211service.com
Superkomputer wielkości pół litra, na którego zdobycie starają się firmy
Superkomputer DGX-1 firmy Nvidia został zaprojektowany do trenowania modeli głębokiego uczenia szybciej niż konwencjonalne systemy obliczeniowe.
Dla firm zmagających się ze złożonymi projektami danych wspieranymi przez sztuczną inteligencję system, który Nvidia nazywa superkomputerem AI w pudełku, jest mile widziany.
Pierwsi klienci Nvidii DGX-1 , który łączy oprogramowanie do uczenia maszynowego z ośmioma najnowocześniejszymi procesorami graficznymi (GPU) producenta chipów, mówi, że system pozwala im szybciej trenować modele analityczne, umożliwia większe eksperymentowanie i może ułatwić przełomy w nauce, opiece zdrowotnej i finansach usługi.
Naukowcy zajmujący się danymi wykorzystują procesory graficzne do przyspieszenia głębokiego uczenia — techniki sztucznej inteligencji, która naśladuje sposób, w jaki ludzki mózg przetwarza dane — od 2012 , ale wielu twierdzi, że obecne systemy komputerowe ograniczają ich pracę. Szybsze komputery, takie jak DGX-1, obiecują zwiększyć moc algorytmów uczenia głębokiego i umożliwić analitykom danych uruchamianie modeli uczenia głębokiego, które wcześniej nie były możliwe.
DGX-1 nie jest magicznym rozwiązaniem dla każdej firmy. Kosztuje 129 000 dolarów, więcej niż systemy, które firmy mogą same złożyć z pojedynczych komponentów. Jest również wyposażony w stałą ilość pamięci systemowej i kart GPU. Ale ponieważ odpowiednie części i programy są preinstalowane w metalowej obudowie wielkości średniej walizki, a ponieważ łączy zaawansowany sprzęt z szybką łącznością, Nvidia twierdzi, że DGX-1 jest łatwiejszy w konfiguracji i szybszy w analizie danych niż poprzednia karta graficzna systemy. Co więcej, pozytywny odbiór DGX-1 w ciągu pierwszych kilku miesięcy dostępności sugeruje, że podobne kompleksowe systemy uczenia głębokiego mogą pomóc organizacjom w przeprowadzaniu większej liczby eksperymentów z AI i szybszym ich udoskonalaniu. Chociaż DGX-1 jest obecnie jedynym tego rodzaju systemem, partnerzy produkcyjni Nvidii wydadzą nowe wersje superkomputera na początku 2017 roku.
Mniej niż 100 firm i organizacji kupiło DGX-1, odkąd rozpoczęły one wysyłkę jesienią, ale pierwsi użytkownicy twierdzą, że twierdzenia Nvidii dotyczące systemu wydają się podtrzymywać. Jackie Hunter, dyrektor generalny firmy z siedzibą w Londynie Życzliwa sztuczna inteligencja BenevolentBio, dział nauk przyrodniczych, twierdzi, że jej zespół zajmujący się analizą danych szkolił modele na DGX-1 tego samego dnia, w którym został zainstalowany. Mówi, że zespołowi udało się opracować kilka wielkoskalowych modeli zaprojektowanych do identyfikacji odpowiednich molekuł leków w ciągu ośmiu tygodni. Według Huntera modele te trenują od trzech do czterech razy szybciej na DGX-1 niż na innych systemach GPU startowych. Mieliśmy wiele modeli, których trenowanie zajmowało początkowo tygodnie, ale teraz możemy to zrobić w ciągu kilku dni i godzin, dodaje.
Massachusetts General Hospital ma DGX-1 w jednym ze swoich centrów danych i ma jeszcze jeden na zamówienie. Mówi, że potrzebuje superkomputerów GPU, takich jak DGX-1, aby przetwarzać duże ilości różnych typów danych. Centrum Nauki o Danych Klinicznych MGH , który koordynuje dostęp do szpitalnego DGX-1 w całym rejonie Bostonu PartnerzySystem opieki zdrowotnej , mówi, że projekty wykorzystujące superkomputer będą obejmować analizę obrazów patologicznych i radiologicznych, elektronicznych kart zdrowia oraz informacji genomicznych.
