Google izlaiž jaunu mākoņu TPU mitināšanu AI un mašīnu apguvei

Otrās paaudzes sensoru apstrādes vienības (TPU), kas paziņotas 2017. gada Google I / O

Google kā uzņēmums pastāvīgi izlaiž jaunas tehnoloģijas ar potenciālu radikāli mainīt visas nozares un mainīt cilvēku civilizācijas gaitu, paziņojot dažus no labākajiem paziņojumiem presei, kas ir rezervēti atbrīvošanai ikgadējā I / O konvencijā. Šogad Sundar Pichai (izpilddirektors), Jeff Dean (Research) un Urs Hölzle (Google Cloud) visi vienlaikus izteica paziņojumus, kas faktiski uzsāka pilnīgi jaunu mākoņu mitināšanas formu, kuras pamatā ir mašīnmācība un mākslīgais intelekts. Google ir izstrādājis jauna veida datoru serverus ar modernām Tensora apstrādes vienībām vai TPU, kas darbojas, lai optimizētu mašīnmācīšanās procesus AI līdzīgi tam, kā GPU darbojas progresīvas datorgrafikas matemātiskā atveidošanā vai Bitcoin paātrināšanā. ieguve. Google plāno padarīt mašīnmācīšanās serverus pieejamus pētījumiem un izstrādei atvērtā pirmkoda standartos, izmantojot mākoņdatošanas plānus, kurus var ieprogrammēt ar TensorFlow, "atvērta pirmkoda programmatūras bibliotēka mašīnu intelektam." Mākoņu TPU mitināšanas atklāšana ir viens no spilgtākajiem Google izmaiņām no "vispirms mobilais" uz "AI-pirmais" Uzņēmums un tā attīstības mērķa simbolika "AI-pirmais" datu centri visās pašreizējās biznesa operācijās.


Otrās paaudzes sensoru apstrādes vienības (TPU), kas paziņotas 2017. gada Google I / O

TensorFlow – atvērtā pirmkoda programmatūras bibliotēka mašīnu intelektam

Paziņojums par Cloud TPU mitināšanu, iespējams, ir būtisks spēles mainīgais brīdis tīmekļa mitināšanas, datu centra pārvaldības un programmatūras lietojumprogrammu izstrādes nākotnē. Daudzi ir ieradušies pieņemt Google I / O paziņojumus ar mazāku entuziasmu pēc tam, kad abi milzīgie rādītāji ap Google Wave un Google Glass neizdevās izvērst par dzīvotspējīgiem jauniem produktiem. Tomēr Android platforma, kas tika paziņota vietnē Google I / O 2008, vēlāk ir samazinājusies par 2 miljardiem ierīču instalācijas mazāk nekā 10 gadu laikā. Google filozofiskā maiņa no a "vispirms mobilais" uz "AI vispirms" Uzņēmums jau ir ieviests iekšēji, un izmaiņas ir atrodamas daudzos uzņēmuma esošajos meklēšanas, fotoattēlos, e-pastā, kartēs un valodu lietojumprogrammās. Izlaižot Cloud TPU mitināšanas pakalpojumus, kuru pamatā ir TensorFlow platforma, un pilnīgi jauna veida mākoņa datoru, kas izstrādāts unikālām mašīnmācīšanās un mākslīgā intelekta prasībām, Google kā uzņēmums pierāda, ka tie joprojām ir salīdzinoši viegli gadi pirms atkal konkurences.

Nozares analītiķi steidzās aprēķināt Cloud TPU mitināšanas platformas paredzamo ietekmi uz Intel, AMD, & Nvidia pēc I / O paziņojuma, jo lielākie mikroshēmu ražotāji un GPU dizaina uzņēmumi nozarē reaģēja uz jaunāko Google produktu ieviešanu. Skaidrs, ka mākslīgais intelekts un mašīnmācība ir gandrīz neierobežotas iespējas kā jaunas aparatūras nozares & programmatūras izstrāde IT jomā. Saskaņā ar paziņojumu presei piegādā Google vienotos TPU serverus "līdz 180 teraflopiem no peldošā komata … TPU pods satur 64 otrās paaudzes TPU un nodrošina līdz 11,5 petaflops, lai paātrinātu viena liela mašīnmācīšanās modeļa apmācību.." AI optimizētos mākoņa serverus var izmantot, lai izveidotu jaunas lietojumprogrammas uzlabotai runas atpazīšanai, balss tulkošanai, attēlu meklēšanai un daudziem citiem mērķiem pētniecības, rūpniecības, zinātnes un dizaina jomā. Google reklamē AI izmantošanu & mašīnmācība, lai pārdomātu tradicionālās problēmas visās lielākajās rūpniecības nozarēs, lai izstrādātu jaunus novatoriskus produktus tirgū.

