Wewnątrz maszynowni sztucznej inteligencji Facebooka

Uzyskaj dostęp do Facebooka z zachodniej części Ameryki Północnej i istnieje duża szansa, że ​​Twoje dane zostaną pobrane z komputera chłodzonego pachnącym jałowcem i szałwią powietrzem centralnej pustyni Oregonu.

W mieście Prineville, w którym mieszka około 9000 osób, Facebook przechowuje dane o setkach milionów innych osób. Rzędy i rzędy komputerów stoją w czterech gigantycznych budynkach o łącznej powierzchni prawie 800 000 stóp kwadratowych, precyzyjnie ustawionych, aby przepuszczać suche i ogólnie chłodne letnie wiatry, które wieją z północnego zachodu. Alejki serwerów ułożonych w stos z migającymi niebieskimi i zielonymi światłami wydają głuchy ryk, gdy przetwarzają loginy, polubienia i LOL.

Facebook zainstalował nowe serwery o dużej mocy, aby pomóc swoim badaczom sztucznej inteligencji działać szybciej. Zasilane są chipami GPU (zielone karty z tyłu obrazu) firmy Nvidia.

Facebook dodał ostatnio kilka nowych maszyn do miksu w Prineville. Firma zainstalowała nowe serwery o dużej mocy zaprojektowane w celu przyspieszenia wysiłków związanych z trenowaniem oprogramowania do wykonywania takich czynności, jak tłumaczenie postów między językami, bycie mądrzejszym wirtualnym asystentem lub śledzenie pisanych narracji.

Nowe serwery Big Sur Facebooka są zaprojektowane z myślą o procesorach o dużej mocy, w rodzaju pierwotnie opracowanych do przetwarzania grafiki, znanych jako GPU. Te chipy stanowią podstawę ostatnich postępów w technologii sztucznej inteligencji, które wywodzą się z techniki znanej jako głębokie uczenie. Oprogramowanie stało się uderzająco lepsze w rozumieniu obrazów i mowy dzięki mocy procesorów graficznych, dzięki czemu stare pomysły dotyczące uczenia oprogramowania mogą być stosowane do znacznie większych, bardziej złożonych zbiorów danych (patrz „Uczenie maszyn, aby nas zrozumieć”).

Kevin Lee, inżynier Facebooka, który pracuje na serwerach, mówi, że pomagają badaczom Facebooka szkolić oprogramowanie przy użyciu większej ilości danych, pracując szybciej. Te serwery są specjalnie zaprojektowanym sprzętem do badań nad sztuczną inteligencją i uczenia maszynowego, mówi. Układy GPU mogą zrobić zdjęcie i podzielić je na małe części i pracować nad nimi wszystkimi jednocześnie.

Facebook buduje każdy serwer Big Sur wokół ośmiu procesorów graficznych firmy Nvidia, wiodącego dostawcy takich układów. Lee odmówił podania dokładnej liczby wdrożonych serwerów, ale powiedział, że firma ma tysiące działających procesorów graficznych. Serwery Big Sur zostały zainstalowane w centrach danych firmy w Prineville i Ashburn w stanie Wirginia.

Ponieważ procesory graficzne są bardzo energochłonne, Facebook musi je upakować mniej gęsto niż inne typy serwerów w centrum danych, aby uniknąć tworzenia gorących punktów, które utrudniłyby pracę systemu chłodzenia i wymagałyby dodatkowej mocy. Osiem serwerów Big Sur jest umieszczonych w szafie o wysokości siedmiu stóp, która w przeciwnym razie mogłaby pomieścić 30 standardowych serwerów Facebooka, które wykonują bardziej rutynową pracę polegającą na udostępnianiu danych użytkowników.

Facebook nie jest sam w prowadzeniu gigantycznych centrów danych lub gromadzeniu procesorów graficznych w celu napędzania badań nad uczeniem maszynowym. Microsoft, Google i chińska firma wyszukiwarka Baidu polegały na procesorach graficznych, aby wspierać badania głębokiego uczenia się.

Nowe serwery Facebooka do badań nad sztuczną inteligencją w centrum danych firmy w Prineville w stanie Oregon.

Sieć społecznościowa jest niezwykła, ponieważ otworzyła projekty dla Big Sur i innych projektów serwerów, a także plany dotyczące centrum danych Prineville. Firma przekazuje je organizacji non-profit o nazwie Otwórz projekt obliczeniowy , zapoczątkowany przez Facebooka w 2011 roku, aby zachęcić firmy komputerowe do współpracy nad projektami niedrogiego, wysokowydajnego sprzętu do centrów danych. Uważa się, że projekt pomógł azjatyckim firmom produkującym sprzęt i zlikwidować tradycyjnych dostawców, takich jak Dell i HP.

Dyrektor Facebooka ds. badań nad sztuczną inteligencją, Yann LeCun, powiedział, gdy Big Sur został ogłoszony na początku tego roku, że wierzy, że udostępnienie projektów może przyspieszyć postęp w tej dziedzinie, umożliwiając większej liczbie organizacji tworzenie potężnej infrastruktury uczenia maszynowego (patrz Facebook dołącza do stampede of Tech Giants Giving Z dala od technologii sztucznej inteligencji).

Przyszłe serwery uczenia maszynowego zbudowane zgodnie z planami Facebooka mogą nie być obecnie zbudowane wokół procesorów graficznych w ich sercu. Wiele firm pracuje nad nowymi projektami układów, bardziej dostosowanymi do matematyki głębokiego uczenia niż procesory graficzne.

Google ogłosił w maju, że zaczął używać chipa własnego projektu, zwanego TPU, do zasilania oprogramowania do głębokiego uczenia się w produktach takich jak rozpoznawanie mowy. Obecny chip wydaje się być dostosowany do uruchamiania algorytmów po ich przeszkoleniu, a nie do początkowego etapu szkolenia, który serwery Big Sur mają przyspieszyć, ale Google pracuje nad chipem drugiej generacji. Nvidia i kilka startupów, w tym Nervana Systems, również pracują nad chipami dostosowanymi do głębokiego uczenia (zobacz Intel Outside As Other Companies Prosper from AI Chips ).

Eugenio Culurciello , profesor nadzwyczajny na Purdue University, mówi, że przydatność głębokiego uczenia oznacza, że ​​takie chipy z pewnością będą bardzo szeroko stosowane. Od jakiegoś czasu było duże zapotrzebowanie i tylko rośnie, mówi.

Zapytany, czy Facebook pracował nad własnymi niestandardowymi chipami, Lee mówi, że firma się tym zajmuje.

ukryć