijk nog 32bit-kommagetallen. De Edge TPU-compiler heeft dan een kwantisatiebewerking in het begin van je model toegevoegd. Ook aan het einde van je model komt dan een bewerking die de 8bit-uitvoer weer omzet naar 32 bit. Beide bewerkingen worden op de CPU uitgevoerd. Dat hoeft niet zo’n probleem te zijn en levert doorgaans maar een kleine vertraging op.

Als de Edge TPU Compiler een niet-ondersteunde bewerking tegenkomt, compileert hij de bewerkingen vóór die bewerking voor de Edge TPU. Alle bewerkingen daarna worden dan op de CPU uitgevoerd. De compiler vertelt je ook hoeveel bewerkingen hij op de Edge TPU kan uitvoeren en voor hoeveel hij de CPU nodig heeft. Zelfs als maar een kleine fractie van de bewerkingen op de CPU wordt uitgevoerd, kan dat een grote impact op de prestaties hebben. Je moet er altijd naar streven om 100% van het model op de Edge TPU te kunnen draaien.

Coprocessors

Het idee van een AI-versneller, al dan niet ingebouwd in een SoC, is niet zo nieuw. Al in de jaren 1980 werden processors uitgerust met zogenoemde coprocessors om specifieke taken sneller uit te voeren. Zo hadden Intels eerste x86-CPU’s bijbehorende x87-FPU’s (floating-point units): de 8086 kreeg hulp van de 8087 voor berekeningen met kommagetallen, de 80286 van de 80287 en de 80386 van de 80387. De 80486 was de eerste in de reeks met een ingebouwde FPU.

©PXimport

Je kunt er bijna de klok op gelijkzetten: elk jaar komt er een nieuwe generatie Apple Watch op de markt. Vergelijk je de nieuwe Apple Watch Series 11 met zijn voorganger, dan zul je aan de buitenkant geen verschil zien. Wat is er dit jaar dan wel nieuw?

De Apple Watch Series 11 heeft een identiek ontwerp als de Series 10 en is nog steeds beschikbaar in een titanium- of aluminiumvariant als 42- of 46mm-uitvoering. De enige kleine in het oog springende vernieuwing is dat de aluminiumvariant nu ook in de kleur spacegrijs beschikbaar is. Dat is de kleur waarin wij het horloge hebben getest. Bedienen doe je afhankelijk van de functie met het aanraakscherm, de draaikop of een drukknop.

©Jeroen Boer - ID.nl

Zelfde chip

De buitenkant is dus weinig vernieuwend en ook binnenin heeft Apple geen heel spannende wijzigingen doorgevoerd. De gebruikte chip is dezelfde S10 die ook in de voorganger te vinden was. Opmerkelijk is dat ook de tegelijkertijd verschenen duurdere Apple Watch Ultra 3 en goedkopere Apple Watch SE 3 voorzien zijn van dezelfde S10-chip. De flink goedkopere instapper is dus net zo snel als de duurdere modellen. Apple is bij de GPS + Cellular-variant wel overgestapt naar een 5G-modem in plaats van een 4G-modem, maar daar zul je in de praktijk niks van merken.

©Jeroen Boer - ID.nl

Prima scherm

De Apple Watch 11 heeft een oledscherm met afhankelijk van de gekozen variant een diameter van 1,77 of 1,96 inch. De beeldkwaliteit van het scherm is uitstekend en ook buiten is de Apple Watch dankzij de hoge helderheid goed af te lezen. Het scherm is afgewerkt met gehard glas. Vrijwel krasongevoelig saffierglas krijg je bij de Apple Watch 11 alleen op de duurdere titaniumvariant. De door mij geteste aluminiumvariant is voorzien van gehard glas dat Apple net als op de voorganger 'Ion-X' noemt. Dat geharde glas is volgens Apple dankzij een keramische coating deze generatie wel twee keer zo krasbestendig geworden. Tijdens het testen van de aluminiumvariant zijn er geen krassen op het scherm gekomen.

