Google avslører en kraftig ny AI-brikke og superdatamaskin

Hvis kunstig intelligens raskt spiser programvare, kan det hende at Google har størst appetitt.

På selskapets årlige utviklerkonferanse i dag annonserte administrerende direktør Sundar Pichai en ny dataprosessor designet for å utføre den typen maskinlæring som har tatt industrien med storm de siste årene (se 10 Breakthrough Technologies: Deep Learning ).

Kunngjøringen reflekterer hvor raskt kunstig intelligens forvandler Google selv, og det er det sikreste tegnet ennå på at selskapet planlegger å lede utviklingen av alle relevante aspekter av programvare og maskinvare.

Kanskje viktigst av alt, for de som jobber med maskinlæring i det minste, kjører den nye prosessoren ikke bare med høy hastighet, den kan også trenes utrolig effektivt. Kalt Cloud Tensor Processing Unit, er brikken oppkalt etter Googles åpen kildekode TensorFlow maskinlæringsrammeverk.

Opplæring er en grunnleggende del av maskinlæring. For å lage en algoritme i stand til gjenkjenne pølser i bilder , for eksempel ville du mate inn tusenvis av eksempler på pølsebilder – sammen med eksempler på ikke-pølse – helt til den lærer å gjenkjenne forskjellen. Men beregningene som kreves for å trene en stor modell er så enormt komplekse at trening kan ta dager eller uker.

Pichai kunngjorde også etableringen av maskinlærings-superdatamaskiner, eller Cloud TPU-poder, basert på klynger av Cloud TPU-er koblet sammen med høyhastighetsdatatilkoblinger. Og han sa at Google skapte TensorFlow Research Cloud, som består av tusenvis av TPU-er tilgjengelig over Internett.

Vi bygger det vi tenker på som AI-første datasentre, sa Pichai under presentasjonen. Cloud TPU-er er optimalisert for både trening og slutninger. Dette legger grunnlaget for betydelig fremgang [i AI].

Google vil gjøre 1000 Cloud TPU-systemer tilgjengelige for forskere innen kunstig intelligens som er villige til å dele detaljer om arbeidet deres åpent.

Pichai kunngjorde også en rekke AI-forskningsinitiativer under talen sin. Disse inkluderer et forsøk på å utvikle algoritmer som er i stand til å lære å gjøre det tidkrevende arbeidet med å finjustere andre maskinlæringsalgoritmer. Og han sa at Google utviklet AI-verktøy for medisinsk bildeanalyse, genomisk analyse og molekyloppdagelse.

I forkant av kunngjøringene sa Jeff Dean, seniorstipendiat hos Google, at dette tilbudet kan bidra til å fremme AI. Mange toppforskere har ikke tilgang til så mye datakraft som de ønsker, bemerket han.

Googles overgang til AI-fokusert maskinvare og skytjenester er delvis drevet av forsøk på å fremskynde sin egen drift. Google selv bruker nå TensorFlow til å drive søk, talegjenkjenning, oversettelse og bildebehandling. Den ble også brukt i Go-playing-programmet, AlphaGo, utviklet av et annet Alphabet-datterselskap, DeepMind.

Men strategisk sett kan Google bidra til å forhindre at et annet maskinvareselskap blir for dominerende i maskinlæringsområdet. Nvidia, et selskap som lager grafikkprosesseringsbrikkene som tradisjonelt har blitt brukt til dyp læring, er i ferd med å bli spesielt fremtredende med sine ulike produkter (se Nvidia-sjef: Software Is Eating the World, but AI is Going to Eat Software ).

Relatert historie

Les Neste Jensen Huang spår at helsevesen og biler kommer til å bli transformert av kunstig intelligens.

For å gi et visst mål på ytelsesakselerasjonen som tilbys av deres sky-TPU-er, sier Google at deres egne oversettelsesalgoritmer kan trenes opp mye raskere ved å bruke den nye maskinvaren enn eksisterende maskinvare. Det som ville kreve en hel dag med trening på 32 av de beste GPU-ene kan gjøres på en ettermiddag ved å bruke en åttendedel av en av TPU-podene.

Disse TPU-ene leverer svimlende 128 teraflops, og er bygget for akkurat den typen tallknusing som driver maskinlæring i dag, Fei-Fei Li , sjefforsker ved Google Cloud og direktør for Stanfords AI Lab, sa før Pichais kunngjøring.

En teraflop refererer til en billion flytepunktoperasjoner per sekund, et mål på datamaskinytelse oppnådd ved å gå gjennom matematiske beregninger. Derimot er iPhone 6 i stand til rundt 100 gigaflops, eller én milliard flyttalloperasjoner per sekund.

Google sier at det fortsatt vil være mulig for forskere å designe algoritmer ved å bruke annen maskinvare, før den overføres til TensorFlow Research Cloud. Dette er hva demokratisering av maskinlæring handler om – å styrke utviklere ved å beskytte designfriheten, la Li til.

Et økende antall forskere har tatt i bruk TensorFlow siden Google ga ut programvaren i 2015. Google skryter nå av at det er det mest brukte rammeverket for dyplæring i verden.

gjemme seg