כללי

מחשב העל המהיר ביותר בעולם שבר את שיא הבינה המלאכותית

בחוף המערבי של אמריקה, היקר ביותרחברות העולם מנסים לעשות אינטליגנציה מלאכותית חכמה יותר. Google ו- Facebook מתפארים בניסויים באמצעות מיליארדי תמונות ואלפי מעבדים בעלי ביצועים גבוהים. אבל בסוף השנה שעברה, פרויקט במזרח טנסי עלה בשקט בסולם של כל המעבדה הארגונית של בינה מלאכותית. והוא היה תחת הממשל של ממשלת ארה"ב.

מחשב-העל של ממשלת ארה"ב מקפיץ רשומות

פרוייקט השיא הכיל את החזקים ביותר בפסגת מחשוב עולמית, הממוקמת במעבדה הלאומית Oak Ridge. מכונית זו קיבלה את הכתר בחודש יוני בשנה שעברה, והחזירה את הכותרת האמריקנית חמש שנים מאוחר יותר, כאשר הרשימה בראשות סין. במסגרת פרויקט למחקר אקלימי, מחשב ענק השיק ניסוי למידה ממוחשב שהמשיך מהר יותר מאי פעם.

"פסגה", כובש שטח שווה לשנייםמגרשי טניס, המעורבים בפרויקט זה יותר מ -27,000 מעבדים גרפיים רבי עוצמה. הוא השתמש בכוחם כדי ללמד אלגוריתמים של למידה עמוקה, את הטכנולוגיה שמאחורי בינה מלאכותית מתקדמת. בתהליך הלמידה העמוקה, אלגוריתמים מבצעים תרגילים במהירות של מיליארד מיליארד פעולות בשנייה, הידועים בחוגי מחשבי העל כמו exaflop.

"בעבר, למידה עמוקה מעולם לא הגיעהזו רמת ביצועים ", אומר Prabhat, ראש צוות המחקר במרכז הלאומי לחקר האנרגיה במעבדה הלאומית לורנס ברקלי. צוותו שיתף פעולה עם חוקרים במטה הפסגה, Oak Ridge National Laboratory.

כפי שאתה יכול לנחש, האימונים של AI עצמוהמחשב החזק ביותר בעולם התמקד באחת הבעיות הגדולות בעולם - שינויי אקלים. חברות טכנולוגיה מלמדות אלגוריתמים לזהות פרצופים או שלטי דרכים; מדענים ממשלתיים לימדו אותם לזהות תנאי מזג אוויר כמו סופות ציקלון על ידי מודלים אקלימיים שדוחסים את תחזיות המאה לאווירת כדור הארץ בשעה שלוש. (לא ברור, עם זאת, כמה אנרגיה הפרויקט ביקש וכמה פחמן נפל באוויר באוויר).

נושאים של ניסוי הפסגה לעתידבינה מלאכותית וקלימטולוגיה. הפרויקט ממחיש את הפוטנציאל המדעי של התאמת הלמידה העמוקה למחשבי-על המסמלים באופן מסורתי תהליכים פיסיקליים וכימיים, כגון פיצוצים גרעיניים, חורים שחורים או חומרים חדשים. זה גם מראה כי מכונת למידה יכול להפיק תועלת יותר כוח מחשוב - אם אתה יכול למצוא אותו - ולספק פריצות דרך בעתיד.

"לא ידענו שאפשר לעשות את זהעד שהם עשו זאת ", אומר ראג'אט מונגה, המנהל הטכני של גוגל. הוא וגוגלס אחרים סייעו לפרויקט על ידי התאמת קוד פתוח של החברה TensorFlow מכונת הלמידה תוכנה סולמות ענק הפסגה.

הרבה עבודה של קנה המידה עמוקההכשרה נעשתה במרכזי נתונים של חברות אינטרנט, שבהן השרתים עובדים יחד על בעיות, מחלקים אותם, משום שהם ממוקמים בנפרד בנפרד, ולא מחוברים למחשב ענק אחד. למחשבי-על כמו לפסגה יש ארכיטקטורה שונה עם חיבורים מיוחדים במהירות גבוהה המחברים את אלפי המעבדים שלהם למערכת אחת שיכולה לפעול כיחידה אחת. עד לאחרונה, מעט מאוד עבודה נעשתה על התאמת מכונת למידה לעבוד עם סוג זה של חומרה.

