общ

Най-бързият суперкомпютър в света счупи рекорда на изкуствения интелект

На западния бряг на Америка, най-ценнотосветовните компании се опитват да направят изкуствения интелект по-умен. Google и Facebook могат да се похвалят с експерименти с милиарди снимки и хиляди високопроизводителни процесори. Но в края на миналата година един проект в източната част на Тенеси тихо надмина мащаба на всяка корпоративна лаборатория за изкуствен интелект. И той беше под администрацията на американското правителство.

Суперкомпютърът на правителството на САЩ нарушава рекорда

Рекордният проект включваше най-мощния интериорСветовна суперкомпютърна среща на високо равнище, разположена в Националната лаборатория на Oak Ridge. Тази кола получи короната през юни миналата година, връщайки титлата на САЩ пет години по-късно, когато списъкът беше оглавен от Китай. Като част от проект за изследване на климата, гигантски компютър стартира експеримент за машинно обучение, който протичаше по-бързо от всякога.

"Среща на върха", заемаща площ, равна на дветенис кортове, включени в този проект повече от 27000 мощни графични процесори. Той използва тяхната сила, за да преподават дълбоки алгоритми на обучение, самата технология, която е в основата на напредналия изкуствен интелект. В процеса на дълбоко обучение алгоритмите изпълняват упражнения със скорост от един милиард милиарда операции в секунда, известни в суперкомпютърните кръгове като exaflop.

Преди това дълбокото учене никога не достигашетова ниво на представяне, ”казва Прабхат, ръководител на изследователския екип на Националния енергиен изследователски център в Националната лаборатория на Лорънс Бъркли. Неговият екип си сътрудничи с изследователи от централата на срещата, Националната лаборатория Оук Ридж.

Както може би се досещате, обучението на самия ИИНай-мощният компютър в света се фокусира върху един от най-големите проблеми в света - изменението на климата. Технологичните компании учат алгоритми за разпознаване на лица или пътни знаци; правителствените учени са ги научили да разпознават метеорологичните условия като циклони чрез климатични модели, които компресират стогодишните прогнози на земната атмосфера в три часа. (Не е ясно обаче колко енергия е поискала проекта и колко въглерод е изпуснат във въздуха в процеса).

Експериментът на върха е от значение за бъдещетоизкуствен интелект и климатология. Проектът демонстрира научния потенциал за адаптиране на дълбокото обучение към суперкомпютрите, които традиционно симулират физически и химически процеси като ядрени експлозии, черни дупки или нови материали. Той също така показва, че машинното обучение може да се възползва от повече изчислителна мощност - ако можете да го намерите - и да осигурят пробиви в бъдеще.

„Не знаехме, че това може да бъде направено в такива случаимащаб, докато не го направят ”, казва Раджат Монга, технически директор на Google. Той и други служители на Google помогнаха на проекта, като адаптираха софтуера за управление на машините с отворен код TensorFlow към гигантските скали на върха.

Голяма част от работата по мащабиранетоОбучението се провеждаше в центровете за данни на интернет компаниите, където сървърите работеха заедно по проблеми, разделяйки ги, защото те са разположени сравнително отделно и не са свързани в един гигантски компютър. Суперкомпютърите като Summit имат различна архитектура със специализирани високоскоростни връзки, свързващи хилядите си процесори в една система, която може да работи като едно цяло. Доскоро сравнително малко работа беше свършена за адаптиране на машинното обучение към работа с този вид хардуер.

Monga казва работа за адаптация TensorFlowна мащаб срещата на върха ще допринесе и за усилията на Google за разширяване на вътрешните си системи за изкуствен интелект. Инженерите на Nvidia също участваха в този проект, като се увериха, че десетки хиляди графични процесори на Nvidia в тази машина вървят гладко.

Намиране на начини за използване на по-изчислителниСилата в дълбоките алгоритми на обучение играе важна роля в настоящото развитие на технологиите. Същата технология, която Siri използва за разпознаване на глас и автомобили Waymo за четене на пътни знаци, стана полезна през 2012 г., след като учените са го адаптирали да работят с видеокарти на Nvidia.

В анализ, публикуван миналия май,Учените от OpenAI, базиран в Сан Франциско изследователски институт, основан от Ilon Mask, изчислиха, че количеството на изчислителната мощ в най-големите експерименти за публично машинно обучение се е удвоило приблизително на всеки 3,43 месеца от 2012 г .; това ще означава 11-кратно увеличение през годината. Тази прогресия помогна на алфавит бот да победи шампионите в сложните десктоп и видео игри, а също така допринесе за значително повишаване на точността на преводача на Google.

Google и други компании сегасъздаване на нови типове чипове, адаптирани за AI, за да продължи тази тенденция. Google твърди, че "шушулките" с близко разположени хиляди чипове от AI - дублирани тензорни процесори или TPU - могат да осигурят 100 петафлопски изчислителни мощности, което е една десета от скоростта, достигната от Summit.

Приносът на срещата на върха към науката за климатапоказва как един гигантски ИИ може да подобри разбирането ни за бъдещите метеорологични условия. Когато изследователите генерират стогодишни прогнози за времето, четенето на получената прогноза става предизвикателство. „Представете си, че имате филм в YouTube, който е на 100 години. Няма никакъв начин да намерите всички котки и кучета в този филм на ръка, ”казва Прабхат. Обикновено софтуерът се използва за автоматизиране на този процес, но той не е перфектен. Резултатите от срещата на върха показаха, че машинното обучение може да направи това много по-добре, което би трябвало да помогне за прогнозиране на влиянието на бурите като наводняване.

Според Майкъл Причард, професорКалифорнийският университет в Ървайн, който започва дълбоко обучение за суперкомпютри, е сравнително нова идея, която се появява в удобно за изследователите на климата време. Забавянето на темпото на подобрение на традиционните процесори доведе до факта, че инженерите започнаха да оборудват суперкомпютри с нарастващ брой графични чипове, така че производителността им се повиши по-стабилно. "Дойде моментът, когато вече не е възможно да се увеличи изчислителната мощност по обичайния начин", казва Причард.

Тази промяна започна традиционната симулацияи следователно трябваше да се адаптират. Той също така отваря вратата за овладяване на силата на дълбокото обучение, което естествено е подходящо за графични чипове. Може би ще получим по-ясна картина за бъдещето на нашия климат.

Как бихте използвали такъв суперкомпютър? Разкажете ни в нашия чат в Telegram.