Microsoft afferma che i chip programmabili renderanno il software AI più intelligente

I recenti progressi nella precisione con cui il software può riconoscere le immagini e il parlato sono arrivati ​​grazie alla potenza di calcolo aggiuntiva alla base di una tecnica nota come deep learning. Microsoft ora segnala i progressi su un'idea che potrebbe mettere ancora più muscoli dietro la tecnica. Un modo pratico per potenziare ulteriormente il software di deep learning potrebbe portare a ulteriori progressi significativi nell'intelligenza delle macchine.

Il software di deep learning impara a dare un senso ai dati utilizzando simulazioni approssimative di neuroni biologici (vedi 10 Breakthrough Technologies 2013: Deep Learning). Una priorità per aziende come Google, Microsoft e Facebook che investono nella tecnologia è trovare modi per addestrare reti di neuroni più grandi con raccolte più grandi di dati di allenamento, eseguendo il software su computer più potenti.

L'utilizzo di processori grafici, noti come GPU, si è dimostrato uno dei modi migliori per farlo. Ma il loro prezzo e l'elevato consumo di elettricità rendono le GPU costose anche per le grandi aziende. È molto costoso e impegnativo costruire, mantenere e ampliare la propria piattaforma di formazione, afferma Eric Chung , ricercatore presso Microsoft. I sistemi di GPU utilizzati per il deep learning sono generalmente di dimensioni medio-piccole rispetto alla scala dei gruppi di computer che lavorano insieme per alimentare i servizi online, afferma.

Chung fa parte di un progetto che studia un possibile percorso per eseguire il deep learning su scala molto più ampia. L'idea è di utilizzare FPGA, gate array programmabili sul campo, chip che possono essere riconfigurati per implementare qualsiasi progetto e che possono essere molto efficienti dal punto di vista energetico. Microsoft ha iniziato a utilizzare gli FPGA per alimentare parti del suo motore di ricerca Bing l'anno scorso e ha riferito che ne stava testando l'uso per alimentare i neuroni virtuali del deep learning a febbraio . Chung afferma che la ricerca è ora passata all'utilizzo di alcuni dei più potenti FPGA disponibili e che sembra un modo pratico per fornire una spinta importante alla potenza del deep learning. Microsoft sta utilizzando FPGA prodotti da Altera, una società che il produttore di chip Intel ha acquistato a giugno per 17 miliardi di dollari, citando il potenziale di tali chip per rendere più potenti i data center aziendali.

Anche in quella che Chung ha chiamato la fase di prototipazione, il team ha riscontrato un aumento di quasi dieci volte delle prestazioni di una rete neurale che tenta di identificare le immagini, rispetto ai computer convenzionali senza GPU. Potrebbe essere un punto di svolta se alla fine riusciamo a distribuire FPGA su larga scala, il che fornirà una capacità aggregata che supera ciò che è possibile oggi, afferma.

L'uso degli FPGA comporta degli svantaggi, ad esempio il lavoro che deve essere svolto per programmarli per svolgere il lavoro a portata di mano. Ma Chung prevede che la tecnica consentirà l'addestramento di reti neurali di dimensioni e qualità senza precedenti.

Ciò potrebbe aiutare a portare a miglioramenti in cose come il software in grado di descrivere il contenuto delle immagini (vedi Il software di Google descrive ciò che vede nelle immagini) o comprendere il linguaggio e mostrare una forma di buon senso (Insegnare le macchine per capirci). Gli ultimi risultati di Microsoft sull'utilizzo degli FPGA sono stati presentati al Conferenza sulle patatine fritte sui progressi nelle prestazioni del processore a Cupertino, in California, martedì.

nascondere