Viens no iemesliem, kāpēc Google izstrādāja jaunos TPU serverus, ir optimizēt AI attīstību, mašīnmācoties izmantojot neironu tīklus. Tas ietver datoru spēju attīstīšanu "redzēt" un "saprast" kas ir attēlā, kā arī rada jaunu potenciālu datorā "dzirde" caur balss atpazīšanu un "lasīšana" izmantojot optisko teksta atpazīšanu. Veselības aprūpe, biotehnoloģiskie pētījumi, medicīna, ģenētiskā secība, astrofizika, kvantu fizika, bioloģija, ķīmija, arhitektūra, & inženierija – Google meklē veidus, kā palielināt mērogu, ņemot vērā pašreizējo vidi, kurā AI izpēte un mašīnmācība ar neironu tīkliem galvenokārt ir datorzinātņu doktorantūras studentu joma, līdz inovācijas pielietošanai plašās sabiedrības un rūpniecības nozarēs. Tam būs nepieciešami simtiem tūkstošu profesionālu izstrādātāju un AI / ML programmētāju, padarot TensorFlow par potenciāli vērtīgu platformu atvērtā koda koplietošanai, veidojot jaunas programmatūras lietojumprogrammas. Google.ai ir vēl viens projekts, kas pārstāv ekspertu kolekciju no dažādiem Google departamentiem, kuri strādā pie tā, lai AI priekšrocības būtu ikvienam, izmantojot lietišķos pētījumus un jaunu patēriņa produktu izstrādi, balstoties uz dziļu mācīšanos. & neironu tīkli.

Ievada video: TensorFlow (2017)

TensorFlow: Atvērtā koda mašīnmācība – "TensorFlow ir atvērtā koda programmatūras bibliotēka skaitliskai aprēķināšanai, izmantojot datu plūsmas grafikus. Sākotnēji tos izstrādāja pētnieki un inženieri, kuri strādā pie Google smadzeņu komandas Google mašīnizlūkošanas pētījumu organizācijā, lai veiktu mašīnmācīšanos un dziļo neironu tīklu izpēti.." Izpildiet TensorFlow vietnē Twitter.

Google Cloud TPU platforma – paātrināta mašīnu apgūšana jaunas paaudzes lietotnēm

Google mākoņdatošanas platformā pašlaik ir iekļauti Skylake CPU no Intel, Nvidia GPU un jaunie TPU serveri, ko uzsākušas uzņēmuma iekšējās pētniecības un attīstības komandas. Tensor Processing Unit (TPU) ir ASIC mikroshēma (specifiska lietojumprogrammu integrēta shēma), kurai daudziem rodas jautājums, vai Google jaunākie pētījumi ir noveduši to pie attīstības, kas pārspēs Intel, AMD, & Nvidia mākslīgā intelekta un mašīnmācīšanās mikroshēmu projektēšanā. Tuvākie nozares produkti, kas konkurē ar TensorFlow, ir Nervana Engine un Nervana Cloud, ko Intel izstrādā ar Python balstītu Neon dziļo mācību platformu. Nvidia ir laidis klajā Volta (V100 sērijas) mašīnmācības mikroshēmu kopā ar patentēto dziļā apmācības paātrinātāju (DLA). Viļņu skaitļošana’s Dataflow Architecture ir vēl viena sākuma produktu ekosistēma šajā nozarē. Google ir publiskojis plašus testēšanas rezultātus no saviem datu centriem, kuros Tensor Processing Unit (TPU) veiktspēja tiek salīdzināta ar Intel Haswell CPU un Nvidia K80 GPU. Kopumā Google pētījumos tika secināts "mūsu produkcijas AI darba slodzēs, kurās tiek izmantoti neironu tīkla secinājumi, TPU ir no 15x līdz 30x ātrāks nekā mūsdienu GPU un CPU." Lai arī daži ir apšaubījuši faktu, ka TPU serverus pašlaik var izmantot tikai ar TensorFlow platformu, lai programmētu jaunas lietojumprogrammas, ir skaidrs, ka jaunu produktu izstrāde, izmantojot Google TPU aparatūru, ir tikai sākusies.

