Intel Outside kā citi uzņēmumi plaukst no AI mikroshēmām

Pasaulē vadošais mikroshēmu ražotājs palaida garām milzīgu iespēju mobilo ierīču jomā. Tagad mākslīgā intelekta pieaugums dod uzņēmumam vēl vienu iespēju sevi pierādīt. Autors

• Pīters Burovs arhīva lapa

2016. gada 21. jūnijs

Jau 1997. gadā Endijs Grovs, toreizējais Intel izpilddirektors, kļuva par vienu no pirmajiem korporatīvajiem titāniem, kas pieņēma Hārvardas Biznesa skolas profesora Kleitona Kristensena mācības. Sajūtot, ka Intel varētu būt zemāks par datoru mikroshēmu konkurentiem ar lētākām precēm, Grove uzaicināts Kristensens runāt ar savu komandu par pagātnes rūpniecības līderiem, kuri bija pārāk ilgi gaidījuši, lai risinātu jaunos draudus. Dažu ceturkšņu laikā Intel bija izlaidusi zemākas klases Celeron mikroshēmu sēriju personālajiem datoriem, kas diezgan lielā mērā sagrāva tādu Intel vēlētāju sapņus kā Advanced Micro Devices. Inovatora dilemma novērsta.

Skatiet pārējo komplektu

• 50 gudrākie uzņēmumi

Intel vairs nav pielāgošanās spējas gadījuma izpēte. Gluži pretēji, tas ir smēlies viedtālruņos un planšetdatoros izmantoto mobilo mikroshēmu tirgū, kas ir līdz šim lielākā jaunā iespēja mikroshēmu ražotājiem pēdējo 10 gadu laikā. 19. aprīlī, tajā pašā dienā, kad uzņēmums paziņoja, ka atcels 12 000 darbavietu, Intel pārtrauca dažu savu mobilo Atom mikroshēmu izstrādi, neskatoties uz gadiem ilgi ieguldītajiem lielajiem ieguldījumiem. Un pēdējos gados pasaulē lielākais mikroshēmu ražotājs ir šķitis vienaldzīgs pret citu potenciāli plašo tirgu: mikroshēmu tirgu, kas paredzēts mākslīgā intelekta tehnikai, kas pazīstama kā dziļā mācīšanās.

Šis stāsts bija daļa no mūsu 2016. gada jūlija numura

• Skatiet pārējo izdevuma daļu
• Abonēt

Šis kādreiz neskaidrais AI izpētes stūris ir kļuvis par vienu no populārākajām tehnoloģiju tendencēm (skatiet 10 Breakthrough Technologies, 2013. gada maijs/jūnijs). Lielie interneta uzņēmumi to izmanto, lai ieviestu tiešsaistes pakalpojumus, kas saprot attēlus un runu, un padziļinātas apmācības mikroshēmas tiek veidotas bezpilota lidaparātos, bezvadītāja automašīnās un citos produktos, kas ir ļoti satriekts lietu internetā. Tas ir īpaši bīstami Intel, jo to ir darījis izpilddirektors Braiens Krzaničs teica ka uzņēmuma nākotne ir atkarīga no tā veiktspējas lielajos datu centros un lietu interneta.

Intel tikai tagad iepazīstina ar savu pirmo mikroshēmu, kas īpaši izstrādāta dziļai apmācībai. Tā ir jauna Xeon Phi kopprocesora versija, kas darbojas tandēmā ar Intel vadošajiem x86 mikroprocesoriem. Bet, lai gan mikroshēma ir labi piemērota daudziem dziļas apmācības darbiem, uzņēmums, kas būtībā monopolizēja datoru tirgu ar savu Intel Inside stratēģiju, joprojām ir tālu atpalicis tādu programmēšanas rīku izstrādē, kas klientiem ir nepieciešami ar šādām mikroshēmām. Mazāks konkurents Nvidia ir izveidojis agrīnu dominējošo stāvokli, piedāvājot šādus rīkus, saka Braiens Katanzaro, vecākais pētnieks uzņēmumā Baidu, kas ir liels dziļās apmācības aparatūras lietotājs. Veidojot šīs sistēmas, Baidu iepako četras reizes vairāk mikroshēmu no Nvidia nekā no Intel. Intel var būt nozīmīgs spēlētājs, taču tas ir fokusa jautājums, saka Catanzaro. Viņi daudzās jomās samazina darbu, tāpēc jums ir jādomā, vai viņiem ir institucionālā griba.

