Der Schnellste Supercomputer der Welt brach den Rekord der künstlichen Intelligenz

An der Westküste Amerikas wertvollsten Unternehmen der Welt versuchen, künstliche Intelligenz schlauer. Google und Facebook prahlen Experimente mit der Verwendung von Milliarden von Fotos und tausenden von High-Performance-Prozessoren. Aber am Ende des letzten Jahres das Projekt im östlichen Teil des Bundesstaates Tennessee unmerklich übertraf das Ausmaß jeder Enterprise-Labor der künstlichen Intelligenz. Und er war unter der Kontrolle der US-Regierung.

Der Supercomputer USA Rekorde

Im großen Projekt teilgenommen weltweit leistungsstärksten Supercomputer Summit, der sich National Laboratory in Oak Ridge. Diese Maschine erhielt die Krone im Juni letzten Jahres, kehrte die US-Titel nach fünf Jahren, wenn die Liste angeführt von China. Im Rahmen des Projektes climate Research Unit gigantischen Computer startete on machine learning, das ging schneller als je zuvor.

«der Gipfel», mit einer Fläche von Gegenwert von zwei Tennisplätzen entspricht, hat in diesem Projekt mehr als 27 000 leistungsstarken Grafikprozessoren. Er nutzte Ihre macht für die Ausbildung von Deep-learning-algorithmen, die gleiche Technologie, die die Grundlage der fortgeschrittenen künstlichen Intelligenz. Beim Deep-learning-algorithmen führen die übungen mit einer Geschwindigkeit von Milliarden von Milliarden von Operationen pro Sekunde, bekannt in Supercomputing-Kreisen als экзафлоп.

«Zuvor eine Tiefe Ausbildung erreichte nie dieses Niveau der Leistung», sagt Прабхат, Leiter der Forschungsgruppe in der Nationalen wissenschaftlich-Rechenzentrum Energieforschung in der National Laboratory Lawrence Berkeley. Seine Gruppe arbeitete mit Forschern im Hauptquartier der «Gipfel», National Laboratory Oak Ridge.

Wie Sie sich vorstellen können, Training KI stärksten in der Welt der Computer konzentriert sich auf eines der größten Probleme in der Welt — den Klimawandel. Technologische Unternehmen Schulen algorithmen, um Gesichter zu erkennen oder Straßenschilder; Brücken Wissenschaftler trainiert, Sie zu erkennen Wetterverhältnisse wie Wirbelstürme klimatischen Modellen, die schrumpfen hundertjährige Prognosen der Erdatmosphäre in drei Stunden. (Es ist jedoch unklar, wie viel Energie hat das Projekt und wie viel Kohlenstoff freigesetzt wurde in der Luft in diesem Prozess).

Experiment Summit hat Bedeutung für die Zukunft der künstlichen Intelligenz und Klimatologie. Das Projekt zeigt das wissenschaftliche Potenzial der Anpassung der Deep-learning zu суперкомпьютерам, die traditionell modelliert die physikalischen und chemischen Prozesse, wie Z. B. nukleare Explosionen, schwarze Löcher oder neue Materialien. Dies zeigt auch, dass machine learning profitieren von der größeren Rechenleistung — wenn Sie in der Lage, Sie zu finden — und sicherzustellen, dass Durchbrüche in der Zukunft.

«Wir wussten nicht, dass es möglich ist, in diesem Maßstab, noch nicht getan ist», sagt Rajat Монга, der technische Direktor von Google. Er und andere «гугловцы» halfen dem Projekt, Anpassung der Software für maschinelles lernen TensorFlow mit Open-Source-Firma für riesige Ausmaße Summit.

Ein Großer Teil der Arbeit auf Deep-learning-Skalierung erfolgte in Rechenzentren von Internet-Unternehmen, wo die Server arbeiten gemeinsam an Problemen, indem Sie Sie, weil relativ разобщенно, aber nicht verbunden in einem gigantischen Computer. Supercomputer wie Summit haben eine andere Architektur mit spezialisierten High-Speed-verbindungen, verbinden Sie Tausende von Prozessoren in einem einzigen System, das als ganzes arbeiten. Bis vor kurzem wurde relativ wenig Arbeit an der Adaption des maschinellen Lernens für die Arbeit mit dieser Art von Hardware.

