„Google“ atskleidžia galingą naują AI lustą ir superkompiuterį

Jei dirbtinis intelektas sparčiai valgo programinę įrangą, „Google“ gali turėti didžiausią apetitą.

Šiandien vykstančioje bendrovės kasmetinėje kūrėjų konferencijoje generalinis direktorius Sundaras Pichai paskelbė apie naują kompiuterio procesorių, sukurtą atlikti tokį mašininį mokymąsi, kuris pastaraisiais metais užvaldė pramonę (žr. 10 proveržio technologijų: gilus mokymasis).

Skelbimas atspindi, kaip greitai dirbtinis intelektas keičia pačią „Google“, ir tai kol kas patikimiausias ženklas, kad įmonė planuoja vadovauti visų svarbių programinės ir techninės įrangos aspektų kūrimui.

Bene svarbiausias dalykas yra tai, kad bent jau tiems, kurie dirba mašininio mokymosi srityje, naujasis procesorius ne tik veikia dideliu greičiu, bet ir gali būti treniruojamas neįtikėtinai efektyviai. Lustas, vadinamas „Cloud Tensor Processing Unit“, pavadintas „Google“ atvirojo kodo „TensorFlow“ mašininio mokymosi sistemos vardu.

Mokymas yra pagrindinė mašininio mokymosi dalis. Norėdami sukurti algoritmą, galintį atpažinti dešrainius vaizduose Pavyzdžiui, jūs pateikiate tūkstančius dešrainių vaizdų pavyzdžių, kartu su nedešrainių vaizdų pavyzdžiais, kol išmoksite atpažinti skirtumą. Tačiau skaičiavimai, reikalingi norint išmokyti didelį modelį, yra tokie sudėtingi, kad mokymas gali užtrukti kelias dienas ar savaites.

„Pichai“ taip pat paskelbė apie mašininio mokymosi superkompiuterių arba „Cloud TPU pods“ sukūrimą, pagrįstą „Cloud TPU“ grupėmis, sujungtomis kartu su didelės spartos duomenų ryšiais. Ir jis sakė, kad „Google“ kuria „TensorFlow Research Cloud“, susidedantį iš tūkstančių TPU, pasiekiamų internetu.

Mes kuriame tai, ką manome, kaip pirmuosius dirbtinio intelekto duomenų centrus, savo pristatyme sakė Pichai. Cloud TPU yra optimizuoti tiek mokymui, tiek išvadoms. Tai sudaro pagrindą reikšmingai pažangai [DI].

„Google“ padarys 1000 „Cloud TPU“ sistemų prieinamas dirbtinio intelekto tyrinėtojams, norintiems atvirai dalytis savo darbo detalėmis.

Savo kalboje Pichai taip pat paskelbė apie daugybę AI tyrimų iniciatyvų. Tai apima pastangas sukurti algoritmus, galinčius išmokti atlikti daug laiko reikalaujantį darbą, susijusį su kitų mašininio mokymosi algoritmų koregavimu. Ir jis sakė, kad „Google“ kuria AI įrankius, skirtus medicininių vaizdų analizei, genomo analizei ir molekulių atradimui.

Kalbėdamas prieš pranešimus, Jeffas Deanas, „Google“ vyresnysis bendradarbis, sakė, kad šis pasiūlymas gali padėti tobulinti AI. Jis pažymėjo, kad daugelis geriausių mokslininkų neturi prieigos prie tiek kompiuterio galios, kiek norėtų.

„Google“ perėjimą prie į DI orientuotos aparatinės įrangos ir debesies paslaugų iš dalies lėmė pastangos paspartinti savo veiklą. Pati „Google“ dabar naudoja „TensorFlow“ paieškai, kalbos atpažinimui, vertimui ir vaizdų apdorojimui. Jis taip pat buvo naudojamas Go-playing programoje AlphaGo, kurią sukūrė kita Alphabet dukterinė įmonė DeepMind.

Tačiau strategiškai „Google“ galėtų padėti užkirsti kelią kitai techninės įrangos kompanijai pernelyg dominuoti mašininio mokymosi erdvėje. Nvidia, kompanija, gaminanti grafikos apdorojimo lustus, kurie tradiciškai buvo naudojami giliam mokymuisi, tampa ypač ryškūs su įvairiais produktais (žr. Nvidia CEO: Software Is Eating the World, bet AI is Going to Eat Software ).

Susijusi istorija

Skaitykite toliau Jensenas Huangas prognozuoja, kad sveikatos apsaugą ir automobilius pakeis dirbtinis intelektas.

Siekdama pateikti tam tikrą debesų TPU siūlomo našumo pagreitinimo matą, „Google“ teigia, kad jos vertimo algoritmai gali būti išmokyti daug greičiau naudojant naują aparatinę įrangą nei esama aparatinė įranga. Tai, ko prireiktų visą dieną treniruotis su 32 geriausiais GPU, galima padaryti per popietę, naudojant vieną aštuntadalį vieno iš TPU modulių.

Šie TPU pasiekia stulbinančius 128 teraflopus ir yra sukurti būtent tokiam skaičių traiškymui, kuris šiandien skatina mašininį mokymąsi, Fei-Fei Li , „Google Cloud“ vyriausiasis mokslininkas ir Stanfordo AI laboratorijos direktorius sakė prieš Pichai paskelbimą.

Teraflopas reiškia trilijoną slankiojo kablelio operacijų per sekundę, kompiuterio našumo matą, gautą atlikus matematinius skaičiavimus. Priešingai, „iPhone 6“ gali atlikti apie 100 gigaflopų arba milijardą slankiojo kablelio operacijų per sekundę.

„Google“ teigia, kad mokslininkai vis tiek galės kurti algoritmus naudodami kitą aparatinę įrangą, prieš perkeldami ją į „TensorFlow Research Cloud“. Būtent tai ir yra mašininio mokymosi demokratizavimas – kūrėjų įgalinimas saugant dizaino laisvę, pridūrė Li.

Nuo tada, kai 2015 m. „Google“ išleido programinę įrangą, vis daugiau tyrėjų naudoja „TensorFlow“. Dabar „Google“ gali pasigirti, kad tai yra plačiausiai naudojama giluminio mokymosi sistema pasaulyje.

paslėpti