Pagaidām Intel finansiālais kaitējums ir minimāls. Amazon, Google un citi mākoņdatošanas giganti šogad iegādāsies mikroshēmas vairāk nekā 133 miljonu ASV dolāru vērtībā, lai darbinātu savas dziļās apmācības sistēmas, liecina tirgus izpētes firmas Tractica dati. Tā ir niecīga summa blakus Intel 2015. gada ieņēmumiem 56 miljardu dolāru apmērā. Tā vietā, lai solītu revolucionārus jauninājumus, Intel norāda, ka tās pašreizējās mikroshēmas būs pietiekamas daudzām darbavietām un ka tai ir inženierijas spējas radīt jaunas mikroshēmas, tirgum nobriedot, saka Catanzaro. Un uzņēmums ir apņēmies nekoncentrēties uz dziļu mācīšanos, izslēdzot citas AI pieejas. Galu galā Intel veterāni pagātnē ir redzējuši, ka mākslīgā intelekta neprāts ir nostiprinājies; viņi baidās, ka padziļināta mācīšanās nav tā panaceja, par kādu daudzi to uzskata. Mēs esam redzējuši šos ciklus iepriekš, saka Nidhi Chappell, Intel datu centra grupas mašīnmācības direktors.

Intel sagriež šādas vafeles mikroshēmās Xeon Phi produktu saimē. Mikroshēmas ir izstrādātas, lai veiktu dziļas mācīšanās uzdevumus.

Tomēr Nvidia padziļināta apmācība sāk palielināt ieņēmumus. Uzņēmuma pirmā ceturkšņa pārdošanas apjomi lielajiem mākoņu uzņēmumiem pieauga par 63 procentiem. Nvidia, kas atrodas netālu no Intel Santaklarā, Kalifornijā, savulaik pārdeva savus grafikas apstrādes mikroshēmas (GPU) galvenokārt datoru un spēļu konsoļu ražotājiem. Taču tas ir ieņēmis vadošo vadību topošajā padziļināto mācību tirgū, kopš lielie interneta uzņēmumi atklāja, cik labi grafikas mikroshēmas spēj veikt ar mākslīgo intelektu saistītus darbus. Tagad Nvidia saka, ka tā strādā ar 3500 klientiem dažādās nozarēs, sākot no automobiļu un farmācijas līdz finanšu pakalpojumiem.

Nvidia nav vienīgais uzņēmums, kas cenšas iegūt naudu, kamēr Intel to spēlē lieliski. Qualcomm ievieš programmatūras rīkus, lai palīdzētu klientiem izmantot tā mobilās mikroshēmas dziļai apmācībai. Un tādi jaunuzņēmumi kā Knupath un Nervana nāk klajā ar vēl radikālāk pārveidotiem padziļinātas apmācības mikroshēmām. Tactica prognozē, ka līdz 2024. gadam šī tirgus vērtība būs 3,6 miljardi USD.

Uzņēmums Knupath, kuru uzsāka bijušais NASA vadītājs Dens Goldins, jūnijā paziņoja par mākslīgā intelekta mikroshēmu ar nosaukumu Hermosa, kā arī programmatūru, lai savienotu 512 000 Hermosas un citas mikroshēmas. Pirmajā versijā galvenā uzmanība tiks pievērsta neparedzētu balsu atpazīšanai trokšņainā vidē, piemēram, lai jūs varētu pierakstīties bankā, izmantojot tikai savu balsi, braucot kabrioletā ar ieslēgtu radio. Uzņēmums ir piesaistījis finansējumu 100 miljonu ASV dolāru apmērā, pieņemot, ka esošās mikroshēmu arhitektūras nespēs apmierināt nākotnes pieprasījumu. Mēs ieejam ļoti agrīnā mašīninteliģences un mašīnmācīšanās stadijā. Tas ir kā mežonīgie Rietumi, saka Goldins. Notiks dažas trakas lietas.

