211service.com
De kleine supercomputer die bedrijven proberen te krijgen
Nvidia's DGX-1-supercomputer is ontworpen om deep-learningmodellen sneller te trainen dan conventionele computersystemen.
Voor bedrijven die worstelen met complexe dataprojecten die worden aangedreven door kunstmatige intelligentie, is een systeem dat Nvidia een AI-supercomputer in een doos noemt een welkome ontwikkeling.
Vroege klanten van Nvidia's DGX-1 , dat machine learning-software combineert met acht van de meest geavanceerde grafische verwerkingseenheden (GPU's) van de chipfabrikant, zegt dat het systeem hen in staat stelt hun analytische modellen sneller te trainen, meer experimenten mogelijk maakt en doorbraken in wetenschap, gezondheidszorg en financiële Diensten.
Datawetenschappers gebruiken GPU's om deep learning te versnellen - een AI-techniek die de manier nabootst waarop menselijke hersenen gegevens verwerken - sinds 2012 , maar velen zeggen dat de huidige computersystemen hun werk beperken. Snellere computers zoals de DGX-1 beloven deep-learning-algoritmen krachtiger te maken en datawetenschappers deep-learning-modellen te laten uitvoeren die voorheen niet mogelijk waren.
De DGX-1 is niet voor elk bedrijf een magische oplossing. Het kost $ 129.000, meer dan systemen die bedrijven zelf uit afzonderlijke componenten zouden kunnen samenstellen. Het wordt ook geleverd met een vaste hoeveelheid systeemgeheugen en GPU-kaarten. Maar omdat de relevante onderdelen en programma's vooraf zijn geïnstalleerd in een metalen behuizing ter grootte van een middelgrote koffer, en omdat het geavanceerde hardware combineert met snelle connectiviteit, beweert Nvidia dat de DGX-1 gemakkelijker te installeren is en sneller gegevens kan analyseren dan de vorige GPU systemen. Bovendien suggereert de positieve ontvangst die de DGX-1 in de eerste paar maanden van beschikbaarheid heeft gekregen, dat vergelijkbare alles-in-één deep-learningsystemen organisaties kunnen helpen meer AI-experimenten uit te voeren en deze sneller te verfijnen. Hoewel de DGX-1 momenteel het enige systeem in zijn soort is, zullen de productiepartners van Nvidia begin 2017 nieuwe versies van de supercomputer uitbrengen.
Minder dan 100 bedrijven en organisaties hebben DGX-1's gekocht sinds ze in de herfst begonnen te verzenden, maar early adopters zeggen dat de beweringen van Nvidia over het systeem stand houden. Jackie Hunter, CEO van het in Londen gevestigde WelwillendeAI BenevolentBio, de afdeling biowetenschappen, zegt dat haar datawetenschapsteam op dezelfde dag dat deze werd geïnstalleerd modellentraining had op de DGX-1. Ze zegt dat het team in staat was om binnen acht weken verschillende grootschalige modellen te ontwikkelen die zijn ontworpen om geschikte moleculen voor medicijnen te identificeren. Deze modellen trainen volgens Hunter drie tot vier keer sneller op de DGX-1 dan op de andere GPU-systemen van de startup. We hadden meerdere modellen die aanvankelijk weken nodig hadden om te trainen, maar we kunnen dit nu in dagen en uren doen, voegt ze eraan toe.
Massachusetts General Hospital heeft een DGX-1 in een van zijn datacenters en heeft er nog een in bestelling. Het zegt dat het GPU-supercomputers zoals de DGX-1 nodig heeft om grote hoeveelheden verschillende soorten gegevens te verwerken. MGH's centrum voor klinische gegevenswetenschap , dat de toegang tot de DGX-1 van het ziekenhuis in de omgeving van Boston coördineert PartnersHealthCare-systeem , zegt dat projecten die de supercomputer gebruiken, het analyseren van pathologie- en radiologiebeelden, elektronische medische dossiers en genomische informatie omvatten.
Als je niet alleen röntgenfoto's, maar een hele reeks klinische informatie, factureringsinformatie en sociale media-feeds gebruikt als indicatoren voor de gezondheid van een patiënt, heb je echt grote hoeveelheden GPU-rekenkracht nodig om dat te verpletteren, zegt centrumdirecteur Mark Michalski.
Verschillende andere organisaties zetten DGX-1's in om enorme hoeveelheden gegevens met betrekking tot gezondheidszorg en medisch onderzoek te begrijpen. De nationale laboratoria van Argonne en Oak Ridge gebruiken die van hen om de oorsprong van kanker te bestuderen en nieuwe therapieën te identificeren als onderdeel van Joe Bidens Cancer Moonshot-project.
DGX-1's worden ook actief gebruikt in de AI-onderzoeksgemeenschap. Nvidia schonk de eerste DGX-1 die het produceerde aan het non-profit AI-onderzoeksbedrijf OpenAI en gaf negen andere systemen aan universiteiten met vooraanstaande deep-learning-afdelingen, waaronder de New York University, Stanford University en de University of Toronto.
Ook multinationals nemen de systemen over. SAP, dat software maakt om bedrijven te helpen bij het beheren van hun activiteiten en klantrelaties, heeft DGX-1's geïnstalleerd in twee van zijn wereldwijde innovatiecentra , een in Potsdam, Duitsland, en een in Ra'anana, Israël, en voert proof-of-concept-projecten op de systemen uit om de beste manieren te vinden om hun schaal en snelheid te benutten, zegt vice-president Markus Noga. Fidelity Labs , de R&D-tak van Fidelity Investments, is ook eigenaar van twee DGX-1's en is van plan deze te gebruiken om neurale netwerken of computersystemen te bouwen die zijn gemodelleerd naar het menselijk brein, zegt laboratoriumdirecteur Sean Belka.
Zelfs degenen die al een DGX-1 hebben, zullen waarschijnlijk een mix van krachtige computersystemen blijven gebruiken, waaronder cloud computing en andere op GPU gebaseerde systemen, in plaats van al hun diepgaande leerwerk naar de supercomputer te verplaatsen. Andere bedrijven kopen er misschien helemaal geen vanwege de hoge initiële kosten en de vaste configuratie.
Maar velen lijken te denken dat de prijs het waard is. BenevolentAI schat dat de kosten van het huren van voldoende servers op Amazon Web Services om de prestaties van de DGX-1 te evenaren, binnen een jaar het prijskaartje van $ 129.000 van het systeem zouden overtreffen. Greg Diamos, een senior onderzoeker in Baidu's Silicon Valley AI Lab , die een expert is in high-performance computing, erkent dat de supercomputer duur is, maar zegt dat de prijs het configuratiewerk en de ondersteuning die Nvidia biedt weerspiegelt. Baidu's AI Lab heeft geen DGX-1, maar is bezig met het upgraden van zijn systeem naar dezelfde GPU-kaarten, en verwacht dat de nieuwe technologie zijn AI-onderzoek met ongeveer 3,5 keer zal versnellen, aldus Diamos.
Bedrijven die zich richten op het bouwen van deep learning-applicaties en zich geen zorgen willen maken over het ontwerpen van het hardware- en softwareplatform waarop ze draaien, zullen waarschijnlijk de DGX-1 overwegen, zegt Diamos. Maar ik verwacht dat grotere klanten die al dit werk in-house doen, individuele GPU's kopen en deze zelf integreren in aangepaste HPC-clusters in plaats van de premie te betalen voor de DGX-1.