Otrās paaudzes sensoru apstrādes vienības (TPU), kas paziņotas 2017. gada Google I / O

Google Cloud TPU mitināšana – "Beidzoties Mūra likumam, daudzi datoru arhitekti uzskata, ka lieliem izmaksu un energoefektivitātes uzlabojumiem tagad ir jānotiek no domēniem raksturīgās aparatūras. Tensor Processing Unit (TPU), kas Google datu centros ir ieviests kopš 2015. gada, ir pielāgota mikroshēma, kas paātrina dziļo neironu tīklu (DNN) darbību.." Uzziniet vairāk par Google Cloud TPU mitināšanu.

2017. gada TensorFlow Dev samits: Machine Learning, AI, & Mākoņu skaitļošana

TensorFlow ir viena no vismodernākajām platformām, kas pašlaik pieejama Al izstrādei & ML lietojumprogrammas uz atvērtā koda fondiem. Pētniecības paziņojumos, ko Google tehniķi iesniedza 2017. gada TensorFlow izstrādātāju samitā, tika uzsvērta programmatūras daudzveidība un negaidīts raksturs, ko izstrādājuši programmētāji, kas starptautiski izmanto neironu tīklus. Neatkarīgi no tā, vai ir medicīna, lauksaimniecība, zinātne, rūpniecība, māksla, mūzika, finanses, bizness, aviācija vai inženierzinātnes, neatkarīgi izstrādātāji, datorzinātnieki, akadēmiskie pētnieki, radošie mākslinieki un garāžu laboratoriju hobiji ir ielikuši darbam pieejamos rīkus ar TensorFlow kodu veidojot jaunas lietojumprogrammas produktīvai izmantošanai vietējā vidē. Atliek tikai redzēt, kā šie jaunie sasniegumi mākoņdatošanā un "lietu internets" tiks izmantots tīmekļa lietojumprogrammās, izmantojot teksta atpazīšanu, datu ieguvi, meme ģenerēšanu, attēlu & video meklēšanu utt. jaunās paaudzes AI vadītās vietnēs un mobilajās lietojumprogrammās, kas nodrošina ML, tautas līmenī. TensorFlow jau izmanto AirBNB, ARM, DeepMind, DropBox, eBay, Google, IBM, Intel, Qualcom, SAP, Snapchat, Twitter, Uber un citi galvenie uzņēmumi ikdienas biznesa operācijās. Nākamais, visticamāk, būs vēl pārveidojošāks nekā izmaiņas, ko mūsdienās uzsākuši sasniegumi mākoņdatošanas un mobilo tehnoloģiju jomā. TensorFlow platforma arī veido ceļu uz plašāku mākslīgā intelekta un mašīnmācības sociāli pārveidojošo redzējumu, ko vecākais Google pētnieks Ray Kurzweil reklamē savās grāmatu sērijās par "singularitāte". Konkurējošie komerciālie standarti, ko izstrādājuši Google, Intel, Nvidia, IBM, Microsoft, & citi uzņēmumi šajā kolektīvās AI / ML attīstības posmā norāda arī uz milzīgo ekonomiskās atdeves potenciālu, ko rada sākuma stadijas finanšu ieguldījumi šajā komercnozarē.

Atslēgas video: Google I / O 2017

Google I / O Keynote – "Organizēt pasaules informāciju … izmantojot dziļas datorzinātnes un tehnoloģiskas atziņas problēmu risināšanai mēroga mērogā." Sekojiet Google izpilddirektoram Sundaram Pikhai vietnē Twitter.