Caurums tirgū

Kad tādi cilvēki kā Facebook, Google un Microsoft māca programmatūru, kā noteikt attēlu saturu vai identificēt runu, viņi izveido tos, ko bieži sauc par neironu tīkliem, kuros milzīgs datu apjoms tiek palaists caur tūkstošiem savienotu procesoru. Galu galā mašīnas var pašas atpazīt modeļus un attiecīgi pieņemt lēmumus. Janvārī Google neironu tīkls četros no pieciem konkursiem pārspēja vienu no pasaulē labākajiem galda spēles Go spēlētājiem.

Šādās lietojumprogrammās Intel x86 mikroprocesori parasti nodrošina tikai digitālo uzkopšanu. Lai gan modernais Intel procesors ir vairāk nekā pietiekami, lai palaistu plašas finanšu izklājlapas vai korporatīvo operāciju programmatūru, padziļinātai apguvei optimizētas mikroshēmas iznīcina noteikta veida problēmas, piemēram, balss komandu izpratni vai attēlu atpazīšanu, miljoniem kodumu. - izmēra gabaliņi. Tā kā GPU, piemēram, Nvidia, sastāv no tūkstošiem sīku procesora kodolu, kas saspiesti kopā vienā silīcija šķēlītē, tie vienlaikus var apstrādāt tūkstošiem šo gabalu. Intel procesora piešķiršana šādam darbam būtu milzīga resursu izšķiešana, jo katrā no šiem procesoriem ir daži desmiti kodolu, kas paredzēti sarežģītu algoritmu darbināšanai. Lai veiktu visus šos mikrouzdevumus, padziļinātas apmācības mikroshēmām nav jādomā tik daudz. Grafikas procesora serdeņiem ir vajadzīgais aritmētiskās muskulatūras daudzums, lai ātri vienreiz pareizi klasificētu attēlu vai citu datu daļu.

Šī Nvidia mikroshēma ir paredzēta lieliem interneta datu centriem un dziļas apmācības lietojumprogrammām.

Catanzaro, kurš palīdzēja uzsākt Nvidia dziļās mācīšanās uzbrukumu pirms došanās uz Baidu, testē Xeon Phi kopprocesoru un saka, ka tas var veikt dažus dziļas apmācības uzdevumus par aptuveni 90 procentiem tikpat efektīvi kā grafikas procesori. Bet viņš ir skeptisks. Intel ne tikai nav izstrādājis nevienu no Nvidia piedāvātajiem programmatūras rīkiem, lai palīdzētu klientiem pilnveidot un uzturēt neironu tīklus, bet arī, viņš saka, Intel ir jādara labāks darbs, lai tās mikroshēmas nonāktu dziļi izglītojošu gaismekļu rokās. lauks uz priekšu. Līdz šim Intel ir centies pārdot Xeon Phi lielos apjomos lieliem korporatīvajiem pircējiem labi saprotamām lietojumprogrammām, saka Catanzaro. Es tiecos pēc Intel, viņš saka. Nevienam nav labi, ja Nvidia ir vienīgā dzīvotspējīgā alternatīva, tāpēc šajā tirgū mums ir vajadzīgs Intel. Bet viņiem jāsāk koncentrēties.

Maijā Google pārsteidza mākslīgā intelekta pasauli, paziņojot, ka vairāk nekā gadu ir izmantojis paša radītu mikroshēmu, ko sauc par Tensor Processing Unit. Lai gan Google ar prieku ir iepludinājusi miljardus tādos projektos kā bezvadītāja automašīnas, šī bija pirmā reize, kad uzņēmums iedziļinājās dārgajā, sarežģītajā mikroshēmu biznesā. Kāpēc uztraukties? Tas bija vienīgais veids, kā virzīt uz priekšu mūsu ar mašīnmācību darbināmās lietojumprogrammas, e-pastā rakstīja Norms Jouppi, izcils Google aparatūras inženieris. Lai gan Google turpinās izmantot Intel procesorus savā skaitļošanas infrastruktūrā, viņš teica, ka mums bija vajadzīgs vairāk nekā tas, kas bija pieejams tirgū.

