Questo chip è stato presentato alla conferenza tecnica segreta di Jeff Bezos. Potrebbe essere la chiave per il futuro dell'IA.

Fotografie di Tony Luong

Di recente, in una mattina abbagliante a Palm Springs, in California, Vivienne Sz ha fatto un piccolo passo per fare forse la presentazione più snervante della sua carriera.

Conosceva a fondo l'argomento. Doveva parlare al pubblico dei chip, in fase di sviluppo nel suo laboratorio al MIT, che promettono di portare una potente intelligenza artificiale a una moltitudine di dispositivi in ​​cui la potenza è limitata, al di là della portata dei vasti data center in cui si svolge la maggior parte dei calcoli dell'IA. Tuttavia, l'evento, e il pubblico, hanno messo in pausa Sze.

Tony Luong

L'ambientazione era MARS, una conferenza d'élite solo su invito in cui i robot passeggiano (o volano) attraverso un resort di lusso, mescolandosi con famosi scienziati e autori di fantascienza. Solo pochi ricercatori sono invitati a tenere discorsi tecnici e le sessioni sono pensate per essere sia maestose che illuminanti. La folla, nel frattempo, era composta da circa 100 tra i più importanti ricercatori, amministratori delegati e imprenditori del mondo. MARS è ospitato nientemeno che dal fondatore e presidente di Amazon, Jeff Bezos, che sedeva in prima fila.

Era, credo si potrebbe dire, un pubblico piuttosto di alto livello, ricorda Sze con una risata.

Altri oratori di MARS introdurrebbero un robot che taglia il karate, droni che sbattono come grandi insetti stranamente silenziosi e persino progetti ottimistici per le colonie marziane. Le fiches di Sze potrebbero sembrare più modeste; ad occhio nudo, sono indistinguibili dai chip che troveresti all'interno di qualsiasi dispositivo elettronico. Ma sono probabilmente molto più importanti di qualsiasi altra cosa in mostra all'evento.

Nuove capacità

I chip di nuova concezione, come quelli sviluppati nel laboratorio di Sze, potrebbero essere cruciali per i futuri progressi nell'IA, compresi i droni e i robot trovati su MARS. Finora, il software di intelligenza artificiale è stato in gran parte eseguito su chip grafici, ma il nuovo hardware potrebbe rendere gli algoritmi di intelligenza artificiale più potenti, il che sbloccherebbe nuove applicazioni. I nuovi chip AI potrebbero rendere più comuni i robot di magazzino o consentire agli smartphone di creare scenari di realtà aumentata fotorealistici.

I chip di Sze sono estremamente efficienti e flessibili nel loro design, qualcosa che è fondamentale per un campo che si sta evolvendo incredibilmente rapidamente.

I microchip sono progettati per spremere di più dagli algoritmi di intelligenza artificiale di deep learning che hanno già sconvolto il mondo. E nel processo, possono ispirare quegli stessi algoritmi a evolversi. Abbiamo bisogno di nuovo hardware perché la legge di Moore ha rallentato, dice Sze, riferendosi all'assioma coniato dal cofondatore di Intel Gordon Moore che prevedeva che il numero di transistor su un chip raddoppierà all'incirca ogni 18 mesi, portando a un aumento commisurato delle prestazioni nella potenza del computer .

Tony Luong

Questa legge sta andando sempre più incontro ai limiti fisici che derivano dai componenti ingegneristici su scala atomica. E sta stimolando un nuovo interesse per architetture e approcci alternativi all'informatica.

L'alta posta in gioco legata all'investimento nei chip AI di prossima generazione e al mantenimento del dominio americano nella produzione di chip in generale non sono persi per il governo degli Stati Uniti. I microchip di Sze sono stati sviluppati con il finanziamento di un programma della Defense Advanced Research Projects Agency (DARPA) inteso ad aiutare a sviluppare nuovi progetti di chip di intelligenza artificiale (vedi Le idee di intelligenza artificiale progettate per mantenere gli Stati Uniti davanti alla Cina).

Ma l'innovazione nella produzione di chip è stata stimolata principalmente dall'emergere del deep learning, un modo molto potente per le macchine di imparare a svolgere compiti utili. Invece di dare a un computer una serie di regole da seguire, una macchina fondamentalmente si programma da sola. I dati di addestramento vengono inseriti in una grande rete neurale artificiale simulata, che viene quindi ottimizzata in modo da produrre il risultato desiderato. Con una formazione sufficiente, un sistema di deep learning può trovare modelli sottili e astratti nei dati. La tecnica viene applicata a una serie sempre crescente di attività pratiche, dal riconoscimento facciale sugli smartphone alla previsione della malattia dalle immagini mediche.

La nuova corsa alle fiches

Il deep learning non è così dipendente dalla legge di Moore. Le reti neurali eseguono molti calcoli matematici in parallelo, quindi funzionano in modo molto più efficace sui chip grafici specializzati per videogiochi che eseguono calcoli paralleli per il rendering di immagini 3D. Ma i microchip progettati specificamente per i calcoli alla base del deep learning dovrebbero essere ancora più potenti.