Монга sagt, dass die Arbeit zur Anpassung TensorFlow für die Größe Summit wird auch dazu beitragen, die Anstrengungen Google in den ausbau Ihrer internen Systeme der künstlichen Intelligenz. Die Ingenieure von Nvidia steuerte auch in diesem Projekt, dafür zu sorgen, dass Zehntausende von Nvidia-GPUs in diesem Auto funktionieren ohne Ausfälle.

Die Suche nach Möglichkeiten, den Einsatz größerer Rechenleistung in Deep-learning-algorithmen spielte eine wichtige Rolle in der aktuellen Technologieentwicklung. Die gleiche Technologie, die verwendet Siri für die Spracherkennung und Autos Waymo zum ablesen von Verkehrszeichen, zu nützlich im Jahr 2012, nachdem die Wissenschaftler nutzten für Ihre Arbeit auf Grafikprozessoren von Nvidia.

In der Analyse, veröffentlicht im Mai letzten Jahres haben Wissenschaftler aus OpenAI, Research Institute in San Francisco, gegründet Илоном Muscoy, berechnet, dass die Menge an Rechenleistung in der größten öffentlichen Experimenten mit computergenerierten Ausbildung verdoppelt sich etwa alle Monate 3,43 ab 2012; dies würde bedeuten 11-fachen Anstieg für das Jahr. Eine solche Progression geholfen bot aus dem Alphabet gewinnen Champions League in anspruchsvollen Desktop-und Videospielen, und trugen zum deutlichen Erhöhung der Genauigkeit der Google-übersetzer.

Google und andere Unternehmen derzeit schaffen neue Arten von Chips, angepasst an die KI, um diesen Trend fortsetzen. Google erklärt, dass die «Schoten» mit eng angeordneten Tausende Ihrer Chips AI — doppelte tensor-Prozessoren oder TPU — ist eine 100 PetaFLOPS Rechenleistung, was etwa ein Zehntel der Geschwindigkeit, die erreichte Summit.

Der Beitrag des Projekts Summit in der Klimawissenschaft zeigt, wie die KI einen riesigen Skala verbessern kann, unser Verständnis von der künftigen Witterung. Wenn die Forscher erzeugen hundertjährige Vorhersage des Wetters, das Lesen des resultierenden Prognose wird eine schwierige Aufgabe.«Stellen Sie sich vor, Sie haben einen Film auf YouTube, der geht 100 Jahren. Gibt es keine Möglichkeit finden alle Katzen und Hunde in diesem Film manuell», sagt Прабхат. In der Regel für die Automatisierung dieses Vorgangs-Software verwendet wird, jedoch ist es absolut nicht. Die Ergebnisse der «Gipfel» haben gezeigt, dass maschinelles lernen kann das viel besser, dass sollte helfen bei der Vorhersage von Sturm Einwirkungen wie überschwemmungen.

Nach den Worten von Michael Pritchard, Professor an der University of California in Irvine, der Start der Supercomputer Deep learning ist eine relativ neue Idee, die es zu einem günstigen Zeitpunkt für die Forscher des Klimas. Die Verlangsamung des Tempos der Verbesserungen der traditionellen Prozessoren hat dazu geführt, dass Ingenieure waren Supercomputer auszustatten, die wachsende Zahl von Grafikchips, um die Leistung wuchs stabiler. «Der Moment ist gekommen, wenn nicht mehr erhöhen Rechenleistung auf die übliche Weise», sagt Prichard.

Diese Verschiebung begann die traditionelle Modellierung in einer Sackgasse, und somit anpassen musste. Auch dies öffnet die Tür für die Nutzung der Energie des tiefen Lernens, die auf Natürliche Weise geeignet für Grafikchips. Vielleicht bekommen wir ein klareres Bild über die Zukunft unseres Klimas.

Und wie würden Sie dieser Supercomputer? Erzählen Sie .