NVIDIA, AI и Deep Learning – какво трябва да знаете

Джен-Хсун Хуанг говори за бъдещето на сцената по време на GTC 2017

NVIDIA наистина разтърси нещата с обявяването на своята архитектура Volta и по-специално на огромния си чип V100 – най-мощният графичен процесор в света днес, създаден с цел да се справя с най-интензивните задачи за изчисления с висока мощност, изкуствен интелект и графични натоварвания. Също така, навлизайки в най-мощния предстоящ суперкомпютър – Summit. В сравнение с предшественика си GP100, новият GV100 на NVIDIA в много отношения е неузнаваем. Изграден с помощта на подобрен литографски процес, а именно 12nm FFN на TSMC, NVIDIA са успели да вкарат 5, 120 CUDA ядра заедно с новите Tensor ядра за специфични работни натоварвания. В комбинация с различните подобрения в архитектурата и най-вече в начина, по който използва ресурсите, Volta е много по-ефективна и по-мощна архитектура в сравнение с Pascal, която не бива да забравяме, че беше изключителна сама по себе си.

Вижте всички налични продукти на NVIDIA (Pascal и по-ранни) и техните цени тук

Някои от характеристиките на графичния процесор GV100 са: 21,1 милиарда транзистора, размер на матрицата от зашеметяващите 815 мм2, което го прави един от най-големите, ако не и най-големият силициев чип, произвеждан някога, подобрен интерфейс NVlink и 16 GB HBM2 (високоскоростна памет).

Разгледайте този чип

Освен това по време на собствената им конференция за GPU технологии (GTC) 2017 Джен-Хсун Хуанг, главен изпълнителен директор на NVIDIA, в един момент започна да говори за стратегиите, прилагани от него и компанията му, и как това им е помогнало да постигнат толкова голям напредък през годините и особено за мерките, които са предприели, имайки предвид предстоящото падане на закона на Мур (законът на Мур е наблюдението, че броят на транзисторите в една плътна интегрална схема се удвоява приблизително на всеки две години). Тъй като чиповете стават все по-сложни, като същевременно намаляват размерите си, физиката просто не може да се справи с новите препятствия, които се появяват в процесите на литография. Извличането на повече производителност става все по-трудно, тъй като вече не може просто да се увеличава. Всички технологични компании, които мислят за бъдещето, трябва да разработят свои собствени начини за движение напред в такава среда.

Джен-Хсун каза, че те правят няколко неща, за да помогнат за това, но основното, което каза, е, че NVIDIA работи в тясно сътрудничество с разработчици и компании от цял свят, за да създаде библиотеки, които не само работят чудесно на софтуерно ниво, тъй като получават оптимизации на пълен работен ден от специалистите на NVIDIA, но след това интегрират тези оптимизации с днешните изисквания и на хардуерно ниво, създавайки много ефективен комуникационен цикъл. Между това, което е необходимо, това, което е налице, и това, което трябва да се промени, те са поставили еднакъв акцент върху всички тях. Това, от своя страна, позволява на всички да се възползват пълноценно от наличния в момента хардуер и дава лесен достъп до различни платформи за разработчици.

That прави целево изградени, оптимизирани и интегрирани, удобни за работния процес, универсални, така че да работят навсякъде по света, и лесни за използване набори от данни. Какъв по-добър начин да позиционирате технологията си пред света? Светът има нужда от ефективност и NVIDIA обединява тези, които могат да се възползват от нея. На най-успешната си GTC досега Джен-Хсун събра над 15 от най-големите автомобилни компании, когато разкри ускорителя V100, но един ускорител без софтуер, който да го подкрепя, е безсмислен, така че какво друго направиха? Обявиха GPU Cloud – облачна платформа, оптимизирана за дълбоко обучение, чиято бета версия ще бъде представена през юли. Хубавото на тази платформа е, че тя не само позволява на разработчиците на изкуствен интелект да изградят по-интелигентен свят, но и вие можете да вършите най-добрата си работа, използвайки най-новата технология за ускорени изчисления, където и да се намирате по света, възползвайки се от облака, без да задавате въпроси.

Проверете го:

Освен това те подобриха дизайна на своя суперкомпютър DGX-1, като го оборудваха с 8 ускорителя Volta V100, повишиха цената до 149 000 долара, а също така добавиха към линията си DGX Station на половин цена. И двата компютъра днес служат като основни инструменти за изследване на изкуствения интелект. NVIDIA обаче не създава само хардуера, има и други компании, които могат да направят точно това. Те се отличават с това, че осигуряват необходимия софтуерен стек в своите продукти, за да могат те да работят веднага, в първия ден, и дават софтуерна поддръжка за ориентиране в сферите на дълбокото обучение – това според Джен-Хсун е също толкова важно, ако не и повече, отколкото осигуряването на хардуер. Макар че DGX-1 е по-скъп от заменения от него Pascal аналог, и то с 20 000 долара, цената изглежда оправдана предвид увеличението на производителността. И в крайна сметка разработването на Volta струваше милиарди и скъпата инвестиция трябва да бъде оправдана.