Twee apps

Op je iPhone gebruik je twee in iOS standaard geïntegreerde apps om het horloge te beheren. De instellingen vind je in de app Watch, waarmee je bijvoorbeeld de meldingen kunt instellen en de wijzerplaat kunt veranderen. De gegevens rondom je activiteiten vind je in de app Gezondheid, waarin je allerlei tegels met informatie rondom je stappen, activiteiten en slaap vindt. De Gezondheid-app bevat veel gegevens, maar zou wat overzichtelijker kunnen. Er staan wel erg veel losse tegels onder elkaar als je op Alle gegevens tikt. Gelukkig kun je de voor jou belangrijke gegevens vastmaken op het dashboard, want waarschijnlijk vind je lang niet alle data belangrijk.

Goede activiteittracking

De Apple Watch is een uitgebreide activiteitstracker die uitstekend werkt. Het enige dat we een beetje irritant vonden, is dat de Apple Watch wel automatisch activiteiten als fietsen of wandelen kan detecteren, maar dat er een handmatige actie nodig is om deze activiteit echt als work-out op te slaan. Zie je de melding over het hoofd, dan is de activiteit als losse work-out verdwenen.

De automatische detectie is verder wat ons betreft nauwkeurig genoeg. Bij het tracken van bewuste sportactiviteiten speelt dat minder omdat je dan via het horloge een work-out voor de gewenste activiteit kunt starten. Daarnaast wordt je slaapgedrag bijgehouden en word je gewaarschuwd bij afwijkingen rondom je hartslag, slaap(apneu) en bloeddruk. Dat is overigens niet nieuw; de vorige Apple Watch kan dat ook allemaal.

©Jeroen Boer - ID.nl

Accuduur

De accucapaciteit is niet bekend, maar volgens Apple gaat het horloge de hele dag mee en dat wordt probleemloos gehaald. Een keertje de Apple Watch vergeten op te laden en dan toch naar je werk gaan is geen probleem. Leg je hem aan de lader als je bijvoorbeeld gaat douchen of even als je thuis komt, dan heb je altijd genoeg energie.

De Apple Watch klikt trefzeker op de meeleverde magnetische laadpuck. Die laadpuck zelf blijft ook magnetisch plakken op metalen meubels zoals een nachtkastje. Heb je een metalen kastje, dan is dat extra handig omdat de lader dan zelf ook niet verschuift. Het laden gaat best vlot; het duurt ongeveer een uur om een volledig lege accu weer helemaal op te laden.

Conclusie

De Apple Watch Series 11 is een prima smartwatch, maar brengt weinig vernieuwing. Heb je een Apple Watch Series 9 of 10, dan kun je deze nieuwe variant daarom rustig overslaan. Ben je wel toe aan een nieuwe Apple Watch, dan krijg je met de Series 11 een goede smartwatch om je pols, al heeft de goedkopere SE met iets minder functies nu ook dezelfde chip.

Windows 11 is ontworpen om je pc beter te laten presteren dan zijn voorganger Windows 10. Toch geldt ook hier dat het systeem gaandeweg steeds trager wordt. Gelukkig zijn er eenvoudige trucs om je computer weer vleugels te geven.

Zelfs een modern besturingssysteem kan na verloop van tijd trager aanvoelen. Met de onderstaande tips kun je Windows 11 opnieuw optimaliseren. Uiteindelijk draait het vooral om keuzes. Het systeem zit boordevol functies en opties, maar niet alles heb je echt nodig. Schakel overbodige onderdelen uit, dan win je meestal direct aan snelheid. 

Zet Widgets uit

Veel klassieke trucs om Windows sneller te maken, werken ook in Windows 11. Maar er zijn ook enkele optimalisaties die specifiek voor dit besturingssysteem gelden en echt merkbaar verschil maken. Zo introduceert Windows 11 Widgets: interactieve kaarten die dynamisch informatie tonen over het weer, nieuws, aandelen of sport… Handig, maar ze verbruiken geheugen en bandbreedte. Vind je dit te veel van het goede, dan kun je ze beter uitschakelen. Dat doe je eenvoudig via de taakbalk: klik met de rechtermuisknop op een lege plek. Kies Taakbalkinstellingen en zet Widgets uit.