TensorFlow R&D – platformas resursi ML programmētājiem & AI izstrādātāji

Kaut arī mašīnmācība, neironu tīkli un mākslīgā intelekta programmēšana paaudzēm ir bijuši pētījumu materiāli datorzinātņu profesionāļiem, Google TensorFlow platformas atklāšana un Cloud TPU mitināšanas paziņojums ar jaunu aparatūru pierāda, ka jauninājumi no šī sektora beidzot nonāk vispārējā tirgū. Tomēr ne visi TensorFlow pētījumi un izstrāde aprobežojas tikai ar akadēmiķiem vai Fortune 500 IT departamentiem. TensorFlow platformā ir arvien vairāk interneta resursu, piemēram:

  • TensorFlow kopiena
  • TensorFlow kods vietnē GitHub
  • Operatora vektorizācijas bibliotēka
  • TensorFlow konsultācijas
  • Mašīnu mācīšanās ar TensorFlow
  • Google izstrādātāju kanāls

Nozares attīstība mākoņdatošanā, lielo datu lietojumprogrammas, mašīnmācība, mākslīgais intelekts, lietu internets un trīsdimensiju drukāšana – šķiet, ka visi ir gatavi integrēties nākamajā datu centra tehnoloģiju līmenī, par ko liecina Google Cloud TPU pod tīkla izveidošana..

Otrās paaudzes sensoru apstrādes vienības (TPU), kas paziņotas 2017. gada Google I / O

Paātrināta mašīnu apguve – "Mašīnmācībai (ML) ir spēks ievērojami vienkāršot mūsu dzīvi. Uzlabojumi runas atpazīšanā un valodas izpratnē palīdz mums visiem dabiskāk mijiedarboties ar tehnoloģijām. Uzņēmumi paļaujas uz ML, lai stiprinātu tīkla drošību un samazinātu krāpšanu. ML iespējotie medicīniskās attēlveidošanas uzlabojumi var uzlabot medicīnisko diagnožu precizitāti un paplašināt piekļuvi aprūpei, galu galā glābjot dzīvības." Uzziniet vairāk par Cloud TPU mitināšanu ar TensorFlow.

Dziļie neironu tīkli (DNN): Dziļā apmācība & Autonomās braukšanas programmas

Google joprojām slēpj savus korporatīvos pētījumus autonomās braukšanas datoru platformās un to, kā tas ir saistīts ar jauniem nozares sasniegumiem TPU skaitļošanas, mākslīgā intelekta, mašīnu apguves un robotikas jomā. Tas nav pārsteidzoši, jo autobūves nozare atrodas uz robežas ar revolucionāras jaunās pašpiedziņas transportlīdzekļu tehnoloģijas ievērojamu atklāšanu daudzos uzņēmumos, patērētāju transporta modeļos un konkurējošās OS platformās. Tiek ziņots, ka gandrīz visi lielākie starptautiski auto uzņēmumi un IT korporācijas, kā arī neskaitāmas mazas sākuma programmatūras izstrādes firmas strādā pie autonomu transportlīdzekļu izlaišanas tuvāko gadu laikā. Nvidia Xavier procesors ir cieši saistīts ar Volta mikroshēmu, kas tiek izmantota tās dziļajā mācību platformā, bet Xavier GPU izmanto tenzora matemātiku, lai darbinātu Nvidia "Brauciet ar PX" autonoma braukšanas programmatūra ar modernu AI. Iespējams, ka Google vadība savu TPU aparatūras izpēti uzskata par būtisku sastāvdaļu pašpiedziņas, autonomu transportlīdzekļu, kurus darbina Google Maps, AI, nākotnes attīstībā, & mašīnmācīšanās programmatūra, piemēram, TensorFlow nākamajā līmenī. Nākotnē meklējiet vairāk Google paziņojumu par autonomas braukšanas tehnoloģijas attīstību saistībā ar nākamās paaudzes dziļu mācību TPU servera aparatūru.

Taynote Video – TensorFlow Dev Summit 2017

Google izstrādātāji – "Džefs Dīns, Rajats Monga un Megana Kačolija uzstājas ar galveno uzrunu atklāšanas TensorFlow Dev samitā. Viņi apspriež: TensorFlow pirmsākumi; Progress kopš TensorFlow’s atklātā pirmkoda palaišana; TensorFlow’s plaukstoša atvērtā koda kopiena; TensorFlow veiktspēja un mērogojamība; TensorFlow lietojumprogrammas visā pasaulē … un dalieties ar dažiem aizraujošiem paziņojumiem!" Uzziniet vairāk par TensorFlow Dev Summit 2017.

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me