Teknologi

På en hemmelig konference viste Amazon en ny chip. Det kan ændre fremtiden for kunstig intelligens.

Senest på en klar morgen i Palm Springs, statenCalifornien, steg Vivienne Xie på et lille stadium for at holde måske den mest nervøse præsentation i sin karriere. Faget var kendt for hende. Hun måtte fortælle publikum om de chips, der blev udviklet i sit laboratorium på MIT, og det lover at bringe kraftig kunstig intelligens til en række enheder med begrænset strømforsyning. Det er kendt, at de fleste af de beregningsmæssige opgaver af kunstig intelligens i dag blev udført i store datacentre. Men begivenheden - og publikum - gjorde Xi til at tænke.

Kunstig intelligens på chip

MARS - lokalet - erelite konference, som kun kan nås ved invitation. Roboter ruller (eller flyver) omkring et luksuriøst feriested, kendte forskere kommunikerer med science fiction forfattere. Meget få lærde er inviteret til tekniske præsentationer, og disse møder skal være både inspirerende og lærerige. I mellemtiden samledes omkring hundrede velkendte forskere, direktører og iværksættere af verden til folket. MARS ledes af ingen anden end grundlæggeren og formanden for Amazon, Jeff Bezos. Han sad i forreste række.

"Publikum var så højt," minder Xie med latter.

Talere fra MARS præsenteredekarate robotter, insekt droner og endda optimistiske tegninger til de Martian kolonier. Ce chips kunne virke relativt beskedne; det blotte øje ville ikke skelne dem fra chips, der findes i enhver elektronisk enhed. Men de - måske - var meget vigtigere end noget andet, der blev vist på arrangementet.

Nye chip funktioner

De seneste udviklinger inden for chips - som demsom blev udviklet i CE-laboratoriet - kan være afgørende for den fremtidige udvikling af kunstig intelligens (AI), herunder områderne af de samme droner og robotter, der var på MARS. Indtil for nylig var AI-software mest afhængig af grafikchips, men ny hardware kunne gøre AI-algoritmer mere magtfulde, hvilket ville åbne nye applikationer. Nye chips til AI kunne gøre lagerindehavere mere allestedsnærværende eller give smartphones mulighed for at skabe et fotorealistisk landskab med forstørret virkelighed.

Ce chips er både yderst effektive og fleksible i deres design, hvilket er vigtigt for et område, der vokser hurtigt.

Disse mikrochips er designet tilpresse flere af algoritmerne til "deep learning" AI, som allerede har vendt verden på hovedet. Og i processen kan de inspirere algoritmerne til evolution. "Vi har brug for ny hardware, fordi Moores lov er bremset," siger Xie, der henviser til det aksiom, der blev introduceret af Intel-grundlæggeren Gordon Moore, som forudså, at antallet af transistorer på en chip ville fordoble hver 18 måned.

Nu hviler denne lov i stigende gradfysiske begrænsninger forbundet med ingeniørkomponenter i atomskala. Og det stimulerer ny interesse for alternative arkitekturer og tilgange til computing.

Høje satser forbundet med at investere i chipsNæste generations AI'er og Amerikas dominans i chipproduktionen som helhed er indlysende for den amerikanske regering. Ce mikrochips udvikles med støtte fra DARPA-programmet til udvikling af nye designs af mikrochips til kunstig intelligens. Og selvfølgelig blev dette program skabt på baggrund af den hurtige udvikling i Kina i samme område.

Men innovationer i produktionen af ​​mikrochipsstimuleret hovedsagelig gennem udvikling af dyb læring, en meget kraftfuld måde at træne maskiner til at udføre nyttige opgaver. I stedet for at give computeren et sæt regler, der skal følges, programmerer maskinen i det væsentlige sig selv. Træningsdataene føres ind i et stort simuleret kunstigt neuralt netværk, som derefter konfigureres på en sådan måde, at man opnår det ønskede resultat. Med tilstrækkelig træning kan det dybe læringssystem finde umærkelige og abstrakte mønstre i dataene. Denne metode bruges til et stigende antal praktiske opgaver, fra ansigtsgenkendelse på smartphones til forudsigelse af sygdomme fra medicinske billeder.

New Chip Race

Deep learning er ikke særlig afhængig af Moores lov. Neurale netværk udfører mange matematiske beregninger parallelt, så de arbejder meget mere effektivt på specialiserede grafikchips til videospil, der producerer parallelle beregninger til visualisering af tredimensionale billeder. Men mikrochips designet specifikt til de beregninger, der ligger til grund for dyb læring, bør være endnu mere magtfulde.