Visuele effecten en animaties uitschakelen

Windows 11 bevat heel wat grafische tierlantijntjes die er fraai uitzien, maar wel extra rekenkracht vragen. Denk aan animaties bij het minimaliseren of maximaliseren van vensters, transparante achtergronden en schaduwen. Vooral op systemen met weinig RAM of een oudere grafische kaart kan dit merkbare vertraging opleveren. Kies je liever voor prestaties dan voor cosmetica, dan schakel je deze visuele effecten uit. Druk op Win+I om de Instellingen te openen en ga naar Toegankelijkheid / Visuele effecten. Zet daar de schakelaars bij Transparantie-effecten en Animatie-effecten uit. Omdat Windows 11 hierdoor minder grafische elementen hoeft te renderen, merk je direct een vlottere werking, vooral bij het openen en sluiten van vensters.

Instellingen voor prestaties

Er bestaat ook een snelle manier om in één keer alle visuele effecten te beheren. Typ in de zoekfunctie van Start: De weergave en prestaties van Windows aanpassen. Standaard staat dit ingesteld op Automatisch selecteren. Ga naar het tabblad Visuele effecten en je leest precies welke opties voor de vormgeving actief zijn. Wil je alle grafische franje in één klap uitschakelen, kies dan voor Beste prestaties. Klik vervolgens op Toepassen en bevestig met OK.

In de instelling Beste prestaties worden alle visuele effecten uitgeschakeld.

Kritisch voor opstartprogramma’s

Telkens wanneer je Windows opstart, worden automatisch programma’s in de achtergrond geladen. Veel software installeert zo’n opstartprogramma zonder dat je het beseft. Applicaties die je zelden gebruikt, verbruiken daardoor onnodig geheugen en processorkracht en vertragen bovendien de opstartprocedure. Hoe meer programma’s mee opstarten, hoe langer het duurt voor je pc gebruiksklaar is. Controleer dit via Instellingen / Apps / Opstarten. Daar vind je een overzicht van alle apps die samen met Windows starten. Bekijk de lijst kritisch en zet de schakelaar uit bij programma’s die je niet meteen nodig hebt. Zo start je pc merkbaar sneller op.

Dubbelchecken in Taakbeheer

Daarna kun je ook nog een keer via Taakbeheer snoeien in de programma’s die op de achtergrond draaien. Open deze app door met de rechtermuisknop op een lege plek in de taakbalk te klikken en Taakbeheer te kiezen. Deze handige tool toont alle actieve programma’s en services. Klik in de linkerbalk op het vijfde pictogram van boven om de lijst met opstart-apps te openen. Sorteer vervolgens op Status, zodat de ingeschakelde apps bovenaan verschijnen. In de kolom Invloed op opstarten zie je meteen of een app geen, weinig of juist veel invloed heeft op de systeemprestaties. Wil je voorkomen dat een programma automatisch meedraait, klik er dan met de rechtermuisknop op en kies Uitschakelen. Hiermee verwijder je de toepassingen niet. Je voorkomt alleen dat ze bij het opstarten worden geladen. Je kunt de apps dus nog altijd handmatig starten. Besluit je later dat een programma tóch automatisch mee moet opstarten, dan schakel je het op dezelfde manier weer in.

Zuiniger in plaats van sneller

In Taakbeheer zit een handige functie om het energieverbruik van Windows 11 te verbeteren: de Efficiëntiemodus. Deze modus verlaagt de prioriteit van achtergrondapplicaties, waardoor je pc sneller werkt en de batterijduur wordt verlengd. Daarom heeft deze modus een eco-pictogram in de vorm van twee blaadjes. Een belangrijke kanttekening: niet alle processen en apps ondersteunen deze modus. Bij sommige zul je het pictogram dus niet zien. Start Taakbeheer en ga naar de weergave Processen (het derde pictogram van boven in de linkerbalk, bestaande uit drie vierkantjes). Hier zie je de lijst van actieve apps en processen. Selecteer de app of het proces dat je in de efficiëntiemodus wilt zetten en klik op het Efficiëntiemodus-pictogram rechtsboven in het scherm. Bevestig je keuze. Je kunt dezelfde optie ook bereiken door met de rechtermuisknop op een app of proces te klikken. Sommige apps, zoals Microsoft Edge, staan standaard al in de efficiëntiemodus. Bij deze apps kun je de modus niet uitschakelen.

