211service.com
Microsoft mówi, że programowalne chipy sprawią, że oprogramowanie AI będzie inteligentniejsze
Ostatnie przełomy w zakresie dokładności rozpoznawania obrazów i mowy przez oprogramowanie nastąpiły dzięki dodatkowej mocy obliczeniowej związanej z techniką znaną jako głębokie uczenie. Microsoft informuje teraz o postępach w realizacji pomysłu, który może jeszcze bardziej wzmocnić technikę. Praktyczny sposób na jeszcze większe zwiększenie możliwości oprogramowania do głębokiego uczenia się może prowadzić do dalszych znaczących postępów w inteligencji maszyn.
Oprogramowanie do głębokiego uczenia uczy się rozumieć dane za pomocą przybliżonych symulacji neuronów biologicznych (patrz 10 Przełomowe technologie 2013: Głębokie uczenie ). Jednym z priorytetów dla firm, takich jak Google, Microsoft i Facebook, inwestujących w tę technologię, jest znalezienie sposobów na trenowanie większych sieci neuronów z większymi zbiorami danych treningowych, poprzez uruchamianie oprogramowania na mocniejszych komputerach.
Używanie procesorów graficznych, znanych jako GPU, okazało się jednym z najlepszych sposobów na zrobienie tego. Jednak ich cena i wysokie zużycie energii elektrycznej sprawiają, że procesory graficzne są drogie nawet dla dużych firm. Mówi się, że budowa, utrzymanie i skalowanie własnej platformy szkoleniowej jest bardzo kosztowne i trudne Eric Chung , badacz w firmie Microsoft. Mówi, że systemy GPU używane do głębokiego uczenia się są generalnie małe lub średnie w porównaniu do skali grup komputerów, które współpracują ze sobą, aby zasilać usługi online.
Chung jest częścią projektu badającego możliwą drogę do prowadzenia głębokiego uczenia się na znacznie większą skalę. Pomysł polega na użyciu FPGA, programowalnych macierzy bramek, chipów, które można rekonfigurować w celu wdrożenia dowolnego projektu i które mogą być bardzo energooszczędne. Microsoft zaczął używać FPGA do zasilania części swojej wyszukiwarki Bing w zeszłym roku i poinformował, że testuje ich użycie do zasilania wirtualnych neuronów głębokiego uczenia w lutym . Chung mówi, że badania posunęły się teraz do wykorzystania jednych z najpotężniejszych dostępnych układów FPGA i że wygląda to na praktyczny sposób na znaczne zwiększenie mocy głębokiego uczenia. Microsoft używa układów FPGA wyprodukowanych przez Altera, firmę, którą Intel kupił w czerwcu za 17 miliardów dolarów, powołując się na potencjał takich układów do zwiększania wydajności korporacyjnych centrów danych.
Nawet na etapie, który Chung nazwał etapem prototypowania, zespół odkrył prawie dziesięciokrotny wzrost wydajności sieci neuronowej próbującej identyfikować obrazy w porównaniu z konwencjonalnymi komputerami bez GPU. Mówi, że może to zmienić zasady gry, jeśli w końcu uda nam się wdrożyć FPGA na dużą skalę, co zapewni zagregowane możliwości przekraczające to, co jest możliwe dzisiaj.
Korzystanie z FPGA ma wady, na przykład pracę, którą należy wykonać, aby zaprogramować je do wykonywania bieżącej pracy. Chung przewiduje jednak, że ta technika umożliwi trenowanie sieci neuronowych o niespotykanej dotąd wielkości i jakości.
Może to pomóc w ulepszeniu takich rzeczy, jak oprogramowanie, które może opisywać zawartość obrazów (zobacz Oprogramowanie Google opisuje to, co widzi w obrazach ) lub rozumieć język i wykazywać formę zdrowego rozsądku ( „Uczenie maszyn, aby nas zrozumieć ”). Najnowsze wyniki firmy Microsoft dotyczące korzystania z układów FPGA zostały zaprezentowane podczas Konferencja Hot Chips o postępach w wydajności procesorów w Cupertino w Kalifornii, we wtorek.