Facebook mākslīgā intelekta mašīntelpā

Piekļūstiet Facebook no Ziemeļamerikas rietumu puses, un pastāv liela iespēja, ka jūsu dati tiks iegūti no datora, ko atdzesē Oregonas centrālās daļas augstā tuksneša gaiss, kas smaržo pēc kadiķiem un salvijas.

Prinevilas pilsētā, kurā dzīvo aptuveni 9000 cilvēku, Facebook glabā vēl simtiem miljonu datus. Datoru rindas un rindas atrodas četrās milzu ēkās, kuru kopējā platība ir gandrīz 800 000 kvadrātpēdu, un tās ir precīzi sakārtotas, lai ielaistu sausos un parasti vēsos vasaras vējus, kas pūš no ziemeļrietumiem. Sakrauto serveru ejas ar mirgojošām zilām un zaļām gaismām rada trulu rūkoņu, apstrādājot pieteikšanos, atzīmes Patīk un LOL.

Facebook ir uzstādījis jaunus jaudīgus serverus, lai palīdzētu saviem mākslīgā intelekta pētniekiem pārvietoties ātrāk. Tos darbina Nvidia ražotās GPU mikroshēmas (zaļās kartes attēla aizmugurē).

Facebook nesen Prinevilā ir pievienojis dažas jaunas mašīnas. Uzņēmums ir instalējis jaunus, jaudīgus serverus, kas izstrādāti, lai paātrinātu programmatūras apmācību, lai veiktu tādas darbības kā ziņu tulkošana starp valodām, gudrāks virtuālais palīgs vai rakstītu stāstījumu ievērošana.

Facebook jaunie Big Sur serveri ir izstrādāti ar jaudīgiem procesoriem, kas sākotnēji tika izstrādāti grafikas apstrādei, kas pazīstami kā GPU. Šīs mikroshēmas ir pamatā nesenajiem lēcieniem mākslīgā intelekta tehnoloģijā, kas radusies no tehnikas, kas pazīstama kā dziļa mācīšanās. Programmatūra ir kļuvusi pārsteidzoši labāka attēlu un runas izpratnē, pateicoties GPU jaudai, kas ļauj izmantot vecās idejas par programmatūras apmācību daudz lielākām, sarežģītākām datu kopām (skatiet sadaļu Mācīšanas mašīnas, lai mūs saprastu).

Kevins Lī, Facebook inženieris, kurš strādā pie serveriem, saka, ka viņi palīdz Facebook pētniekiem apmācīt programmatūru, izmantojot vairāk datu, strādājot ātrāk. Viņš saka, ka šie serveri ir īpaši izveidota aparatūra AI izpētei un mašīnmācībai. GPU var uzņemt fotoattēlu un sadalīt to mazos gabaliņos un strādāt ar tiem visiem vienlaikus.

Facebook katru Big Sur serveri veido astoņu GPU, ko ražo Nvidia, vadošais šādu mikroshēmu piegādātājs. Lī atteicās precīzi pateikt, cik serveru ir izvietoti, taču sacīja, ka uzņēmumam darbojas tūkstošiem GPU. Big Sur serveri ir uzstādīti uzņēmuma Prineville un Ashburn, Virdžīnijas datu centros.

Tā kā grafiskie procesori ir ļoti izsalkuši no enerģijas, Facebook tie ir jāiepako mazāk blīvi nekā cita veida serveriem datu centrā, lai izvairītos no karsto punktu veidošanās, kas apgrūtinātu dzesēšanas sistēmas darbību un prasītu papildu jaudu. Astoņi Big Sur serveri ir sakrauti septiņas pēdas augstā plauktā, kurā pretējā gadījumā varētu būt 30 standarta Facebook serveri, kas veic ikdienas lietotāja datu apkalpošanu.

Facebook nebūt nav vienīgais, kas pārvalda milzīgus datu centrus vai savāc GPU, lai nodrošinātu mašīnmācības pētījumus. Microsoft, Google un Ķīnas meklēšanas uzņēmums Baidu ir paļāvušies uz GPU, lai nodrošinātu dziļas mācīšanās pētījumus.

Facebook jaunie serveri mākslīgā intelekta izpētei uzņēmuma datu centrā Prinevilā, Oregonas štatā.

Sociālais tīkls ir neparasts, jo tas ir atvēris Big Sur un citu tā serveru dizainu, kā arī Prineville datu centra plānus. Uzņēmums tos iegulda bezpeļņas organizācijā, ko sauc par Atveriet skaitļošanas projektu , ko Facebook aizsāka 2011. gadā, lai mudinātu skaitļošanas uzņēmumus strādāt kopā, lai izstrādātu zemu izmaksu, augstas efektivitātes datu centru aparatūras dizainu. Tiek uzskatīts, ka projekts ir palīdzējis Āzijas aparatūras uzņēmumiem un izspiež tradicionālos pārdevējus, piemēram, Dell un HP.

Facebook AI pētniecības direktors Jans Lekuns, kad šī gada sākumā tika paziņots par Big Sur, viņš uzskata, ka dizainu padarīšana pieejamu varētu paātrināt progresu šajā jomā, ļaujot vairākām organizācijām izveidot jaudīgu mašīnmācīšanās infrastruktūru (skat. Facebook pievienojas Tech Giants Giving Stampede. Prom mākslīgā intelekta tehnoloģija).

Tomēr nākotnes mašīnmācīšanās serveri, kas veidoti pēc Facebook plāniem, šodien, iespējams, netiks veidoti, pamatojoties uz to centrā esošajiem GPU. Vairāki uzņēmumi strādā pie jauniem mikroshēmu dizainiem, kas ir īpaši pielāgoti dziļas mācīšanās matemātikai nekā GPU.

Google maijā paziņoja, ka ir sācis izmantot sava dizaina mikroshēmu, ko sauc par TPU, lai darbinātu dziļās mācīšanās programmatūru tādos produktos kā runas atpazīšana. Šķiet, ka pašreizējā mikroshēma ir piemērota algoritmu darbināšanai pēc tam, kad tie ir apmācīti, nevis sākotnējam apmācības posmam, ko Big Sur serveri ir paredzēti, lai paātrinātu, bet Google strādā pie otrās paaudzes mikroshēmas. Nvidia un vairāki jaunizveidotie uzņēmumi, tostarp Nervana Systems, arī strādā pie mikroshēmām, kas pielāgotas dziļai apmācībai (skatiet Intel Outside As Other Companies Prosper no AI Chips ).

Eugenio Kulurciello , Purdue universitātes asociētais profesors, saka, ka dziļās mācīšanās lietderība nozīmē, ka šādas mikroshēmas noteikti tiek izmantotas ļoti plaši. Jau kādu laiku ir bijusi liela vajadzība, un tā tikai pieaug, viņš saka.

Jautāts, vai Facebook strādā pie savām pielāgotajām mikroshēmām, Lī saka, ka uzņēmums to izskata.

paslēpties