Sommige applicaties ondersteunen de efficiëntiemodus.

Sta automatisch Windows-onderhoud toe

Windows 11 voert voortdurend onderhoud uit om te controleren of alles naar behoren functioneert. Dit omvat systeemdiagnoses en beveiligingsscans. Het lost bovendien automatisch gevonden problemen op. Dit automatisch onderhoud vindt plaats op een vastgesteld tijdstip wanneer het apparaat in slaapstand staat en is aangesloten op een stroombron. Het is mogelijk dat je deze functie per ongeluk hebt uitgeschakeld, of dat het een tijd niet actief was. Bijvoorbeeld als je de laptop ’s nachts hebt uitgeschakeld in plaats van in slaapstand te zetten, of als hij tijdelijk niet op het lichtnet was aangesloten. Zorg er daarom voor dat de functie dagelijks actief is. Typ in het zoekvak van de taakbalk Configuratiescherm en selecteer in deze app Systeem en beveiliging. In het gedeelte Onderhoud klik je onder Automatisch onderhoud op Onderhoud starten als je het direct wilt uitvoeren. Om ervoor te zorgen dat dit dagelijks gebeurt, klik je op Onderhoudsinstellingen wijzigen. Kies het gewenste tijdstip en vink het vakje aan: Gepland onderhoud toestaan om mijn computer aan te zetten.

Verwijder bloatware

Bij de installatie van Windows 11 worden automatisch programma’s meegeleverd waar je niet om hebt gevraagd. Sommige zijn logisch en nuttig, veel andere worden niet eens door Microsoft zelf ontwikkeld, maar door externe leveranciers. Soms gebeurt het ook dat bij de installatie van een programma een andere applicatie ongemerkt mee op je pc wordt gezet. Deze adware en bloatware zijn verraderlijk, omdat ze vaak automatisch starten zonder dat je het merkt. Je zult merken hoeveel beter je pc presteert wanneer je er vanaf bent. Je kunt Taakbeheer gebruiken om adware en bloatware te herkennen, maar gemakkelijker is het gebruik van een externe tool. Een handige optie is O&O AppBuster: volledig gratis en zonder installatie. Download de tool via https://www.oo-software.com/en/ooappbuster en start het exe-bestand. De tool scant het systeem en maakt het verwijderen eenvoudig. Je ziet telkens de uitgever van elke app en een aanbeveling. Een rode stip met het label Remove betekent dat je moet overwegen of je deze software echt nodig hebt. Is dat niet het geval, selecteer dan de titel en klik op Remove. Je kunt O&O AppBuster ook gebruiken om reguliere software te verwijderen die via de standaardmethode moeilijk te de-installeren is.

Zoekindexering uitschakelen

De zoekfunctie van Windows 11 maakt gebruik van indexering op je harde schijf. Dit gebeurt op de achtergrond, waardoor je pc sneller doorzocht kan worden dan zonder indexering. Zonder index moet Windows elk bestand en elke map bij iedere zoekopdracht opnieuw doorzoeken, wat langer duurt. Bovendien zorgt de indexering ervoor dat je bestanden kunt vinden op basis van de tekst die ze bevatten. Dit is handig, maar op tragere pc’s kan de indexering de prestaties verminderen. Je kunt de snelheid van een trage computer verbeteren door de indexering uit te schakelen. Zelfs op een pc met een ssd kan dit de prestaties ten goede komen. Open de app Services door in het zoekvak van de taakbalk services.msc te typen. Scroll naar Indexeringsservice of Windows Search in de lijst met services. Dubbelklik erop en klik in het venster dat verschijnt op Stoppen. Herstart daarna de pc. Je zoekopdrachten kunnen iets trager zijn, maar het verschil merk je mogelijk niet. Wel zul je waarschijnlijk een algemene snelheidsverbetering ervaren.

