WRÓĆ DO STRONY
GŁÓWNEJ
Nauka

Microsoft chce użyć programowalnych chipów do ulepszenia AI

Microsoft twierdzi, że nowe podejście do zagadnień sprzętowych może pozwolić na stworzenie sieci neuronowych o nieosiągalnej dotychczas skali.

Ostatnie osiągnięcia w dziedzinie sztucznej inteligencji – na przykład w kwestii oprogramowania rozpoznającego obrazy i mowę – zostały osiągnięte dzięki dodatkowej mocy obliczeniowej związanej z procesem „deep learning” („głębokiego uczenia”). Jak donosi Microsoft, trwają prace nad pomysłem, który – dzięki zapewnieniu software’owi odpowiedniego zaplecza sprzętowego -może zaćmić dotychczasowe osiągnięcia.

Algorytmy głębokiego uczenia maszynowego starają się zrozumieć dane przy użyciu uproszczonych symulacji biologicznych neuronów. Jednym z głównych sposobów na jakie Facebook, Google, czy właśnie Microsoft  starają się rozwinąć tę technologię, jest „trenowanie” coraz to większych sieci neuronowych przy użyciu olbrzymich baz danych. Wymaga to oczywiście tytanicznej mocy obliczeniowej.

Według badacza zatrudnionego przez Microsoft, Erica Chunga, jak do tej pory jednym z najlepszych sposobów na osiągnięcie tego celu było stosowanie procesorów graficznych. Niemniej, wysoka cena, wyjątkowe wyzwania konstrukcyjne i niebanalne zapotrzebowanie na energię elektryczną sprawia, że duże układy tego typu urządzeń są zbyt kosztowne nawet dla wielkich korporacji. Dlatego – w porównaniu z sieciami zaspokajającymi potrzeby komercyjnych usług internetowych – ich rozmiar można określić jako „mały lub średni”.

Chung bierze udział w projekcie badającym możliwość pracy algorytmów głębokiej nauki na znacznie większą skalę. Kluczem do osiągnięcia tego celu ma być użycie FPGA („Field Programmable Gate Array” – „bezpośrednio programowalna macierz bramek”) – układy logiczne mające możliwość wielokrotnej konfiguracji, charakteryzujące się między innymi stosunkowo niskim zużyciem prądu.

Microsoft korzysta z FPGA już od zeszłego roku, gdy po raz pierwszy zostały wykorzystane do zaspokojenia potrzeb hardware’owych niektórych elementów wyszukiwarki Bing. W lutym ogłoszono, że zostały wykorzystane również do „pociągnięcia” wirtualnych sieci neuronowych. Chung twierdzi, że badanie osiągnęło etap, na którym wykorzystuje najpotężniejsze dostępne układy FPGA i szuka praktycznych sposobów na wykorzystanie potęgi głębokiego uczenia. Microsoft kupuje macierze bramek od firmy Altera – przedsiębiorstwa wykupionego w czerwcu przez Intela za astronomiczną sumę 17 miliardów dolarów.

Mimo, że technologia znajduje się w fazie prototypów zespół naukowców odnotował, jak twierdzi Chung, 10-krotny wzrost wydajności sieci neuronowej rozpoznającej obrazy, w stosunku do sytuacji, gdy używane są konwencjonalne komputery – bez GPU. Według naukowca, jeśli udałoby się użyć FPGA na odpowiednią skalę, ich łączne zdolności uzyskałyby nieosiągalną dziś wydajność.

Używanie FPGA wiąże się jednak z pewnymi trudnościami – dla przykładu, ich programowanie wymaga znacznie więcej ludzkiej pracy. Ale, jak twierdzi Chung, pozwoli to na osiągnięcie niespotykanej wcześniej jakości i rozmiaru.

[źródło: technologyreview.com grafika: ajasegar.deviantart.com]