211service.com
Ett chip på 2 miljarder dollar för att accelerera artificiell intelligens
Området artificiell intelligens har upplevt en slående framgång de senaste åren, med mjukvara som har blivit mycket bättre på att förstå bilder, tal och nya uppgifter som hur man spelar spel. Nu har företaget vars hårdvara har underbyggt mycket av dessa framsteg skapat ett chip för att hålla det igång.
På tisdagen tillkännagav Nvidia ett nytt chip kallat Tesla P100 som är designat för att lägga mer kraft bakom en teknik som kallas djupinlärning. Den här tekniken har gett nya stora framsteg som Google-mjukvaran AlphaGo som besegrade världens bästa Go-spelare förra månaden (se Five Lessons from AlphaGo’s Historic Victory ).
Djup inlärning innebär att skicka data genom stora samlingar av grovt simulerade neuroner. P100 kan hjälpa till att leverera fler genombrott genom att göra det möjligt för datavetare att mata mer data till sina artificiella neurala nätverk eller skapa större samlingar av virtuella neuroner.
Konstgjorda neurala nätverk har funnits i decennier, men djupinlärning blev relevant först under de senaste fem åren, efter att forskare kommit på att chips som ursprungligen utformades för att hantera videospelsgrafik gjorde tekniken mycket kraftfullare. Grafikprocessorer är fortfarande avgörande för djupinlärning, men Nvidias vd Jen-Hsun Huang säger att det nu är dags att göra chip anpassade för detta användningsfall.
Jen-Hsun Huang, VD för chiptillverkaren Nvidia, introducerar ett nytt chip designat för att göra maskininlärningsprogram mer kapabel.
Vid ett företagsevent i San Jose sa han: För första gången designade vi en arkitektur för [grafikbearbetning] dedikerad till att accelerera AI och att accelerera djupinlärning. Nvidia spenderade mer än 2 miljarder dollar på FoU för att producera det nya chipet, sa Huang. Den har totalt 15 miljarder transistorer, ungefär tre gånger så många som Nvidias tidigare chips. Huang sa att ett artificiellt neuralt nätverk som drivs av det nya chippet kunde lära sig av inkommande data 12 gånger så snabbt som möjligt med hjälp av Nvidias tidigare bästa chip.
Djuplärande forskare från Facebook, Microsoft och andra företag som Nvidia gav tidig tillgång till det nya chippet sa att de förväntar sig att det kommer att påskynda deras framsteg genom att tillåta dem att arbeta med större samlingar av neuroner.
Jag tror att vi kommer att kunna gå ganska mycket större än vi har kunnat tidigare, typ 30 gånger större, sa Bryan Catanzero, som arbetar med djupinlärning på det kinesiska sökföretaget Baidu. Att öka storleken på neurala nätverk har tidigare möjliggjort stora hopp i mjukvarans smarthet. Till exempel, förra året lyckades Microsoft göra programvara som slår människor när de känner igen objekt på foton genom att skapa ett mycket större neuralt nätverk.
Huang från Nvidia sa att det nya chipet redan är i produktion och att han förväntar sig att molnföretagen kommer att börja använda det i år. IBM, Dell och HP förväntas sälja det inuti servrar från och med nästa år.
Han presenterade också en speciell dator för forskare med djupinlärning som packar ihop åtta P100-chips med minneschips och flashhårddiskar. Ledande akademiska forskargrupper, inklusive sådana vid University of California, Berkeley, Stanford, New York University och MIT, får modeller av den datorn, känd som DGX-1, som också kommer att säljas för $129 000.