Opslaginzicht

Een harde schijf vol overbodige bestanden kan de pc vertragen. Door deze op te schonen, kun je vaak een snelheidsboost krijgen. Windows 11 biedt hiervoor een ingebouwde tool: Opslaginzicht. Open Instellingen en ga naar Systeem in de linkerbalk, zodat je rechts Opslag kunt openen. Schakel hier de optie Opslaginzicht in.

Vanaf dat moment controleert Windows voortdurend de opslag op je pc en verwijdert oude of overbodige bestanden die je waarschijnlijk niet meer nodig hebt. Denk aan tijdelijke bestanden, bestanden in de map Downloads en oude bestanden in de Prullenbak. Standaard komt Opslaginzicht pas in actie wanneer er weinig vrije schijfruimte overblijft. In dat geval verwijdert het systeem bestanden die al langer dan 30 dagen in de Prullenbak of Downloads staan. Je kunt dit ook instellen op dagelijks, elke 14 dagen of elke 60 dagen.

Stop de synchronisatie via OneDrive

De Microsoft-cloudopslagtool OneDrive zorgt ervoor dat de bestanden op je pc perfect gesynchroniseerd worden met de cloud. Het is een efficiënte back-uptool voor het geval je pc te maken krijgt met een virusinfectie of hardwareschade. OneDrive is zo diep geïntegreerd in Windows dat veel gebruikers denken dat het niet uit te schakelen is, maar dat klopt niet. De automatische OneDrive-synchronisatie kan je computer aanzienlijk vertragen. Als je ervoor kiest om je back-up op een andere manier te organiseren, kun je de synchronisatie eenvoudig uitschakelen. Klik op het OneDrive-cloudpictogram in het systeemvak en daarna op het tandwielpictogram om de Instellingen te openen. Ga naar het tabblad Account en klik op Deze pc ontkoppelen. Dit betekent niet dat je de bestanden kwijt bent die in de lokale OneDrive-map staan.

Geheugenintegriteit uitschakelen

Merk je dat Windows 11 op een oudere computer niet soepel draait? Dit kan te maken hebben met ingebouwde beveiligingsfuncties zoals TPM 2.0 en Geheugenintegriteit. Geheugenintegriteit helpt je pc te beschermen tegen geavanceerde aanvallen, maar kan op oudere of minder krachtige hardware een impact op de prestaties hebben. Als je bereid bent om een klein beetje veiligheid in te ruilen voor betere prestaties, kun je Geheugenintegriteit uitschakelen via Instellingen / Privacy & Beveiliging / Windows-beveiliging / Apparaatbeveiliging / Kernisolatie en Geheugenintegriteit.

Vooral op oudere pc’s heeft de Geheugenintegriteit een negatieve invloed op de snelheid.

Schakel de Gamemodus uit

De Gamemodus van Windows 11 optimaliseert je pc voor het spelen van games. Wanneer Windows merkt dat je een game speelt, geeft het de prioriteit aan de systeembronnen voor gaming door deze tijdelijk weg te nemen bij andere apps en achtergrondprocessen. Dit is interessant voor serieuze gamers, maar wanneer je geen games speelt, kan het systeem juist vertragen omdat het resources reserveert ‘voor het geval dat’ je toch een game zou starten. Het uitschakelen van de Gamemodus kan je pc daarom ook sneller maken. Je kunt de functie altijd opnieuw inschakelen wanneer je een game wilt spelen. Zelfs als je nog nooit een game op je pc hebt gespeeld, staat de Gamemodus standaard ingeschakeld. Om deze uit te schakelen, ga je naar Instellingen / Gaming / Gamemodus. Zet de schakelaar Gamemodus uit.