211service.com
Microsoft säger att programmerbara chip kommer att göra AI-programvara smartare
De senaste genombrotten i hur exakt programvara kan känna igen bilder och tal kom tack vare ytterligare datorkraft bakom en teknik som kallas djupinlärning. Microsoft rapporterar nu framsteg på en idé som kan lägga ännu större muskler bakom tekniken. Ett praktiskt sätt att driva upp mjukvara för djupinlärning ännu mer kan leda till ytterligare betydande framsteg när det gäller maskiners intelligens.
Programvara för djupinlärning lär sig att förstå data med hjälp av grova simuleringar av biologiska neuroner (se 10 Breakthrough Technologies 2013: Deep Learning ). En prioritet för företag som Google, Microsoft och Facebook som investerar i tekniken är att hitta sätt att träna större nätverk av neuroner med större samlingar av träningsdata, genom att köra programvaran på kraftfullare datorer.
Att använda grafikprocessorer, så kallade GPU:er, har visat sig vara ett av de bästa sätten att göra det. Men deras pris och höga elförbrukning gör GPU:er kostsamma även för stora företag. Det är väldigt dyrt och utmanande att bygga, underhålla och skala ut sin egen träningsplattform, säger man Eric Chung , forskare på Microsoft. System med GPU:er som används för djupinlärning är i allmänhet små till medelstora jämfört med omfattningen av de grupper av datorer som arbetar tillsammans för att driva onlinetjänster, säger han.
Chung är en del av ett projekt som undersöker en möjlig väg till att driva djupt lärande i mycket större skala. Tanken är att använda FPGA:er, fältprogrammerbara gate-arrayer, chips som kan konfigureras om för att implementera vilken design som helst och som kan vara mycket energieffektiva. Microsoft började använda FPGA:er för att driva delar av sin Bing-sökmotor förra året och rapporterade att de testade deras användning för att driva de virtuella neuronerna av djupinlärning i februari . Chung säger att forskningen nu har avancerat till att använda några av de mest kraftfulla FPGA:erna som finns tillgängliga, och att det ser ut som ett praktiskt sätt att ge ett stort lyft för kraften i djupinlärning. Microsoft använder FPGA:er tillverkade av Altera, ett företag som chiptillverkaren Intel köpte i juni för 17 miljarder dollar, med hänvisning till potentialen för sådana kretsar för att göra företagens datacenter kraftfullare.
Redan i det som Chung kallade prototypstadiet fann teamet en nästan tiofaldig ökning av prestandan hos ett neuralt nätverk som försöker identifiera bilder, jämfört med konventionella datorer utan GPU:er. Det kan bli en spelomvandlare om vi så småningom lyckas distribuera FPGA:er i stor skala, vilket kommer att ge en sammanlagd kapacitet som överstiger vad som är möjligt idag, säger han.
Att använda FPGA:er kommer med nackdelar, till exempel det arbete som måste göras för att programmera dem för att göra det aktuella arbetet. Men Chung förutspår att tekniken kommer att möjliggöra träning av neurala nätverk av oöverträffad storlek och kvalitet.
Det kan hjälpa till att leda till förbättringar av saker som programvara som kan beskriva innehållet i bilder (se Google Software Describes What It Sees in Images ), eller förstå språk och visa en form av sunt förnuft ( Teaching Machines to Understand Us ). Microsofts senaste resultat om användning av FPGA presenterades på Hot Chips konferens om framsteg i processorprestanda i Cupertino, Kalifornien, på tisdag.