211service.com
Microsoft zegt dat programmeerbare chips AI-software slimmer zullen maken
Recente doorbraken in hoe nauwkeurig software afbeeldingen en spraak kan herkennen, zijn er dankzij extra rekenkracht achter een techniek die bekend staat als deep learning. Microsoft rapporteert nu vooruitgang op een idee dat nog meer kracht achter de techniek zou kunnen zetten. Een praktische manier om deep learning-software nog krachtiger te maken, zou kunnen leiden tot verdere aanzienlijke vooruitgang in de intelligentie van machines.
Deep learning-software leert gegevens te begrijpen met behulp van ruwe simulaties van biologische neuronen (zie 10 Breakthrough Technologies 2013: Deep Learning). Een prioriteit voor bedrijven zoals Google, Microsoft en Facebook die in de technologie investeren, is het vinden van manieren om grotere netwerken van neuronen te trainen met grotere verzamelingen trainingsgegevens, door de software op krachtigere computers te laten draaien.
Het gebruik van grafische processors, ook wel GPU's genoemd, is een van de beste manieren gebleken om dat te doen. Maar hun prijs en hoge elektriciteitsverbruik maken GPU's duur, zelfs voor grote bedrijven. Het is erg duur en uitdagend om je eigen trainingsplatform te bouwen, te onderhouden en uit te breiden, zegt Eric Chung , een onderzoeker bij Microsoft. Systemen van GPU's die worden gebruikt voor deep learning zijn over het algemeen klein tot middelgroot in vergelijking met de schaal van de groepen computers die samenwerken om online services aan te drijven, zegt hij.
Chung maakt deel uit van een project dat een mogelijke route onderzoekt om deep learning op veel grotere schaal uit te voeren. Het idee is om FPGA's te gebruiken, veldprogrammeerbare poortarrays, chips die opnieuw kunnen worden geconfigureerd om elk ontwerp te implementeren en die zeer energiezuinig kunnen zijn. Microsoft begon vorig jaar FPGA's te gebruiken om delen van zijn Bing-zoekmachine aan te drijven, en meldde dat het hun gebruik testte om de virtuele neuronen van diep leren aan te drijven in februari . Chung zegt dat het onderzoek nu is gevorderd tot het gebruik van enkele van de krachtigste FPGA's die beschikbaar zijn, en dat het een praktische manier lijkt om de kracht van diep leren een grote boost te geven. Microsoft gebruikt FPGA's van Altera, een bedrijf dat chipmaker Intel in juni kocht voor $ 17 miljard, daarbij verwijzend naar het potentieel van dergelijke chips om bedrijfsdatacenters krachtiger te maken.
Zelfs in wat Chung de prototyping-fase noemde, ontdekte het team een bijna tienvoudige toename van de prestaties van een neuraal netwerk dat afbeeldingen probeert te identificeren, vergeleken met conventionele computers zonder GPU's. Het zou een game-changer kunnen zijn als we er uiteindelijk in slagen om FPGA's op grote schaal in te zetten, wat een geaggregeerde capaciteit zal bieden die groter is dan wat vandaag mogelijk is, zegt hij.
Het gebruik van FPGA's brengt nadelen met zich mee, bijvoorbeeld het werk dat moet worden gedaan om ze te programmeren om het werk te doen. Maar Chung voorspelt dat de techniek het trainen van neurale netwerken van ongekende omvang en kwaliteit mogelijk zal maken.
Dat zou kunnen leiden tot verbeteringen in zaken als software die de inhoud van afbeeldingen kan beschrijven (zie Google Software Describes What It Sees in Images ), of taal begrijpt en een vorm van gezond verstand toont ( Teaching Machines to Understand Us ). De laatste resultaten van Microsoft over het gebruik van FPGA's werden gepresenteerd op de Hot Chips-conferentie over vooruitgang in processorprestaties dinsdag in Cupertino, Californië.