Самый стремительный суперкомпьютер во всем мире побил рекорд искусственного ума

    На западном побережье Америки самые ценные предприятия мира пробуют предпринять искусственный ум умнее. Гугл и Facebook хвастаются тестами с внедрением млрд фото и тыщ высокопроизводительных микропроцессоров. Однако в финале минувшего года проект в восточной части штата Теннесси неприметно затмил масштабы хоть какой корпоративной лаборатории искусственного ума. И он был под руководством правительства США.

    Самый стремительный суперкомпьютер во всем мире побил рекорд искусственного интеллекта

    Правительственный суперкомпьютер США лупит рекорды

    В рекордном проекте участвовал самый массивный во всем мире суперкомпьютер Summit, содержащийся в Государственной лаборатории Ок-Ридж. Эта машинка получила корону в июне минувшего года, возвратив США титул спустя пять лет, когда перечень возглавлял Китай. В рамках проекта научные исследования климата циклопический персональный компьютер запустил опыт по машинному обучению, который протекал скорее, чем когда-либо до этого.

    «Саммит», занимающий площадь, эквивалентную двум теннисным кортам, использовал в этом проекте наиболее 27 000 сильных графических микропроцессоров. Он употреблял них мощность для обучения алгоритмов глубочайшего обучения,  той технологии, которая покоится в базе передового искусственного ума. В ходе глубочайшего обучения методы делают упражнения со скоростью млрд млрд операций за секунду, знаменитой в суперкомпьютерных кругах как только экзафлоп.

    «Ранее глубочайшее обучение ни разу и не достигало этакого уровня производительности», разговаривает Прабхат, управляющий исследовательской группы в Государственном научно-вычислительном центре энергетических исследовательских работ в Государственной лаборатории имени Лоуренса в Беркли. Его группа сотрудничала с исследователями в штаб-квартире «Саммита», Государственной лаборатории Ок-Ридж.

    Как только можно додуматься, тренировка ИИ самого массивного во всем мире компа существовала сосредоточена на одной из наибольших неурядиц во всем мире — изменении климата. Технологические предприятия учят методы распознавать личика либо дорожные символы; правительственные ученые научили них распознавать погодные условия вроде циклонов по климатическим моделям, кои сжимают столетние прогнозы атмосферы Почвы в три часа. (Невнятно, ИСТИНА, сколько энергии затребовал проект и как только не мало углерода существовало выброшено в воздух в этом процессе).

    Самый стремительный суперкомпьютер во всем мире побил рекорд искусственного интеллекта

    Опыт Summit имеет значение для грядущего искусственного ума и климатологии. Проект показывает научный потенциал адаптации глубочайшего обучения к суперкомпьютерам, кои классически моделируют физические и хим процессы, этакие как только ядерные взрывы, темные прорехи либо новейшие материалы. Это же а также демонстрирует, что машинное обучение может извлечь выгоду из наибольшей вычислительной мощности — ежели вы сумеете ее определить — и обеспечить прорывы в дальнейшем.

    «Мы и не знали, что это же можно предпринять в этаком масштабе, пока что и не создали это», разговаривает Раджат Монга, технический директор Гугл. Он и альтернативные «гугловцы» помогали проекту, адаптировав программное обеспечение машинного обучения TensorFlow с открытым начальным кодом предприятия для циклопических масштабов Summit.

    Большинство работы по масштабированию глубочайшего обучения проводилась в центрах обработки заданных интернет-компаний, где серверы ишачят вместе над дилеммами, разделяя них, так как размещены относительно разобщенно, а уж и не сопряжены в один циклопический персональный компьютер. Суперкомпьютеры же вроде Summit имеют другую архитектуру со спец скоростными стыками, связующими них тыщи микропроцессоров в единую систему, которая может ишачить как только единое целое. Перед началом недавнешнего времени проводилось относительно не достаточно работ по адаптации машинного обучения для работы с этакого рода аппаратными деньгами.

    Монга разговаривает, что работа по адаптации TensorFlow к масштабам Summit а также будет содействовать усилиям Гугл по расширению ее внутридомовых систем искусственного ума. Инженеры Nvidia а также поучаствовали в этом проекте, убедившись, что десятки тыщ графических микропроцессоров Nvidia в данной машинке ишачят без сбоев.

    Поиск путей пользования наибольшей вычислительной мощности в методах глубочайшего обучения сыграл не последнюю роль в текущем развитии технологии. Тамошняя же разработка, которую употребляет Siri для определения голоса и авто Waymo для считывания дорожных символов, предстала полезной в 2012 году опосля тамошнего, когда ученые адаптировали ее для работы на графических микропроцессорах Nvidia.

    Самый стремительный суперкомпьютер во всем мире побил рекорд искусственного интеллекта

    В анализе, размещенном в мае минувшего года, ученые из OpenAI, исследовательского колледжа в Сан-Франциско, основанного Илоном Маском, подсчитали, что размер вычислительной мощности в огромнейших общественных опытах с машинным обучением умножается приблизительно каждые 3,43 месяца с 2012 года; это же будет означать 11-кратное повышение за год. Такова прогрессия посодействовала робота из Alphabet одолеть чемпионов в сложноватых настольных и видеоиграх, также содействовала изрядному увеличению точности переводчика Гугл.

    Гугл и альтернативные предприятия в текущее время производят новейшие облики микросхем, приспособленных под ИИ, дабы продолжить эту тенденцию. Гугл объявляет, что «стручки» с тесновато расположенными тыщами ее чипов ИИ — дублированные тензорные микропроцессоры, либо TPU — умеют обеспечивать 100 петафлопс вычислительной мощности, что составляет одну десятую от скорости, достигнутой Summit.

    Вклад проекта Summit в науку об климате демонстрирует, как только ИИ огромного масштаба может оптимизировать наше осознание грядущих климатических критерий. Когда исследователи генерируют столетние пророчества погоды, прочтение приобретенного прогноза становится сложноватой задачей. «Представьте, что у вас существуют кинофильм на YouTube, который идет 100 лет. Нет никакой способности определить любых кошек и собак в этом кинофильме вручную», разговаривает Прабхат. Привычно для автоматизации сего процесса употребляется программное обеспечение, но оно и не совсем. Результаты «Саммита» продемонстрировали, что машинное обучение может выполнять это же намного предпочтительнее, что обязано посодействовать в прогнозировании штормовых влияний вроде наводнений.

    По словам Майкла Причарда, доктора Калифорнийского вуза в Ирвайне, пуск глубочайшего обучения на суперкомпьютерах — это же относительно новенькая мысль, которая возникла в практичное время для исследователей климата. Замедление темпов усовершенствования классических микропроцессоров привело к тамошнему, что инженеры стали оснащать суперкомпьютеры возрастающим числом графических чипов, дабы производительность возрастала наиболее устойчиво. «Наступил момент, когда все больше нельзя увеличивать вычислительную мощность обыденным способом», разговаривает Причард.

    Этот сдвиг завел обычное моделирование в тупик, а уж означает пришлось приспособиться. А также это же раскрывает дверь для пользования силы глубочайшего обучения, которое очевидным образом подступает для графических чипов. Может быть, мы получим наиболее ясное понятие об грядущем нашего климата.

    Как бы приименяли этакий суперкомпьютер вы? Поведайте в нашем чате в Телеграме.