Ten chip został zaprezentowany na tajnej konferencji technologicznej Jeffa Bezosa. Może być kluczem do przyszłości sztucznej inteligencji.

Fotografie Tony'ego Luong

Niedawno, w olśniewający poranek w Palm Springs w Kalifornii, Vivienne Sze zabrała się na małą scenę, by zaprezentować być może najbardziej denerwującą prezentację w swojej karierze.

Znała temat na wylot. Miała opowiedzieć publiczności o chipach opracowywanych w jej laboratorium w MIT, które obiecują wprowadzić potężną sztuczną inteligencję do wielu urządzeń, w których moc jest ograniczona, poza zasięgiem ogromnych centrów danych, w których odbywa się większość obliczeń AI. Jednak wydarzenie – i publiczność – zmusiły Sze do pauzy.

Tony Luong

Miejscem akcji był MARS, elitarna konferencja tylko dla zaproszonych, podczas której roboty przechadzają się (lub latają) po luksusowym kurorcie, mieszając się ze słynnymi naukowcami i autorami science fiction. Tylko kilku badaczy jest zaproszonych do wygłoszenia wykładów technicznych, a sesje mają być zarówno inspirujące, jak i pouczające. Tymczasem tłum składał się z około 100 najważniejszych naukowców, dyrektorów generalnych i przedsiębiorców na świecie. MARS jest prowadzony przez założyciela i prezesa Amazona, Jeffa Bezosa, który siedział w pierwszym rzędzie.

To była, jak sądzę, publiczność całkiem kalibru, wspomina ze śmiechem Sze.

Inni mówcy MARS przedstawiliby robota siekającego karate, drony, które trzepotały jak wielkie, niesamowicie ciche owady, a nawet optymistyczne plany marsjańskich kolonii. Żetony Sze mogą wydawać się skromniejsze; gołym okiem są nie do odróżnienia od chipów, które można znaleźć w każdym urządzeniu elektronicznym. Ale są prawdopodobnie o wiele ważniejsi niż cokolwiek innego na wystawie.

Nowe możliwości

Nowo zaprojektowane chipy, takie jak te opracowywane w laboratorium Sze, mogą mieć kluczowe znaczenie dla przyszłych postępów w sztucznej inteligencji — w tym takich rzeczy, jak drony i roboty znalezione w MARS. Do tej pory oprogramowanie AI w dużej mierze działało na układach graficznych, ale nowy sprzęt może zwiększyć moc algorytmów AI, co odblokuje nowe aplikacje. Nowe chipy AI mogą sprawić, że roboty magazynowe staną się bardziej popularne lub pozwolą smartfonom tworzyć fotorealistyczną scenerię rzeczywistości rozszerzonej.

Chipy Sze są niezwykle wydajne i elastyczne w swojej konstrukcji, co ma kluczowe znaczenie dla dziedziny, która rozwija się niezwykle szybko.

Mikrochipy są zaprojektowane tak, aby wycisnąć więcej z algorytmów głębokiego uczenia sztucznej inteligencji, które już wywróciły świat do góry nogami. W międzyczasie mogą same zainspirować te algorytmy do ewolucji. Potrzebujemy nowego sprzętu, ponieważ prawo Moore'a zwolniło, mówi Sze, odnosząc się do aksjomatu wymyślonego przez współzałożyciela Intela Gordona Moore'a, który przewidywał, że liczba tranzystorów w chipie będzie się podwajać mniej więcej co 18 miesięcy, co prowadzi do proporcjonalnego wzrostu wydajności komputera. .

Tony Luong

To prawo coraz bardziej zbliża się do fizycznych ograniczeń, które towarzyszą komponentom inżynieryjnym w skali atomowej. Wzbudza też nowe zainteresowanie alternatywnymi architekturami i podejściami do informatyki.

Wysokie stawki związane z inwestowaniem w chipy AI nowej generacji – i utrzymanie ogólnej dominacji Ameryki w produkcji chipów – nie są stracone dla rządu USA. Mikrochipy Sze są opracowywane dzięki finansowaniu z programu Agencji Zaawansowanych Projektów Badawczych Obrony (DARPA), który ma pomóc w opracowaniu nowych projektów układów sztucznej inteligencji (patrz Dostępne pomysły sztucznej inteligencji mające na celu utrzymanie USA przed Chinami).

Ale innowacyjność w wytwarzaniu chipów została pobudzona głównie przez pojawienie się głębokiego uczenia, bardzo potężnego sposobu, w jaki maszyny uczą się wykonywania przydatnych zadań. Zamiast dawać komputerowi zestaw reguł do przestrzegania, maszyna w zasadzie sama się programuje. Dane treningowe są wprowadzane do dużej, symulowanej sztucznej sieci neuronowej, którą następnie dostraja się tak, aby uzyskać pożądany rezultat. Po wystarczającym przeszkoleniu system głębokiego uczenia się może znajdować w danych subtelne i abstrakcyjne wzorce. Technika ta jest stosowana do coraz większej liczby praktycznych zadań, od rozpoznawania twarzy na smartfonach po przewidywanie chorób na podstawie obrazów medycznych.

Nowy wyścig żetonów

Głębokie uczenie nie jest tak bardzo zależne od prawa Moore'a. Sieci neuronowe wykonują równolegle wiele obliczeń matematycznych, dzięki czemu działają znacznie wydajniej na wyspecjalizowanych układach graficznych do gier wideo, które wykonują równoległe obliczenia w celu renderowania obrazów 3D. Jednak mikroczipy zaprojektowane specjalnie do obliczeń, które stanowią podstawę głębokiego uczenia się, powinny być jeszcze potężniejsze.

