Google rivela un nuovo potente chip AI e supercomputer

Se l'intelligenza artificiale sta rapidamente mangiando software , allora Google potrebbe avere il più grande appetito in circolazione.

Alla conferenza annuale degli sviluppatori dell'azienda di oggi, il CEO Sundar Pichai ha annunciato un nuovo processore per computer progettato per eseguire il tipo di apprendimento automatico che ha preso d'assalto il settore negli ultimi anni (vedi 10 tecnologie innovative: Deep Learning).

L'annuncio riflette la rapidità con cui l'intelligenza artificiale sta trasformando Google stessa ed è il segno più sicuro che l'azienda intende guidare lo sviluppo di ogni aspetto rilevante di software e hardware.

Forse la cosa più importante, almeno per coloro che lavorano nell'apprendimento automatico, il nuovo processore non solo funziona a velocità vertiginosa, ma può anche essere addestrato in modo incredibilmente efficiente. Chiamato Cloud Tensor Processing Unit, il chip prende il nome dal framework di apprendimento automatico TensorFlow open source di Google.

La formazione è una parte fondamentale del machine learning. Per creare un algoritmo capace di riconoscere gli hot dog nelle immagini , ad esempio, inseriresti migliaia di esempi di immagini hot dog, insieme a esempi non hot dog, finché non impara a riconoscere la differenza. Ma i calcoli necessari per addestrare un modello di grandi dimensioni sono così complessi che l'addestramento potrebbe richiedere giorni o settimane.

Pichai ha anche annunciato la creazione di supercomputer di apprendimento automatico, o pod Cloud TPU, basati su cluster di Cloud TPU collegati tra loro con connessioni dati ad alta velocità. E ha detto che Google stava creando il TensorFlow Research Cloud, composto da migliaia di TPU accessibili su Internet.

Stiamo costruendo quelli che consideriamo come i primi data center AI, ha detto Pichai durante la sua presentazione. Le Cloud TPU sono ottimizzate sia per l'allenamento che per l'inferenza. Questo pone le basi per progressi significativi [nell'IA].

Google metterà a disposizione 1.000 sistemi Cloud TPU per i ricercatori di intelligenza artificiale disposti a condividere apertamente i dettagli del loro lavoro.

Pichai ha anche annunciato una serie di iniziative di ricerca sull'IA durante il suo discorso. Questi includono uno sforzo per sviluppare algoritmi in grado di imparare come svolgere il lavoro che richiede tempo necessario per mettere a punto altri algoritmi di apprendimento automatico. E ha affermato che Google stava sviluppando strumenti di intelligenza artificiale per l'analisi delle immagini mediche, l'analisi genomica e la scoperta di molecole.

Parlando prima degli annunci, Jeff Dean, un senior fellow di Google, ha affermato che questa offerta potrebbe aiutare a far progredire l'IA. Molti dei migliori ricercatori non hanno accesso a tutta la potenza del computer che vorrebbero, ha osservato.

Il passaggio di Google all'hardware e ai servizi cloud incentrati sull'intelligenza artificiale è guidato, in parte, dagli sforzi per accelerare le proprie operazioni. Google stesso ora utilizza TensorFlow per potenziare la ricerca, il riconoscimento vocale, la traduzione e l'elaborazione delle immagini. È stato utilizzato anche nel programma di gioco Go, AlphaGo, sviluppato da un'altra sussidiaria di Alphabet, DeepMind.

Ma strategicamente, Google potrebbe aiutare a impedire che un'altra azienda di hardware diventi troppo dominante nello spazio dell'apprendimento automatico. Nvidia, un'azienda che produce i chip di elaborazione grafica che sono stati tradizionalmente utilizzati per il deep learning, sta diventando particolarmente importante con i suoi vari prodotti (vedi CEO di Nvidia: Software Is Eating the World, but AI is Going to Eat Software).

Storia correlata

Leggi Avanti Jensen Huang prevede che l'assistenza sanitaria e le automobili saranno trasformate dall'intelligenza artificiale.

Per fornire una misura dell'accelerazione delle prestazioni offerta dalle sue TPU cloud, Google afferma che i propri algoritmi di traduzione potrebbero essere addestrati molto più rapidamente utilizzando il nuovo hardware rispetto all'hardware esistente. Ciò che richiederebbe un'intera giornata di allenamento su 32 delle migliori GPU può essere fatto in un pomeriggio utilizzando un ottavo di uno dei suoi pod in TPU.

Questi TPU offrono l'incredibile cifra di 128 teraflop e sono costruiti proprio per il tipo di elaborazione numerica che guida l'apprendimento automatico oggi, Fei-Fei Li , scienziato capo di Google Cloud e direttore dell'IA Lab di Stanford, ha detto prima dell'annuncio di Pichai.

Un teraflop si riferisce a un trilione di operazioni in virgola mobile al secondo, una misura delle prestazioni del computer ottenuta elaborando calcoli matematici. Al contrario, l'iPhone 6 è in grado di eseguire circa 100 gigaflop o un miliardo di operazioni in virgola mobile al secondo.

Google afferma che sarà ancora possibile per i ricercatori progettare algoritmi utilizzando altro hardware, prima di trasferirlo su TensorFlow Research Cloud. Questo è l'obiettivo della democratizzazione dell'apprendimento automatico: potenziare gli sviluppatori proteggendo la libertà di progettazione, ha aggiunto Li.

Un numero crescente di ricercatori ha adottato TensorFlow da quando Google ha rilasciato il software nel 2015. Google ora si vanta di essere il framework di deep learning più utilizzato al mondo.

nascondere