Google ujawnia potężny nowy chip AI i superkomputer

Jeśli sztuczna inteligencja szybko zjada oprogramowanie , to Google może mieć największy apetyt.

Na dzisiejszej dorocznej konferencji deweloperów firmy, dyrektor generalny Sundar Pichai ogłosił nowy procesor komputerowy zaprojektowany do realizacji tego rodzaju uczenia maszynowego, który szturmem podbił branżę w ostatnich latach (patrz 10 przełomowych technologii: głębokie uczenie).

Ogłoszenie odzwierciedla, jak szybko sztuczna inteligencja przekształca samą firmę Google i jest najpewniejszym jak dotąd znakiem, że firma planuje prowadzić rozwój każdego istotnego aspektu oprogramowania i sprzętu.

Co być może najważniejsze, przynajmniej dla tych, którzy pracują w uczeniu maszynowym, nowy procesor nie tylko działa z zawrotną szybkością, ale może być także trenowany niezwykle wydajnie. Nazywany Cloud Tensor Processing Unit, chip nosi nazwę otwartej platformy uczenia maszynowego TensorFlow firmy Google.

Szkolenie to podstawowa część uczenia maszynowego. Aby stworzyć algorytm zdolny do: rozpoznawanie hot-dogów na obrazach , na przykład, nakarmiłbyś tysiące przykładów obrazków hot-dogów – wraz z przykładami nie hot-dogów – dopóki nie nauczy się rozpoznawać różnicy. Jednak obliczenia wymagane do trenowania dużego modelu są tak bardzo złożone, że trenowanie może zająć dni lub tygodnie.

Pichai poinformował również o stworzeniu superkomputerów uczących się maszyn, czyli modułów Cloud TPU, opartych na klastrach Cloud TPU połączonych ze sobą za pomocą szybkich połączeń danych. Powiedział, że Google tworzy chmurę badań TensorFlow, składającą się z tysięcy TPU dostępnych przez Internet.

Budujemy to, co uważamy za centra danych oparte na sztucznej inteligencji, powiedział Pichai podczas swojej prezentacji. Jednostki Cloud TPU są zoptymalizowane zarówno pod kątem trenowania, jak i wnioskowania. To kładzie podwaliny pod znaczący postęp [w sztucznej inteligencji].

Google udostępni 1000 systemów Cloud TPU badaczom sztucznej inteligencji, którzy chcą otwarcie dzielić się szczegółami swojej pracy.

Podczas swojego wystąpienia Pichai zapowiedział również szereg inicjatyw badawczych nad sztuczną inteligencją. Obejmują one wysiłek opracowania algorytmów zdolnych do uczenia się, jak wykonać czasochłonną pracę związaną z dostrajaniem innych algorytmów uczenia maszynowego. Powiedział, że Google opracowuje narzędzia AI do analizy obrazów medycznych, analizy genomowej i odkrywania cząsteczek.

Wypowiadając się przed ogłoszeniami, Jeff Dean, starszy pracownik Google, powiedział, że ta oferta może pomóc w rozwoju sztucznej inteligencji. Zauważył, że wielu czołowych badaczy nie ma dostępu do takiej mocy komputera, jak by sobie życzyli.

Przejście Google na sprzęt i usługi w chmurze zorientowane na sztuczną inteligencję jest częściowo napędzane przez wysiłki mające na celu przyspieszenie własnych operacji. Sam Google używa teraz TensorFlow do wspomagania wyszukiwania, rozpoznawania mowy, tłumaczenia i przetwarzania obrazów. Był również używany w programie Go-playing, AlphaGo, opracowanym przez inną spółkę zależną Alphabet, DeepMind.

Ale strategicznie Google może pomóc w zapobieganiu nadmiernej dominacji innej firmy produkującej sprzęt w przestrzeni uczenia maszynowego. Nvidia, firma produkująca chipy do przetwarzania grafiki, które tradycyjnie były używane do głębokiego uczenia, staje się szczególnie widoczna w swoich różnych produktach (patrz CEO Nvidii: Oprogramowanie zjada świat, ale sztuczna inteligencja zamierza zjeść oprogramowanie).

Powiązana historia

Czytaj dalej Jensen Huang przewiduje, że opieka zdrowotna i samochody zostaną zmienione przez sztuczną inteligencję.

Aby zapewnić pewną miarę przyspieszenia wydajności oferowanego przez TPU w chmurze, Google twierdzi, że jego własne algorytmy tłumaczenia mogą być trenowane znacznie szybciej przy użyciu nowego sprzętu niż istniejący sprzęt. To, co wymagałoby całodniowego treningu na 32 najlepszych procesorach graficznych, można wykonać po południu, korzystając z jednej ósmej jednego z jego podów TPU.

Te TPU zapewniają oszałamiające 128 teraflopów i są zbudowane z myślą o przetwarzaniu liczb, które obecnie napędza uczenie maszynowe. Fei-Fei Li , główny naukowiec w Google Cloud i dyrektor Stanford AI Lab, powiedział przed ogłoszeniem Pichaia.

Teraflop odnosi się do bilionów operacji zmiennoprzecinkowych na sekundę, miarą wydajności komputera uzyskaną przez przetworzenie obliczeń matematycznych. Z kolei iPhone 6 jest w stanie wykonać około 100 gigaflopsów, czyli miliard operacji zmiennoprzecinkowych na sekundę.

Google twierdzi, że naukowcy nadal będą mogli projektować algorytmy przy użyciu innego sprzętu przed przeniesieniem go do chmury badawczej TensorFlow. Na tym właśnie polega demokratyzacja uczenia maszynowego — wzmocnienie pozycji programistów poprzez ochronę wolności projektowania, dodał Li.

Coraz większa liczba badaczy przyjęła TensorFlow od czasu, gdy Google wypuścił oprogramowanie w 2015 roku. Google chwali się teraz, że jest to najszerzej stosowana platforma głębokiego uczenia się na świecie.

ukryć