211service.com
Microsoft siger, at programmerbare chips vil gøre AI-software smartere
Nylige gennembrud i, hvor nøjagtigt software kan genkende billeder og tale, kom takket være yderligere computerkraft bag en teknik kendt som deep learning. Microsoft rapporterer nu om fremskridt med en idé, der kunne sætte endnu større muskler bag teknikken. En praktisk måde at forstærke deep learning-software endnu mere kan føre til yderligere betydelige fremskridt inden for maskinernes intelligens.
Deep learning-software lærer at forstå data ved hjælp af grove simuleringer af biologiske neuroner (se 10 Breakthrough Technologies 2013: Deep Learning). En prioritet for virksomheder som Google, Microsoft og Facebook, der investerer i teknologien, er at finde måder at træne større netværk af neuroner med større samlinger af træningsdata ved at køre softwaren på mere kraftfulde computere.
Brug af grafikprocessorer, kendt som GPU'er, har vist sig at være en af de bedste måder at gøre det på. Men deres pris og høje elforbrug gør GPU'er dyre selv for store virksomheder. Det er meget dyrt og udfordrende at bygge, vedligeholde og skalere din egen træningsplatform, siger Erik Chung , en forsker hos Microsoft. Systemer med GPU'er, der bruges til dyb læring, er generelt små til mellemstore i forhold til omfanget af de grupper af computere, der arbejder sammen om at drive onlinetjenester, siger han.
Chung er en del af et projekt, der undersøger en mulig vej til at drive dyb læring i meget større skala. Ideen er at bruge FPGA'er, feltprogrammerbare gate-arrays, chips, der kan omkonfigureres til at implementere ethvert design, og som kan være meget strømbesparende. Microsoft begyndte at bruge FPGA'er til at drive dele af sin Bing-søgemaskine sidste år, og rapporterede, at den testede deres brug til at drive de virtuelle neuroner af dyb læring i februar . Chung siger, at forskningen nu er avanceret til at bruge nogle af de mest kraftfulde FPGA'er, der findes, og at det ligner en praktisk måde at levere et stort løft til kraften ved dyb læring. Microsoft bruger FPGA'er lavet af Altera, et firma, som chipproducenten Intel købte i juni for 17 milliarder dollars, med henvisning til potentialet for sådanne chips til at gøre virksomhedens datacentre mere kraftfulde.
Selv på det, Chung kaldte prototyping-stadiet, fandt holdet en næsten tidoblet stigning i ydeevnen af et neuralt netværk, der forsøger at identificere billeder, sammenlignet med konventionelle computere uden GPU'er. Det kunne være en game-changer, hvis vi i sidste ende formår at implementere FPGA'er bredt i skala, hvilket vil give en samlet kapacitet, der overgår, hvad der er muligt i dag, siger han.
Brug af FPGA'er kommer med ulemper, for eksempel det arbejde, der skal gøres for at programmere dem til at udføre det arbejde, der er ved hånden. Men Chung forudsiger, at teknikken vil tillade træning af neurale netværk af hidtil uset størrelse og kvalitet.
Det kan hjælpe med at føre til forbedringer i ting som software, der kan beskrive indholdet af billeder (se Google Software Describes What It Sees in Images), eller forstå sprog og vise en form for sund fornuft (Teaching Machines to Understand Us). Microsofts seneste resultater om brug af FPGA'er blev præsenteret på Hot Chips konference om fremskridt inden for processorydelse i Cupertino, Californien, tirsdag.