Станцията DGX
NVIDIA нарича своята DGX Station “персонален суперкомпютър с изкуствен интелект”. Той има по-голям капацитет за извършване на операции от своя много по-скъп, макар и излязъл от употреба, предшественик Pascal DGX-1, всъщност повече от два пъти по-голям – при сравнение по производителност TFLOPS единият е 170TFLOPS, а другият – 480 TFLOPS. Цената му обаче е по-ниска – 69 000 долара.

Както и да е, продължаваме да споменаваме AI и Deep Learning, но какво точно представлява това? Накратко, това е това, което служи за улесняване на ежедневието ни – от предложенията, които получавате, докато пишете в търсачка, до способността на социалните мрежи да разпознават кой сте на снимките и да прилагат тагове. ИИ лесно се сравнява с някаква фантастична представа, където машините са в състояние да идентифицират информация, като извличат сурови данни от сензори за температура, скорост, налягане и други по света. Това е и причината интернет на нещата да се движи с такава бърза скорост. Преводите на различни езици, възможността да се разбере с каква скорост се движи даден обект, способността на роботите да обучават други роботи – всичко това също е изкуствен интелект.

За да бъде в челните редици на такъв важен момент от човешката история, NVIDIA се е заела с могъщата задача да създаде най-подходящите платформи за разработчици на дълбоко обучение и ИИ. За да се придвижи напред тази цел, на фокус са няколко цели. Те държат под око стартиращи предприятия, които имат предвид напредъка на науката за данните и ИИ в индустриите. Стремят се да предоставят GPU-услуги чрез използване на облака, така че да не е необходимо да притежавате графичен процесор, за да се възползвате от това, което той може да предложи. Те произвеждат хардуера, предоставят рамката и правят стъпки със своята библиотека за невронни мрежи с дълбоко обучение, за да настройват фино рутинните програми на DNN. Тяхното минало и мястото, на което се намират в момента, ги поставят в много благоприятен кръстопът, защото с техния GPU IP, тяхната унифицирана архитектура на устройствата (CUDA, на която Джен-Хсун постави акцент по време на GTC) за паралелни изчислителни операции ни доведоха днес до вече споменатата обработка на данни, дълбокото обучение и най-новата цел, фокусирана върху подобряването на управлението на ИИ.

Някои от акцентите на този управляващ ИИ са, например, визията на NVIDIA за интелигентен град: Полицейски автомобили с изкуствен интелект, камиони с изкуствен интелект и роботи с изкуствен интелект – всички те работят заедно и съчетават различните аспекти на изкуствения интелект, за да помогнат за превръщането на днешния град в модерния град на бъдещето. Пример за това участие е партньорството им с гиганта в областта на товарните превози Paccar. Целта на партньорството е да направи възможно извършването на рутинни операции по шофиране без участието на човешкия фактор. Как? Чрез използването на DRIVE PX 2 – компактен суперкомпютър в автомобила, предназначен да подпомага такова “безлицензионно” шофиране.

Чрез сътрудничеството си с университети от цял свят NVIDIA се стреми да разшири учебната програма и като се насочи към разработчици, изследователи и учени, като им предостави практическо обучение и ги запознае със своите платформи, се надява да разшири своите инструменти и технологии. Нещо, което не споменахме, е как те предоставят практическа информация чрез сертифицирани инструктори от HP, IBM, Microsoft и други. Всичко това се координира от създадения през 2016 г. Институт за дълбоко обучение или накратко DLI. Net и TensorFlow.

Освен цялата работа по запознаване на разработчиците с инструментите, NVIDIA се стреми да осигури учебни лаборатории за Deep Learning чрез партньорствата си с Facebook, Google, Amazon, университети като Станфорд, а също и с общностите, които подкрепят подобно начинание и са готови да помогнат за съвместното разработване на учебните лаборатории с необходимите рамки.

По-рано споменахме за роботи, които обучават роботи. Е, изграждането и обучението им представлява значително предизвикателство. За да се справи с тези предизвикателства, NVIDIA пусна своя симулатор на роботи ISAAC – първата подобна платформа. Това, което тя прави, е, че позволява на роботите много прецизно, безопасно и по-бързо да придобиват опит в различни области чрез симулация на задачи от реалния свят. Не можете да накарате робот да оперира пациент, като се има предвид, че животът му е застрашен, но можете да симулирате сложната задача за извършване на операция, като засенчите работата на човешкия инициатор, в случая хирург – а това е ключът към по-безопасната и по-бърза еволюция на ИИ. Еволюция на роботи във виртуална среда.

Това е огромно изявление, направено от NVIDIA. Те няма да се успокоят, ентусиазирани са за бъдещето, изразходват огромни ресурси, за да направят така, че утрешното бъдеще да дойде днес.

Вижте всички налични продукти на NVIDIA и техните цени тук

Абониране
Уведомяване за
guest
0 Comments
Отзиви на потребителите
Вижте всички коментари