Il potenziale delle nuove architetture di chip per migliorare l'IA ha stimolato un livello di attività imprenditoriale che l'industria dei chip non vedeva da decenni (vedi The Race to Power AI's Silicon Brains e la Cina non ha mai avuto una vera industria dei chip. Realizzare chip per l'IA potrebbe cambialo).

Tony Luong

Le grandi aziende tecnologiche che sperano di sfruttare e commercializzare l'IA, inclusi Google, Microsoft e (sì) Amazon, stanno tutte lavorando sui propri chip di deep learning. Anche molte aziende più piccole stanno sviluppando nuovi chip. È impossibile tenere traccia di tutte le aziende che saltano nello spazio dei chip AI, afferma Mike Delmer, analista di microchip presso il Gruppo Linley , una società di analisi. Non sto scherzando sul fatto che ne apprendiamo uno nuovo quasi ogni settimana.

La vera opportunità, afferma Sze, non è costruire i chip di deep learning più potenti possibili. L'efficienza energetica è importante perché l'IA deve anche funzionare al di fuori della portata dei grandi data center, il che significa fare affidamento solo sulla potenza disponibile sul dispositivo stesso per funzionare. Questo è noto come operare al limite.

L'intelligenza artificiale sarà ovunque e sarà estremamente importante trovare modi per rendere le cose più efficienti dal punto di vista energetico, afferma Naveen Rao, vicepresidente del gruppo di prodotti di intelligenza artificiale di Intel.

Ad esempio, l'hardware di Sze è più efficiente in parte perché riduce fisicamente il collo di bottiglia tra il luogo in cui vengono archiviati i dati e quello in cui vengono analizzati, ma anche perché utilizza schemi intelligenti per il riutilizzo dei dati. Prima di entrare a far parte del MIT, Sze ha aperto la strada a questo approccio per migliorare l'efficienza della compressione video mentre lavorava in Texas Instruments.

Per un campo in rapida evoluzione come il deep learning, la sfida per coloro che lavorano sui chip di intelligenza artificiale è assicurarsi che siano sufficientemente flessibili da poter essere adattati per funzionare per qualsiasi applicazione. È facile progettare un chip super efficiente in grado di fare solo una cosa, ma un prodotto del genere diventerà presto obsoleto.

Il chip di Sze si chiama Eyeriss. Sviluppato in collaborazione con gioele emer , ricercatore presso Nvidia e professore presso il MIT, è stato testato insieme a una serie di processori standard per vedere come gestisce una gamma di diversi algoritmi di deep learning. Bilanciando efficienza e flessibilità, il nuovo chip raggiunge prestazioni 10 o addirittura 1.000 volte più efficienti dell'hardware esistente, secondo un documento pubblicato online l'anno scorso.

Sertac Karaman e Vivienne Sze del MIT hanno sviluppato il nuovo chip Tony Luong

I chip AI più semplici stanno già avendo un grande impatto. Gli smartphone di fascia alta includono già chip ottimizzati per l'esecuzione di algoritmi di deep learning per il riconoscimento di immagini e voce. Chip più efficienti potrebbero consentire a questi dispositivi di eseguire codice AI più potente con capacità migliori. Anche le auto a guida autonoma necessitano di potenti chip per computer con intelligenza artificiale, poiché la maggior parte dei prototipi attualmente si basa su un carico di computer nel bagagliaio.

Rao afferma che i chip del MIT sono promettenti, ma molti fattori determineranno se una nuova architettura hardware avrà successo. Uno dei fattori più importanti, dice, è lo sviluppo di software che consenta ai programmatori di eseguire il codice su di esso. Rendere qualcosa utilizzabile dal punto di vista del compilatore è probabilmente il più grande ostacolo all'adozione, dice.

Il laboratorio di Sze, infatti, sta anche esplorando modi di progettare software in modo che sfrutti al meglio le proprietà dei chip dei computer esistenti. E questo lavoro va oltre il semplice deep learning.

Insieme a Sertac Karaman , del Dipartimento di aeronautica e astronautica del MIT, Sze ha sviluppato un chip a bassa potenza chiamato Navion che esegue la mappatura 3D e la navigazione in modo incredibilmente efficiente, da utilizzare su un minuscolo drone. Fondamentale per questo sforzo è stato realizzare il chip per sfruttare il comportamento degli algoritmi incentrati sulla navigazione e progettare l'algoritmo per sfruttare al meglio un chip personalizzato. Insieme al lavoro sul deep learning, Navion riflette il modo in cui il software e l'hardware dell'IA stanno iniziando a evolversi in simbiosi.

I chip di Sze potrebbero non attirare l'attenzione come un drone svolazzante, ma il fatto che siano stati presentati al MARS offre un'idea di quanto sarà importante la sua tecnologia, e più in generale l'innovazione nel silicio, per il futuro dell'IA. A seguito di la sua presentazione , dice Sze, alcuni degli altri oratori di MARS hanno espresso interesse a saperne di più. Le persone hanno trovato molti casi d'uso importanti, dice.

In altre parole, aspettati che i robot e i droni accattivanti alla prossima conferenza MARS abbiano qualcosa di piuttosto speciale nascosto all'interno.

nascondere