211service.com
Il supercomputer delle dimensioni di una pinta che le aziende stanno cercando di ottenere
Il supercomputer DGX-1 di Nvidia è progettato per addestrare modelli di deep learning più velocemente rispetto ai sistemi informatici convenzionali.
Per le aziende alle prese con progetti di dati complessi basati sull'intelligenza artificiale, un sistema che Nvidia chiama un supercomputer AI in una scatola è uno sviluppo positivo.
I primi clienti di Nvidia DGX-1 , che combina il software di apprendimento automatico con otto delle unità di elaborazione grafica (GPU) di fascia alta del produttore di chip, afferma che il sistema consente loro di addestrare i propri modelli analitici più velocemente, consente una maggiore sperimentazione e potrebbe facilitare le scoperte scientifiche, sanitarie e finanziarie Servizi.
I data scientist hanno sfruttato le GPU per accelerare il deep learning, una tecnica di intelligenza artificiale che imita il modo in cui il cervello umano elabora i dati. dal 2012 , ma molti dicono che gli attuali sistemi informatici limitano il loro lavoro. I computer più veloci come il DGX-1 promettono di rendere più potenti gli algoritmi di deep learning e di consentire ai data scientist di eseguire modelli di deep learning che prima non erano possibili.
Il DGX-1 non è una soluzione magica per ogni azienda. Costa $ 129.000, più dei sistemi che le aziende potrebbero assemblare da soli dai singoli componenti. Inoltre viene fornito con una quantità fissa di memoria di sistema e schede GPU. Ma poiché le parti e i programmi rilevanti sono preinstallati in un involucro di metallo delle dimensioni di una valigia media e poiché accoppia hardware avanzato con connettività veloce, Nvidia afferma che il DGX-1 è più facile da configurare e più veloce nell'analisi dei dati rispetto alla GPU precedente sistemi. Inoltre, l'accoglienza positiva che il DGX-1 ha attirato nei suoi primi mesi di disponibilità suggerisce che simili sistemi all-in-one di deep learning potrebbero aiutare le organizzazioni a condurre più esperimenti di intelligenza artificiale e perfezionarli più rapidamente. Sebbene il DGX-1 sia l'unico sistema del suo genere oggi, i partner di produzione di Nvidia rilasceranno nuove versioni del supercomputer all'inizio del 2017.
Meno di 100 aziende e organizzazioni hanno acquistato DGX-1 da quando hanno iniziato a spedire in autunno, ma i primi utenti affermano che le affermazioni di Nvidia sul sistema sembrano reggere. Jackie Hunter, CEO di Londra IA benevola BenevolentBio, il braccio delle scienze della vita, afferma che il suo team di scienza dei dati ha avuto una formazione sui modelli sul DGX-1 lo stesso giorno in cui è stato installato. Dice che il team è stato in grado di sviluppare diversi modelli su larga scala progettati per identificare le molecole adatte per i farmaci entro otto settimane. Secondo Hunter, questi modelli si allenano da tre a quattro volte più velocemente sul DGX-1 rispetto agli altri sistemi GPU della startup. Avevamo più modelli che originariamente impiegavano settimane per allenarsi, ma ora possiamo farlo in giorni e ore, aggiunge.
Il Massachusetts General Hospital ha un DGX-1 in uno dei suoi data center e ne ha uno in più in ordine. Dice che ha bisogno di supercomputer GPU come il DGX-1 per elaborare grandi volumi di tipi di dati dissimili. Centro MGH per la scienza dei dati clinici , che coordina l'accesso al DGX-1 dell'ospedale nell'area di Boston Sistema PartnersHealthCare , afferma che i progetti che utilizzano il supercomputer comporteranno l'analisi di immagini patologiche e radiologiche, cartelle cliniche elettroniche e informazioni genomiche.
Se stai incorporando non solo i raggi X, ma tutta una serie di informazioni cliniche, dati di fatturazione e feed dei social media come indicatori della salute di un paziente, hai davvero bisogno di grandi quantità di potenza di calcolo della GPU per schiacciarlo, afferma il direttore del centro Mark Michalski.
Diverse altre organizzazioni stanno implementando DGX-1 per dare un senso a enormi quantità di dati relativi all'assistenza sanitaria e alla ricerca medica. I laboratori nazionali Argonne e Oak Ridge usano i loro per studiare le origini del cancro e identificare nuove terapie nell'ambito del progetto Cancer Moonshot di Joe Biden.
I DGX-1 sono utilizzati attivamente anche nella comunità di ricerca sull'IA. Nvidia ha donato il primo DGX-1 che ha prodotto alla società di ricerca sull'intelligenza artificiale senza scopo di lucro OpenAI e ha donato altri nove sistemi ad università con importanti dipartimenti di deep learning, tra cui la New York University, la Stanford University e l'Università di Toronto.
Anche le multinazionali si stanno impossessando dei sistemi. SAP, che produce software per aiutare le aziende a gestire le operazioni e le relazioni con i clienti, ha installato DGX-1 in due dei suoi global centri di innovazione , uno a Potsdam, in Germania, e uno a Ra'anana, in Israele, e sta conducendo progetti proof-of-concept sui sistemi per identificare i modi migliori per sfruttare la loro scala e velocità, afferma il vicepresidente Markus Noga. Laboratori fedeltà , il braccio di ricerca e sviluppo di Fidelity Investments, possiede anche due DGX-1 e prevede di utilizzarli per costruire reti neurali o sistemi informatici modellati sul cervello umano, afferma il direttore dei laboratori Sean Belka.
Anche coloro che già possiedono un DGX-1 probabilmente continueranno a utilizzare un mix di sistemi di elaborazione ad alte prestazioni, incluso il cloud computing e altri sistemi basati su GPU, piuttosto che trasferire tutto il loro lavoro di deep learning sul supercomputer. Altre aziende potrebbero non acquistarne uno in primo luogo a causa del suo costo iniziale elevato e della configurazione fissa.
Ma molti sembrano pensare che ne valga la pena. BenevolentAI stima che il costo del noleggio di un numero sufficiente di server su Amazon Web Services per eguagliare le prestazioni del DGX-1 supererebbe il prezzo di $ 129.000 del sistema entro un anno. Greg Diamos, ricercatore senior in Laboratorio di intelligenza artificiale della Silicon Valley di Baidu , che è un esperto di calcolo ad alte prestazioni, riconosce che il supercomputer è costoso, ma afferma che il prezzo riflette il lavoro di configurazione e il supporto fornito da Nvidia. L'AI Lab di Baidu non ha un DGX-1, ma sta aggiornando il suo sistema alle stesse schede GPU e prevede che la nuova tecnologia accelererà la sua ricerca sull'IA di circa 3,5 volte, secondo Diamos.
Le aziende che si concentrano sulla creazione di applicazioni di deep learning e non vogliono preoccuparsi di progettare la piattaforma hardware e software su cui girano probabilmente prenderanno in considerazione il DGX-1, afferma Diamos. Ma mi aspetto che i clienti più grandi che svolgono tutto questo lavoro internamente acquistino singole GPU e le integrino da sole in cluster HPC personalizzati piuttosto che pagare il sovrapprezzo per il DGX-1.