211service.com
Microsoft saka, ka programmējamās mikroshēmas padarīs AI programmatūru gudrāku
Nesenie sasniegumi attiecībā uz to, cik precīzi programmatūra var atpazīt attēlus un runu, radās, pateicoties papildu skaitļošanas jaudai, kas ir paņēmiens, kas pazīstams kā dziļā mācīšanās. Microsoft tagad ziņo par progresu saistībā ar ideju, kas varētu radīt vēl lielākus spēkus šīs tehnikas pamatā. Praktisks veids, kā vēl vairāk aktivizēt dziļās mācīšanās programmatūru, varētu novest pie turpmākiem ievērojamiem sasniegumiem mašīnu intelektā.
Dziļās mācīšanās programmatūra iemācās izprast datus, izmantojot aptuvenas bioloģisko neironu simulācijas (skatiet 10 Breakthrough Technologies 2013: Deep Learning ). Viena no prioritātēm uzņēmumiem, piemēram, Google, Microsoft un Facebook, kas iegulda tehnoloģijā, ir atrast veidus, kā apmācīt lielākus neironu tīklus ar lielākām apmācības datu kolekcijām, palaižot programmatūru jaudīgākos datoros.
Grafikas procesoru, kas pazīstami kā GPU, izmantošana ir izrādījusies viens no labākajiem veidiem, kā to izdarīt. Taču to cena un lielais elektroenerģijas patēriņš padara GPU dārgus pat lieliem uzņēmumiem. Tas ir ļoti dārgi un sarežģīti izveidot, uzturēt un paplašināt savu apmācību platformu, saka Ēriks Čungs , Microsoft pētnieks. Viņš saka, ka padziļinātai apmācībai izmantoto GPU sistēmas parasti ir mazas vai vidējas, salīdzinot ar datoru grupu mērogu, kas darbojas kopā, lai darbinātu tiešsaistes pakalpojumus.
Chung ir daļa no projekta, kurā tiek pētīts iespējamais ceļš uz dziļu mācīšanos daudz plašākā mērogā. Ideja ir izmantot FPGA, uz lauka programmējamus vārtu blokus, mikroshēmas, kuras var pārkonfigurēt, lai īstenotu jebkuru dizainu un kas var būt ļoti energoefektīvas. Microsoft pagājušajā gadā sāka izmantot FPGA, lai darbinātu savas Bing meklētājprogrammas daļas, un ziņoja, ka pārbauda to izmantošanu, lai darbinātu dziļās mācīšanās virtuālos neironus. februārī . Chung saka, ka pētījums tagad ir virzījies uz dažu jaudīgāko pieejamo FPGA izmantošanu un ka tas izskatās kā praktisks veids, kā būtiski palielināt dziļas mācīšanās jaudu. Microsoft izmanto FPGA, ko ražojis uzņēmums Altera, kuru mikroshēmu ražotājs Intel nopirka jūnijā par 17 miljardiem dolāru, atsaucoties uz šādu mikroshēmu potenciālu padarīt korporatīvos datu centrus jaudīgākus.
Pat tajā, ko Chung sauca par prototipēšanas stadiju, komanda konstatēja gandrīz desmitkārtīgu neironu tīkla veiktspējas pieaugumu, mēģinot identificēt attēlus, salīdzinot ar parastajiem datoriem bez GPU. Viņš saka, ka tas varētu mainīt spēli, ja mums beidzot izdosies plaši izvietot FPGA, kas nodrošinās kopējo iespēju, kas pārsniedz šodienas iespējas.
FPGA izmantošanai ir trūkumi, piemēram, darbs, kas jāveic, lai tos ieprogrammētu tā, lai tas veiktu pašreizējo darbu. Bet Chung prognozē, ka tehnika ļaus apmācīt nepieredzēta izmēra un kvalitātes neironu tīklus.
Tas varētu palīdzēt uzlabot tādas lietas kā programmatūra, kas var aprakstīt attēlu saturu (skatiet sadaļu Google programmatūra apraksta to, ko tā redz attēlos ), vai saprast valodu un parādīt kādu veselā saprāta formu ( Mācīšanas mašīnas mūs saprast ). Microsoft jaunākie rezultāti par FPGA izmantošanu tika prezentēti Hot Chips konference par procesora veiktspējas progresu Cupertino, Kalifornijā, otrdien.