מונגה אומר עבודה הסתגלות TensorFlowכדי סולם הפסגה גם לתרום המאמצים של גוגל להרחיב את המערכות הפנימיות שלה של בינה מלאכותית. מהנדסים Nvidia גם השתתפו בפרויקט זה, ולוודא כי עשרות אלפי GPUs Nvidia במכונה זו לפעול בצורה חלקה.

מציאת דרכים להשתמש יותר חישוביתכוח הלמידה עמוק אלגוריתמים יש תפקיד חשוב בפיתוח הנוכחי של הטכנולוגיה. הטכנולוגיה אותה משתמשת סירי לזיהוי קול ומכוניות Waymo לקריאת תמרורים, הפכה להיות שימושית ב -2012, לאחר שהמדענים התאימו אותה לעבוד על Nvidia GPUs.

בניתוח שפורסם במאי האחרון,מדענים ממכון המחקר בסן פרנסיסקו, שנוסד על ידי אילון מסק, חישבו כי כמות כוח המחשוב בניסויי הלמידה הגדולים ביותר במכשירי מחשב ציבוריים הוכפלה כמעט כל 3.43 חודשים מאז 2012; זה אומר גידול פי 11 במהלך השנה. ההתקדמות הזו סייעה לאלופי הבוט אלפוט במשחקי מחשב ומשחקי מחשב מורכבים, ותרמה אף היא לגידול משמעותי בדיוק של המתרגם של Google.

גוגל וחברות אחרות עכשיוליצור סוגים חדשים של שבבים, המותאמים ל- AI, כדי להמשיך במגמה זו. גוגל טוענת כי "תרמילים" עם אלפי מקבצי AI שלה במרווחים צפופים - מעבדי טנסור כפולים, או TPU - יכולים לספק 100 מחשוב של מחשוב Petaflops, שהוא עשירית מהמהירות שהגיעה לפסגה.

תרומת פרויקט הפסגה למדעי האקליםמראה כיצד AI בקנה מידה ענק יכול לשפר את הבנתנו את תנאי מזג האוויר בעתיד. כאשר החוקרים מייצרים תחזיות מזג אוויר של מאה שנה, קריאת התחזית המתקבלת הופכת לאתגרית. "נניח שיש לך סרט ב- YouTube בן 100 שנים. אין שום דרך למצוא את כל החתולים והכלבים בסרט הזה ביד ", אומר פרבהט. בדרך כלל, התוכנה משמשת כדי להפוך את התהליך הזה, אבל זה לא מושלם. תוצאות הפסגה הראו כי לימוד מכונה יכול לעשות זאת הרבה יותר טוב, אשר אמור לסייע בחיזוי השפעות הסערה כמו הצפה.

לדברי מייקל פריצ'רד, פרופסוראוניברסיטת קליפורניה, אירווין, משיקה למידה עמוקה על מחשבי על הוא רעיון חדש יחסית, כי התפתחה בזמן נוח עבור חוקרי האקלים. ההאטה בקצב השיפור של המעבדים המסורתיים הובילה לכך שהמהנדסים החלו לצייד מחשבי על עם מספר גדל והולך של שבבי גרפיקה, כך שהפרודוקטיביות גדלה ביציבות רבה יותר. "הגיע הרגע שבו לא ניתן עוד להגביר את כוח המחשוב בדרך הרגילה", אומר פריצ'רד.

שינוי זה התחיל את הסימולציה המסורתיתמת, ולכן נאלץ להסתגל. זה גם פותח את הדלת לרתום את הכוח של למידה עמוקה, אשר מתאים באופן טבעי עבור שבבי גרפיקה. אולי נוכל לקבל תמונה ברורה יותר של העתיד של האקלים שלנו.

איך היית משתמש כזה supercomputer? ספר לנו בצ'אט שלנו בטלגרם.