Sajūtot siltumu

Intel ir bijis kluss arī citā daudzsološā dziļās apmācības tirgus nostūrī: mikroshēmu tirgū, kas tālruņos, automašīnās un citās ierīcēs, ko vēlamies padarīt viedākas, ietver neironu tīklu apgūto gudrību. DJI, pasaulē lielākais dronu ražotājs, savā jaunajā Phantom 4 modelī iekļāva Movidius izgatavoto vizuālās apstrādes bloku. Mikroshēma apstrādā to, ko redz Phantom kameras, ļaujot kuģim izvairīties no avārijām, iespējams, ka cilvēka pilots nav pietiekami prasmīgs, lai paceltos no zemes. Tas ir izstrādāts tā, lai izmantotu ļoti maz akumulatora enerģijas — atkal tas nav Intel specialitāte.

Šīs mikroshēmas varētu izrādīties daudz mazāk ienesīgas nekā procesori, kas padarīja Intel par populāru nosaukumu, taču to apjomi varētu būt pārāk lieli, lai izturētu, ja komponenti kļūtu par standartu viedākās MRI iekārtās, ražošanas robotos un novērošanas kamerās, saka Džims Makgregors, Tirias dibinātājs. Research, mikroshēmu nozares izpētes uzņēmums. Visvairāk vilinoši ir pašbraucošo automašīnu tirgus, kas varētu sasniegt desmitiem miljonu vienību gadā. Ja katram transportlīdzeklim ir daudz šo mikroshēmu, šis tirgus vien varētu konkurēt ar datoru tirgus lielumu.

Intel Chappell nenoraida šādas prognozes, taču viņa saka, ka Intel iespēja ir iegūt plašāku, pragmatisku skatījumu uz tirgu. AI pētnieku aktuālākais izaicinājums ir radīt veidus, kā daudz ātrāk apmācīt neironu tīklus, piemēram, pēcpusdienā, nevis dažu nedēļu laikā. Jaunā Xeon Phi mikroshēma palīdzēs atrisināt šo problēmu, viņa saka, daļēji tāpēc, ka pētnieki var to izmantot, lai izstrādātu apmācības sistēmu savos datoros un turpinātu to izmantot, kad tie tiek paplašināti līdz lielākos serveru tīklos un galu galā masveidā mākonī. .

Ilgtermiņā Intel varētu izveidot mikroshēmas, kas darbojas visās jomās, sākot no apmācību sistēmām līdz mazjaudas ierīcēm lietu internetā, saka Čapels. Šādā gadījumā grafikas procesori un citas specializētas padziļinātas apmācības mikroshēmas būtu neizdevīgākā situācijā salīdzinājumā ar vispārējas nozīmes, universāliem mikroprocesoriem. Pateicoties Intel inženierzinātņu talantam un ražošanas iespējām, uzņēmums, iespējams, varēs iekļaut padziļinātas apmācības shēmas nākotnes procesoros ar nelielām papildu izmaksām. Ja Intel var izveidot kopīgu programmatūras rīku komplektu, lai pārvaldītu visu, sākot no neironu tīkliem un beidzot ar droniem, tas varētu padarīt dziļu mācīšanos pieejamu daudz lielākam skaitam uzņēmumu un sniegt Intel stratēģisku bloķēšanu viņu uzņēmējdarbībai.

Šie ir triki, kas palīdzēja Intel monopolizēt personālo datoru nozari. Pat tagad daži ir gatavi izslēgt uzņēmumu. Pēdējo reizi, kad pārbaudīju, viņiem bankā bija 15 miljardi USD, un viņi nav stulbi cilvēki, saka Remi El-Ouazzane, Movidius izpilddirektors. Bet vismaz šajā brīdī mēs nejūtam karstumu.

paslēpties