Potentialet for nye mikropircuitarkitekturer til forbedring af kunstig intelligens har øget det niveau af iværksætteraktivitet, som mikrochipindustrien ikke har set i årtier.

Eksempler?

Tesla udviklede i hemmelighed sine egne chips til kunstig intelligens af deres biler.

Facebook planlægger at oprette sine egne chips til bedre kunstig intelligens.

Store teknologibureauerhåber at bruge og kommercialisere AI - herunder Google, Microsoft og Amazon - arbejder på deres egne dybdegående læringschips. Mange mindre virksomheder udvikler også nye chips. "Det er umuligt at holde styr på alle de virksomheder, der hopper ind i dette løb for AI-chips," siger Mike Delmer, en mikrochipanalytiker fra Linley Group, en analytikerfirma. "Jeg sjover ikke: vi vil finde ud af mindst om en hver uge."

Den reelle mulighed er ikke atbygge de mest kraftfulde chips dybt læring, sagde Xie. Energieffektivitet er vigtig, fordi AI også skal arbejde uden for store datacentre, samtidig med at man kun afhænger af den energi, der er tilgængelig i enhedens batteri.

"AI vil være overalt - og finde ud af, hvordan man gør det hele energieffektivt vil være yderst vigtigt," siger Navin Rao, vicepræsident for kunstig intelligensprodukter hos Intel.

Xe hardware, for eksempel, er mereeffektiv, fordi det fysisk reducerer problemet med, hvor data lagres og hvor man skal analysere, og bruger også intelligente ordninger til genbrug af data. Inden han kom til MIT, anvendte Ce denne fremgangsmåde for første gang at forbedre videokomprimeringseffektiviteten i Texas Instruments.

I et så hurtigt udviklende område så dybtuddannelse, opgaven hos dem, der arbejder med chips til AI, er at sikre, at de er fleksible nok, så de kan tilpasses til at arbejde med enhver applikation. Du kan nemt designe en super effektiv chip, der kun kan gøre én ting, men et sådant produkt bliver hurtigt forældet.

Chip Xie hedder Eyeriss. Udviklet i samarbejde med Joel Emer, Nvidia Research Associate og MIT Professor, blev chipet testet med en række standardprocessorer for at se, hvordan det håndterer en række forskellige deep learning-algoritmer. Ifølge en artikel offentliggjort sidste år, takket være kombinationen af ​​effektivitet og fleksibilitet, opnår den nye chip en ydeevne på 10 eller endda 1000 gange større end det eksisterende udstyr.

Mere enkle AI-chips har allerede betydeligeindflydelse. High-end smartphones omfatter allerede chips, der er optimeret til at køre dyb learning algoritmer til billede og stemme genkendelse. Mere effektive chips kan give disse enheder mulighed for at håndtere mere kraftfuld AI-kode med bedre muligheder. Selvdrevne biler har brug for kraftige computerchips, da de fleste af de nuværende prototyper er afhængige af et bjerg computere.

Rao siger, at MIT chips er lovende, menSuccesen for den nye hardwarearkitektur vil blive bestemt af mange faktorer. En af de vigtigste faktorer, sagde han, er udviklingen af ​​software, der gør det muligt for programmører at køre kode på den. "At skabe noget nyttigt ud fra et kompilatorsynspunkt er måske den største hindring for godkendelse," siger han.

Laboratorier Xie undersøger også mulighederneOpret software, der bedre udnytter egenskaberne hos eksisterende computerchips. Og dette arbejde går ud over bare dyb læring.

Sammen med Sertak Karaman fra afdelingenAeronautics and Astronautics ved Massachusetts Institute of Technology, udviklede Xie den laveffekt Navion chip, som er utrolig effektiv til at udføre tredimensionel kortlægning og navigation for en lille drone. Navion viser at software inden for AI (dyb læring) og hardware (chips) begynder at udvikle sig sammen, i symbiose.

Xie chips kan ikke tiltrække opmærksomhedligesom vinkende droner, men det faktum at de blev vist på MARS taler om betydningen af ​​sin teknologi for AI's fremtid. Det er muligt, at robotter og droner på den næste MARS-konference vil være med noget nyt indeni.

Hvad tror du, når vi venter på den eksplosive vækst af kunstig intelligens? Lad os diskutere i vores chat i Telegram.

Facebook -meddelelse til EU! Du skal logge ind for at se og sende FB -kommentarer!