Jeśli wykorzystujesz nie tylko zdjęcia rentgenowskie, ale cały szereg informacji klinicznych, informacji rozliczeniowych i kanałów mediów społecznościowych jako wskaźników zdrowia pacjenta, naprawdę potrzebujesz dużej mocy obliczeniowej GPU, aby to zniszczyć, mówi dyrektor centrum Marka Michalskiego.
Kilka innych organizacji wdraża DGX-1, aby zrozumieć ogromne ilości danych związanych z opieką zdrowotną i badaniami medycznymi. Krajowe laboratoria Argonne i Oak Ridge wykorzystują swoje do badania pochodzenia raka i identyfikowania nowych terapii w ramach projektu Joe Bidena Cancer Moonshot.
DGX-1 są również aktywnie wykorzystywane w środowisku badawczym AI. Nvidia przekazała pierwszą wyprodukowaną DGX-1 firmie OpenAI non-profit zajmującej się badaniami nad sztuczną inteligencją, a dziewięć innych systemów przekazała uniwersytetom z wybitnymi wydziałami głębokiego uczenia, w tym New York University, Stanford University i University of Toronto.
Międzynarodowe korporacje również przechwytują systemy. Firma SAP, produkująca oprogramowanie pomagające firmom w zarządzaniu operacjami i relacjami z klientami, zainstalowała DGX-1 w dwóch swoich globalnych centra innowacji , jeden w Poczdamie w Niemczech i jeden w Ra’anana w Izraelu, i prowadzi projekty weryfikacyjne dotyczące systemów, aby określić najlepsze sposoby wykorzystania ich skali i szybkości, mówi wiceprezes Markus Noga. Laboratoria wierności , dział badawczo-rozwojowy Fidelity Investments, jest również właścicielem dwóch DGX-1 i planuje wykorzystać je do budowy sieci neuronowych lub systemów komputerowych wzorowanych na ludzkim mózgu, mówi dyrektor laboratorium Sean Belka.
Nawet ci, którzy już posiadają DGX-1, będą prawdopodobnie nadal korzystać z kombinacji wysokowydajnych systemów obliczeniowych, w tym przetwarzania w chmurze i innych systemów opartych na GPU, zamiast przenosić całą swoją pracę związaną z głębokim uczeniem do superkomputera. Inne firmy mogą go nie kupić ze względu na wysokie koszty początkowe i stałą konfigurację.
Ale wielu wydaje się, że cena jest tego warta. BenevolentAI szacuje, że koszt wynajmu wystarczającej liczby serwerów w Amazon Web Services, aby dopasować wydajność DGX-1, przekroczyłby cenę systemu 129 000 USD w ciągu roku. Greg Diamos, starszy badacz w Laboratorium AI w Dolinie Krzemowej Baidu , który jest ekspertem w dziedzinie obliczeń o wysokiej wydajności, przyznaje, że superkomputer jest drogi, ale twierdzi, że cena odzwierciedla prace konfiguracyjne i wsparcie zapewniane przez Nvidię. Według Diamos AI Lab Baidu nie ma DGX-1, ale jest w trakcie uaktualniania swojego systemu do tych samych kart GPU i przewiduje, że nowa technologia przyspieszy badania nad sztuczną inteligencją około 3,5 raza.
Firmy, które koncentrują się na tworzeniu aplikacji do głębokiego uczenia się i nie chcą martwić się projektowaniem platformy sprzętowej i programowej, na której działają, prawdopodobnie rozważą DGX-1, mówi Diamos. Ale spodziewam się, że więksi klienci, którzy wykonują całą tę pracę we własnym zakresie, będą kupować pojedyncze procesory graficzne i samodzielnie integrować je z niestandardowymi klastrami HPC, zamiast płacić za DGX-1.