Potencjał nowych architektur chipów do poprawy sztucznej inteligencji podniósł poziom aktywności przedsiębiorczej, którego przemysł chipowy nie widział od dziesięcioleci (patrz Wyścig do Power AI’s Silicon Brains, a Chiny nigdy nie miały prawdziwego przemysłu chipowego. Tworzenie chipów AI może Zmień to ).

Tony Luong

Wielkie firmy technologiczne, które mają nadzieję wykorzystać i skomercjalizować sztuczną inteligencję – w tym Google, Microsoft i (tak) Amazon – pracują nad własnymi chipami głębokiego uczenia. Wiele mniejszych firm również opracowuje nowe chipy. Nie da się śledzić wszystkich firm, które wkraczają w przestrzeń AI-chipów, mówi Mike Delmer, analityk mikrochipów w Grupa Linley , firma analityczna. Nie żartuję, że prawie co tydzień dowiadujemy się o nowym.

Prawdziwą szansą, mówi Sze, nie jest zbudowanie najpotężniejszych możliwych chipów do głębokiego uczenia się. Efektywność energetyczna jest ważna, ponieważ sztuczna inteligencja również musi działać poza zasięgiem dużych centrów danych, co oznacza poleganie wyłącznie na mocy dostępnej na samym urządzeniu. Nazywa się to działaniem na krawędzi.

Sztuczna inteligencja będzie wszędzie — a znalezienie sposobów na zwiększenie efektywności energetycznej będzie niezwykle ważne, mówi Naveen Rao, wiceprezes grupy produktów sztucznej inteligencji w firmie Intel.

Na przykład sprzęt Sze jest bardziej wydajny częściowo dlatego, że fizycznie zmniejsza wąskie gardło między miejscem przechowywania danych a miejscem ich analizy, ale także dlatego, że wykorzystuje sprytne schematy ponownego wykorzystywania danych. Przed dołączeniem do MIT, Sze był pionierem tego podejścia w celu poprawy wydajności kompresji wideo w firmie Texas Instruments.

W przypadku szybko zmieniającej się dziedziny, takiej jak uczenie głębokie, wyzwaniem dla osób pracujących na chipach AI jest upewnienie się, że są one wystarczająco elastyczne, aby można je było dostosować do pracy w dowolnej aplikacji. Łatwo jest zaprojektować superwydajny chip zdolny do wykonania tylko jednej rzeczy, ale taki produkt szybko stanie się przestarzały.

Chip Sze nazywa się Eyeriss. Opracowany we współpracy z Joel Emer , naukowiec z Nvidii i profesor z MIT, został przetestowany wraz z kilkoma standardowymi procesorami, aby zobaczyć, jak radzi sobie z różnymi algorytmami głębokiego uczenia. Według papier opublikowane online w zeszłym roku.

Sertac Karaman z MIT i Vivienne Sze opracowali nowy chip Tony Luong

Prostsze chipy AI już teraz mają duży wpływ. Wysokiej klasy smartfony zawierają już chipy zoptymalizowane pod kątem uruchamiania algorytmów uczenia głębokiego do rozpoznawania obrazu i głosu. Wydajniejsze chipy mogą pozwolić tym urządzeniom na uruchamianie potężniejszego kodu AI z lepszymi możliwościami. Samojezdne samochody również potrzebują potężnych chipów komputerowych AI, ponieważ większość prototypów obecnie opiera się na komputerach z bagażnikiem.

Rao twierdzi, że chipy MIT są obiecujące, ale o powodzeniu nowej architektury sprzętowej zadecyduje wiele czynników. Jednym z najważniejszych czynników, jak mówi, jest tworzenie oprogramowania, które pozwala programistom uruchamiać na nim kod. Mówi, że tworzenie czegoś użytecznego z punktu widzenia kompilatora jest prawdopodobnie największą przeszkodą w adopcji.

Laboratorium Sze w rzeczywistości bada również sposoby projektowania oprogramowania, aby lepiej wykorzystywało właściwości istniejących chipów komputerowych. A ta praca wykracza poza głębokie uczenie się.

Razem z Sertac Karaman , z Departamentu Aeronautyki i Astronautyki MIT, Sze opracował chip o małej mocy o nazwie Navion, który niezwykle wydajnie wykonuje mapowanie 3D i nawigację, do użytku na małym dronie. Kluczowe w tych wysiłkach było stworzenie chipa tak, aby wykorzystywał zachowanie algorytmów skoncentrowanych na nawigacji – i zaprojektowanie algorytmu, aby jak najlepiej wykorzystać niestandardowy chip. Wraz z pracami nad głębokim uczeniem Navion odzwierciedla sposób, w jaki oprogramowanie i sprzęt AI zaczynają ewoluować w symbiozie.

Chipy Sze może nie przyciągają tak uwagi jak trzepoczący dron, ale fakt, że zostały zaprezentowane na MARS, daje pewne wyobrażenie o tym, jak ważna będzie jej technologia – i ogólniej innowacyjność w krzemie – dla przyszłości sztucznej inteligencji. Później jej prezentacja , mówi Sze, niektórzy z innych mówców MARS wyrazili zainteresowanie dowiedzeniem się więcej. Ludzie znaleźli wiele ważnych przypadków użycia, mówi.

Innymi słowy, spodziewaj się, że przyciągające wzrok roboty i drony na następnej konferencji MARS będą miały coś specjalnego ukrytego w środku.

ukryć