Google onthult een krachtige nieuwe AI-chip en supercomputer

Als kunstmatige intelligentie snel software opeet, dan heeft Google misschien wel de grootste eetlust.

Op de jaarlijkse ontwikkelaarsconferentie van het bedrijf vandaag kondigde CEO Sundar Pichai een nieuwe computerprocessor aan die is ontworpen om het soort machine learning uit te voeren dat de industrie de afgelopen jaren stormenderhand heeft veroverd (zie 10 Breakthrough Technologies: Deep Learning).

De aankondiging weerspiegelt hoe snel kunstmatige intelligentie Google zelf transformeert, en het is het zekerste teken dat het bedrijf van plan is om de ontwikkeling van elk relevant aspect van software en hardware te leiden.

Misschien wel het allerbelangrijkste, in ieder geval voor degenen die in machine learning werken, de nieuwe processor wordt niet alleen razendsnel uitgevoerd, hij kan ook ongelooflijk efficiënt worden getraind. De chip wordt de Cloud Tensor Processing Unit genoemd en is vernoemd naar het open-source TensorFlow-framework voor machine learning van Google.

Training is een fundamenteel onderdeel van machine learning. Een algoritme maken dat in staat is om: hotdogs herkennen in afbeeldingen , u zou bijvoorbeeld duizenden voorbeelden van hotdog-afbeeldingen invoeren - samen met niet-hotdog-voorbeelden - totdat het het verschil leert herkennen. Maar de berekeningen die nodig zijn om een ​​groot model te trainen zijn zo enorm complex dat de training dagen of weken kan duren.

Pichai kondigde ook de creatie aan van machine learning-supercomputers, of Cloud TPU-pods, op basis van clusters van Cloud TPU's die zijn verbonden met snelle dataverbindingen. En hij zei dat Google de TensorFlow Research Cloud aan het maken was, bestaande uit duizenden TPU's die via internet toegankelijk zijn.

We bouwen wat we beschouwen als AI-first datacenters, zei Pichai tijdens zijn presentatie. Cloud TPU's zijn geoptimaliseerd voor zowel training als gevolgtrekking. Dit legt de basis voor aanzienlijke vooruitgang [in AI].

Google zal 1.000 Cloud TPU-systemen beschikbaar stellen aan kunstmatige intelligentie-onderzoekers die openlijk details van hun werk willen delen.

Pichai kondigde tijdens zijn toespraak ook een aantal AI-onderzoeksinitiatieven aan. Deze omvatten een poging om algoritmen te ontwikkelen die kunnen leren hoe ze het tijdrovende werk moeten doen dat gepaard gaat met het verfijnen van andere algoritmen voor machine learning. En hij zei dat Google AI-tools aan het ontwikkelen was voor medische beeldanalyse, genomische analyse en het ontdekken van moleculen.

Voorafgaand aan de aankondigingen zei Jeff Dean, een senior fellow bij Google, dat dit aanbod AI zou kunnen helpen bevorderen. Veel toponderzoekers hebben niet zoveel computerkracht als ze zouden willen, merkte hij op.

De overstap van Google naar op AI gerichte hardware en cloudservices wordt deels aangedreven door inspanningen om zijn eigen activiteiten te versnellen. Google zelf gebruikt nu TensorFlow voor zoeken, spraakherkenning, vertaling en beeldverwerking. Het werd ook gebruikt in het Go-playing-programma AlphaGo, ontwikkeld door een andere dochteronderneming van Alphabet, DeepMind.

Maar strategisch zou Google kunnen helpen voorkomen dat een ander hardwarebedrijf te dominant wordt op het gebied van machine learning. Nvidia, een bedrijf dat de grafische processorchips maakt die traditioneel werden gebruikt voor deep learning, wordt bijzonder prominent met zijn verschillende producten (zie Nvidia CEO: Software Is Eating the World, maar AI gaat Software eten).

Verwant verhaal

Lees volgende Jensen Huang voorspelt dat de gezondheidszorg en auto's zullen worden getransformeerd door kunstmatige intelligentie.

Google zegt dat zijn eigen vertaalalgoritmen veel sneller kunnen worden getraind met de nieuwe hardware dan met bestaande hardware, om enige maatstaf te bieden voor de prestatieversnelling die wordt geboden door zijn cloud-TPU's. Wat een volledige dag training op 32 van de beste GPU's zou vereisen, kan in een middag worden gedaan met een achtste van een van de TPU-pods.

Deze TPU's leveren maar liefst 128 teraflops en zijn gebouwd voor precies het soort rekenwerk dat tegenwoordig machine learning stimuleert. Fei-Fei Li , zei hoofdwetenschapper bij Google Cloud en de directeur van Stanford's AI Lab, voorafgaand aan de aankondiging van Pichai.

Een teraflop verwijst naar een biljoen drijvende-kommabewerkingen per seconde, een maatstaf voor computerprestaties die worden verkregen door wiskundige berekeningen te doorlopen. De iPhone 6 daarentegen is in staat tot ongeveer 100 gigaflops, ofwel een miljard drijvende-kommabewerkingen per seconde.

Google zegt dat het voor onderzoekers nog steeds mogelijk zal zijn om algoritmen te ontwerpen met behulp van andere hardware, voordat ze deze overdragen naar de TensorFlow Research Cloud. Dit is waar het bij het democratiseren van machine learning om draait: ontwikkelaars empoweren door de vrijheid van ontwerp te beschermen, voegde Li eraan toe.

Een groeiend aantal onderzoekers heeft TensorFlow geadopteerd sinds Google de software in 2015 uitbracht. Google gaat er nu prat op dat dit het meest gebruikte deep-learning-framework ter wereld is.

zich verstoppen