Dentro la sala macchine dell'intelligenza artificiale di Facebook

Accedi a Facebook dalla metà occidentale del Nord America e ci sono buone probabilità che i tuoi dati vengano estratti da un computer raffreddato dall'aria profumata di ginepro e salvia dell'alto deserto dell'Oregon centrale.

Nella città di Prineville, che ospita circa 9.000 persone, Facebook archivia i dati di altre centinaia di milioni. File e file di computer si trovano all'interno di quattro giganteschi edifici per un totale di quasi 800.000 piedi quadrati, allineati con precisione per far entrare i venti estivi secchi e generalmente freschi che soffiano da nord-ovest. I corridoi di server impilati con luci blu e verdi lampeggianti emettono un ruggito sordo mentre elaborano accessi, Mi piace e LOL.

Facebook ha installato nuovi server ad alta potenza per aiutare i suoi ricercatori di intelligenza artificiale a muoversi più velocemente. Sono alimentati da chip GPU (le carte verdi sul retro dell'immagine) realizzati da Nvidia.

Facebook ha recentemente aggiunto alcune nuove macchine al mix di Prineville. L'azienda ha installato nuovi server ad alta potenza progettati per accelerare gli sforzi per addestrare il software a fare cose come tradurre post tra lingue, essere un assistente virtuale più intelligente o seguire narrazioni scritte.

I nuovi server Big Sur di Facebook sono progettati attorno a processori ad alta potenza di un tipo originariamente sviluppato per l'elaborazione grafica, noti come GPU. Questi chip sono alla base dei recenti progressi nella tecnologia dell'intelligenza artificiale che provengono da una tecnica nota come deep learning. Il software è diventato sorprendentemente migliore nella comprensione delle immagini e del parlato grazie alla potenza delle GPU che consentono di applicare vecchie idee su come addestrare il software a set di dati molto più grandi e complessi (vedi Insegnare alle macchine per capirci).

Kevin Lee, un ingegnere di Facebook che lavora sui server, afferma che aiutano i ricercatori di Facebook ad addestrare il software utilizzando più dati, lavorando più velocemente. Questi server sono hardware appositamente progettati per la ricerca sull'intelligenza artificiale e l'apprendimento automatico, afferma. Le GPU possono scattare una foto e dividerla in piccoli pezzi e lavorarci su tutti in una volta.

Facebook costruisce ogni server Big Sur attorno a otto GPU prodotte da Nvidia, il principale fornitore di tali chip. Lee ha rifiutato di dire esattamente quanti server sono stati implementati, ma ha affermato che l'azienda ha migliaia di GPU al lavoro. I server Big Sur sono stati installati nei data center dell'azienda a Prineville e Ashburn, in Virginia.

Poiché le GPU sono estremamente affamate di energia, Facebook deve imballarle in modo meno denso rispetto ad altri tipi di server nel data center, per evitare di creare punti caldi che renderebbero le cose più difficili per il sistema di raffreddamento e richiederebbero energia extra. Otto server Big Sur sono impilati in un rack alto sette piedi che potrebbe altrimenti contenere 30 server Facebook standard che svolgono il lavoro più di routine di fornire i dati degli utenti.

Facebook è tutt'altro che il solo nella gestione di giganteschi data center o nella raccolta di GPU per potenziare la ricerca sull'apprendimento automatico. Microsoft, Google e la società di ricerca cinese Baidu hanno tutti fatto affidamento sulle GPU per potenziare la ricerca sul deep learning.

I nuovi server di Facebook per la ricerca sull'intelligenza artificiale, all'interno del data center dell'azienda a Prineville, in Oregon.

Il social network è insolito in quanto ha aperto i progetti per Big Sur e gli altri suoi progetti di server, nonché i piani per il suo data center di Prineville. L'azienda li contribuisce a un'organizzazione no-profit chiamata the Apri progetto di calcolo , avviato da Facebook nel 2011 per incoraggiare le aziende informatiche a collaborare alla progettazione di hardware per data center a basso costo e ad alta efficienza. Si ritiene che il progetto abbia aiutato le aziende hardware asiatiche e schiacciato i fornitori tradizionali come Dell e HP.

Il direttore della ricerca sull'intelligenza artificiale di Facebook, Yann LeCun, ha dichiarato quando Big Sur è stato annunciato all'inizio di quest'anno che credeva che rendere disponibili i progetti potesse accelerare i progressi sul campo consentendo a più organizzazioni di costruire potenti infrastrutture di apprendimento automatico (vedi Facebook Joins Stampede of Tech Giants Giving Tecnologia di intelligenza artificiale assente).

Tuttavia, i futuri server di machine learning basati sui piani di Facebook potrebbero non essere costruiti attorno alle GPU nel loro cuore oggi. Diverse aziende stanno lavorando a nuovi progetti di chip più specificamente adattati alla matematica del deep learning rispetto alle GPU.

Google ha annunciato a maggio di aver iniziato a utilizzare un chip di propria progettazione, chiamato TPU, per alimentare il software di deep learning in prodotti come il riconoscimento vocale. Il chip attuale sembra essere adatto per l'esecuzione di algoritmi dopo che sono stati addestrati, non la fase di formazione iniziale che i server Big Sur sono progettati per accelerare, ma Google sta lavorando su un chip di seconda generazione. Nvidia e diverse startup, tra cui Nervana Systems, stanno lavorando anche su chip personalizzati per il deep learning (vedi Intel Outside As Other Companies Prosper di AI Chips).

Eugenio Culurciello , professore associato alla Purdue University, afferma che l'utilità del deep learning significa che tali chip saranno sicuramente ampiamente utilizzati. C'è stato un grande bisogno per un po' e sta solo crescendo, dice.

Alla domanda se Facebook stesse lavorando sui propri chip personalizzati, Lee afferma che la società sta esaminando la questione.

nascondere