211service.com
2 miljardu dolāru žetons mākslīgā intelekta paātrināšanai
Mākslīgā intelekta joma pēdējos gados ir piedzīvojusi pārsteidzošu progresu, programmatūrai kļūstot daudz labāk izpratnei par attēliem, runu un jauniem uzdevumiem, piemēram, kā spēlēt spēles. Tagad uzņēmums, kura aparatūra ir bijusi šī progresa pamatā, ir izveidojis mikroshēmu, lai to turpinātu.
Otrdien Nvidia paziņoja par jaunu mikroshēmu ar nosaukumu Tesla P100, kas ir izstrādāta, lai izmantotu vairāk jaudas tehnikai, ko sauc par dziļo mācīšanos. Šis paņēmiens ir radījis nesenos būtiskos sasniegumus, piemēram, Google programmatūru AlphaGo, kas pagājušajā mēnesī uzvarēja pasaules labāko Go spēlētāju (skatiet Piecas mācības no AlphaGo vēsturiskās uzvaras).
Padziļināta mācīšanās ietver datu nodošanu caur lielām rupji simulētu neironu kolekcijām. P100 varētu palīdzēt sasniegt lielākus sasniegumus, dodot iespēju datorzinātniekiem ievadīt vairāk datu saviem mākslīgajiem neironu tīkliem vai izveidot lielākas virtuālo neironu kolekcijas.
Mākslīgie neironu tīkli pastāv jau vairākus gadu desmitus, taču dziļa mācīšanās kļuva aktuāla tikai pēdējos piecos gados, kad pētnieki atklāja, ka mikroshēmas, kas sākotnēji bija paredzētas videospēļu grafikas apstrādei, padarīja šo tehniku daudz jaudīgāku. Grafikas procesoriem joprojām ir izšķiroša nozīme dziļās mācīšanās procesā, taču Nvidia izpilddirektors Džens Hsuns Huangs saka, ka tagad ir pienācis laiks izveidot šim lietošanas gadījumam pielāgotas mikroshēmas.
Jen-Hsun Huang, mikroshēmu ražotāja Nvidia izpilddirektors, iepazīstina ar jaunu mikroshēmu, kas izstrādāta, lai padarītu mašīnmācīšanās programmatūru spējīgāku.
Uzņēmuma pasākumā Sanhosē viņš teica: Pirmo reizi mēs izstrādājām [grafiskās apstrādes] arhitektūru, kas paredzēta AI paātrināšanai un dziļas mācīšanās paātrināšanai. Nvidia iztērēja vairāk nekā 2 miljardus USD pētniecībai un attīstībai, lai ražotu jauno mikroshēmu, sacīja Huangs. Tajā kopumā ir 15 miljardi tranzistoru, kas ir aptuveni trīs reizes vairāk nekā iepriekšējās Nvidia mikroshēmās. Huangs sacīja, ka mākslīgais neironu tīkls, ko darbina jaunā mikroshēma, varētu mācīties no ienākošajiem datiem 12 reizes ātrāk, cik tas bija iespējams, izmantojot Nvidia iepriekšējo labāko mikroshēmu.
Padziļināti izglītojoši pētnieki no Facebook, Microsoft un citiem uzņēmumiem, kuriem Nvidia piešķīra agrīnu piekļuvi jaunajai mikroshēmai, teica, ka viņi sagaida, ka tas paātrinās viņu progresu, ļaujot viņiem strādāt ar lielākām neironu kolekcijām.
Es domāju, ka mēs spēsim sasniegt daudz lielākus apjomus, nekā esam spējuši pagātnē, piemēram, 30 reizes lielāki, sacīja Braiens Katancero, kurš Ķīnas meklēšanas uzņēmumā Baidu strādā pie dziļas mācīšanās. Neironu tīklu lieluma palielināšana iepriekš ir ļāvusi ievērojami palielināt programmatūras viedumu. Piemēram, pagājušajā gadā Microsoft izdevās izveidot programmatūra, kas pārspēj cilvēkus, atpazīstot objektus fotoattēlos izveidojot daudz lielāku neironu tīklu.
Huangs no Nvidia sacīja, ka jaunā mikroshēma jau tiek ražota un ka viņš sagaida, ka mākoņdatošanas uzņēmumi to sāks izmantot šogad. Paredzams, ka IBM, Dell un HP to pārdos serveros, sākot ar nākamo gadu.
Viņš arī atklāja īpašu datoru dziļi izglītojošiem pētniekiem, kas apvieno astoņas P100 mikroshēmas ar atmiņas mikroshēmām un zibatmiņas cietajiem diskiem. Vadošajām akadēmiskajām pētniecības grupām, tostarp Kalifornijas Universitātē, Bērklijā, Stenfordā, Ņujorkas Universitātē un MIT, tiek piešķirti šī datora modeļi, kas pazīstami kā DGX-1, kas arī tiks pārdots par 129 000 USD.