Google atklāj jaudīgu jaunu AI mikroshēmu un superdatoru

Ja mākslīgais intelekts strauji apēd programmatūru, Google var būt vislielākā apetīte.

Uzņēmuma ikgadējā izstrādātāju konferencē šodien izpilddirektors Sundars Pichai paziņoja par jaunu datora procesoru, kas izstrādāts, lai veiktu tāda veida mašīnmācīšanos, kas pēdējos gados ir sagrābusi nozari (skatiet 10 izrāvienu tehnoloģijas: dziļa mācīšanās).

Paziņojums atspoguļo to, cik strauji mākslīgais intelekts pārveido pašu Google, un tā ir līdz šim drošākā zīme, ka uzņēmums plāno vadīt katra attiecīgā programmatūras un aparatūras aspekta izstrādi.

Varbūt vissvarīgākais ir tas, ka vismaz tiem, kas strādā ar mašīnmācību, jaunais procesors ne tikai darbojas ar lielu ātrumu, bet arī to var apmācīt neticami efektīvi. Mikroshēma, ko sauc par Cloud Tensor Processing Unit, ir nosaukta pēc Google atvērtā pirmkoda TensorFlow mašīnmācīšanās sistēmas.

Apmācība ir mašīnmācības būtiska sastāvdaļa. Lai izveidotu algoritmu, kas spēj hotdogu atpazīšana attēlos , piemēram, jūs ievadītu tūkstošiem hotdogu attēlu piemēru, kā arī ne-hotdog piemērus, līdz tas iemācīsies atpazīt atšķirību. Taču aprēķini, kas nepieciešami liela modeļa apmācībai, ir tik ļoti sarežģīti, ka apmācība var ilgt dienas vai nedēļas.

Pichai arī paziņoja par mašīnmācības superdatoru jeb Cloud TPU podiņu izveidi, kuru pamatā ir mākoņa TPU kopas, kas savienotas ar ātrdarbīgiem datu savienojumiem. Un viņš teica, ka Google izveido TensorFlow Research Cloud, kas sastāv no tūkstošiem TPU, kas pieejami internetā.

Mēs veidojam datu centrus, kurus mēs domājam par AI, pirmkārt, savā prezentācijā sacīja Pichai. Mākoņa TPU ir optimizēti gan apmācībai, gan secinājumiem. Tas ir pamats ievērojamam progresam [AI].

Google padarīs 1000 mākoņa TPU sistēmas pieejamas mākslīgā intelekta pētniekiem, kas vēlas atklāti dalīties ar informāciju par savu darbu.

Savas runas laikā Pichai arī paziņoja par vairākām AI pētniecības iniciatīvām. Tie ietver centienus izstrādāt algoritmus, kas spēj iemācīties veikt laikietilpīgo darbu, kas saistīts ar citu mašīnmācīšanās algoritmu precizēšanu. Un viņš teica, ka Google izstrādā AI rīkus medicīnisko attēlu analīzei, genoma analīzei un molekulu atklāšanai.

Pirms paziņojumiem Džefs Dīns, Google vecākais līdzstrādnieks, sacīja, ka šis piedāvājums varētu palīdzēt attīstīt AI. Viņš atzīmēja, ka daudziem vadošajiem pētniekiem nav piekļuves tik daudz datora jaudas, cik viņi vēlētos.

Google pāreju uz AI vērstu aparatūru un mākoņpakalpojumiem daļēji veicina centieni paātrināt savas darbības. Pats Google tagad izmanto TensorFlow, lai nodrošinātu meklēšanu, runas atpazīšanu, tulkošanu un attēlu apstrādi. To izmantoja arī Go-playing programmā AlphaGo, ko izstrādāja cits Alphabet meitas uzņēmums DeepMind.

Taču stratēģiski Google varētu palīdzēt novērst to, ka kāds cits aparatūras uzņēmums kļūst pārāk dominējošs mašīnmācības jomā. Uzņēmums Nvidia, kas ražo grafikas apstrādes mikroshēmas, kuras tradicionāli tiek izmantotas padziļinātai apguvei, kļūst īpaši pamanāmas ar saviem dažādajiem produktiem (skatiet Nvidia izpilddirektoru: Software Is Eating the World, bet AI is Going to Eat Software ).

Saistīts stāsts

Lasiet Tālāk Jensens Huangs prognozē, ka veselības aprūpi un automobiļus pārveidos mākslīgais intelekts.

Lai nodrošinātu zināmu mākoņa TPU piedāvāto veiktspējas paātrinājuma mērījumu, Google saka, ka savus tulkošanas algoritmus varētu apmācīt daudz ātrāk, izmantojot jauno aparatūru nekā esošo aparatūru. To, kas prasītu visu dienu apmācību par 32 labākajiem GPU, var paveikt pēcpusdienā, izmantojot vienu astoto daļu no viena no tā TPU Pods.

Šie TPU nodrošina satriecošus 128 teraflopus, un tie ir paredzēti tieši tādam skaitļu noteikšanai, kas mūsdienās veicina mašīnmācīšanos. Fei-Fei Li , Google Cloud galvenais zinātnieks un Stenfordas mākslīgā intelekta laboratorijas direktors teica pirms Pichai paziņojuma.

Teraflops attiecas uz triljonu peldošā komata darbību sekundē, kas ir datora veiktspējas rādītājs, kas iegūts, veicot matemātiskus aprēķinus. Turpretim iPhone 6 spēj veikt aptuveni 100 gigaflops jeb vienu miljardu peldošā komata darbību sekundē.

Google saka, ka pētnieki joprojām varēs izstrādāt algoritmus, izmantojot citu aparatūru, pirms tie tiks pārnesti uz TensorFlow Research Cloud. Lī piebilda, ka tas ir mašīnmācības demokratizācijas mērķis — izstrādātāju pilnvarošana, aizsargājot dizaina brīvību.

Arvien vairāk pētnieku ir pieņēmuši TensorFlow kopš Google programmatūras izlaišanas 2015. gadā. Google tagad lepojas, ka tā ir pasaulē visplašāk izmantotā padziļinātās apmācības sistēma.

paslēpties