Shenzhen OK Biyoteknoloji Technology Co, Ltd (SZOB)
Categories
Ana sayfa > Haberler > İçerik

AI Landmark: Google'ın Açık Kaynak AI'si TensorFlow, Donanımda Büyük Değişiklikler Sesi İmzalıyor

www.ok-biotech.com

AI Landmark: On sorflow, Google'ın Açık Kaynak AI'si, Donanımda Büyük Değişiklikler Sesi İmzaladı

IN OPEN SOURCING, yapay zeka motorunu en önemli kreasyonlarından birini özgürce Internet'in geri kalanıyla paylaştı; Google, bilgisayar yazılım dünyasının nasıl değiştiğini gösterdi.


Günümüzde büyük İnternet devleri, çevrimiçi işlemlerinin kalbinde oturan yazılımı sıklıkla paylaşıyorlar. Açık kaynak, teknolojinin ilerlemesini hızlandırır. TensorFlow AI motorunu açık kaynakta kullanan Google, her tür makine-öğrenme araştırmasını şirketin dışına gönderebilir ve bir çok açıdan bu araştırmayı Google'a geri gönderecektir.


Ancak Google'ın AI motoru, bilgisayar donanım dünyasının nasıl değiştiğini de yansıtıyor. TensorFlow, Google'da görüntü tanıma, konuşma tanıma ve dil çeviri gibi görevlerle uğraşırken GPU'lar veya grafik işleme birimleri ile donatılmış makinelere, orijinal olarak oyunlar için grafik oluşturmak üzere tasarlanan cipslere ve benzerlerine bağlı olmakla birlikte, diğerlerinde yetenekli olduğunu kanıtladı. görevler. Ve bu cipslere, büyük teknoloji evreninin fark etmesinden daha fazla bağlıdır.


Şirketin AI çalışmalarını denetlemeye yardım eden Google mühendis Jeff Dean'e göre Google, yalnızca yapay zeka hizmetleri eğitiminde değil, aynı zamanda bu hizmetleri çalıştırırken tüketicilerin elindeki akıllı telefonlara aktarmada GPU'yu kullanıyor.


Bu önemli bir kaymayı temsil ediyor. Bugün, devasa bilgisayar veri merkezlerinde, yüz tanıma hizmetlerini yetiştirmek için GPU'ları kullanıyor ancak bu hizmetleri Facebook'lara getirirken, aslında sosyal ağlardaki yüzleri tanımlıyor; geleneksel bilgisayar işlemcilerini veya CPU'ları kullanıyor. Ve Facebook CTO Mike "Schrep" Schroepfer son zamanlarda şirketin Menlo Park, California merkez ofisinde gazetecilere verdiği brifingde işaret ettiği gibi, bu temel kurulum endüstri normudur. Ancak Google her zamankinden daha fazla verimlilik isterken, şirketin AI modellerini veri merkezi içindeki GPU'lar üzerinde eğittiği ve uyguladığı durumlar vardır. Ve bu yönde ilerleyen tek kişi değil. Çinli arama devi Baidu, aynı şekilde çalışan yeni bir AI sistemi inşa ediyor. Baidu baş bilim adamı Andrew Ng, "Bu oldukça büyük bir paradigma değişikliğidir" diyor.


Değişiklik, GPU'larda uzmanlaşmış yonga devi nVidia için iyi bir haber. Ve bu, dünyanın en büyük yonga üreticisi olan Intel tarafından sunulan ürünlerdeki boşluklara işaret ediyor. Intel GPU'lar oluşturmaz. Bununla birlikte, bazı internet şirketleri ve araştırmacılar, AI arenasında GPU'ların yerini alacak şekilde FPGA'leri veya alan programlanabilir kapı dizilerini keşfediyor ve Intel son zamanlarda bu programlanabilir yongalar konusunda uzmanlaşmış bir şirket satın aldı.


Alt çizgi, AI'nın dünyanın çevrimiçi servislerinde giderek daha önemli bir rol oynamaya başladığı ve alternatif yonga mimarileri AI'da giderek daha önemli bir rol oynamaktadır. Bugün, bu, çevrimiçi hizmetlerimizi yönlendiren bilgisayar veri merkezlerinde doğrudur ve önümüzdeki yıllarda aynı fenomen, aslında bu hizmetleri kullandığımız mobil cihazlara doğru akabilir.


Eylemde Derin Öğrenme

Google, Facebook, Microsoft ve Baidu gibi yerlerde, GPU'lar "çok derin öğrenme" sözcüğünün paralel olarak bir sürü küçük veriyi işleyebildiği için oldukça önemli olduğunu kanıtladı. Derin öğrenme, sinir ağlarına (insan beynindeki nöron ağına yaklaşan sistemler) dayanır ve bu ağlar büyük miktarda veriyi hızla analiz etmek için tasarlanmıştır. Bu ağlara bir kediyi nasıl tanımayı öğretmek için, onlara sayısız kedi kedisini besliyorsunuz. GPU'lar bu tür şeyler için iyidir. Artı, CPU'lar kadar fazla enerji tüketmezler.


Ancak, genellikle, bu şirketler derin bir öğrenmeyi harekete geçirdiğinde, kedileri tanıyan bir akıllı telefon uygulaması sunduğunda, yani bu uygulama, CPU'larda çalışan bir veri merkezi sistemi tarafından yönlendirilir. Baidu'daki AI grubundaki yüksek performanslı bilgi işlem sistemlerini denetler Bryan Catanzaro'ya göre, çünkü GPU'lar sürekli veri besliyorsanız verimli olur ve akıllı telefon uygulamalarını yönlendiren veri merkezi sunucu yazılımı veri beslemiyor Bu şekilde cipslere. Tipik olarak, istek akıllı telefonlardan geldiğinde, sunucular birer birer ele alırlar. Catanzaro'nun açıklamalarına göre, her isteği veri merkezine girdikçe ayrı ayrı işlemek için GPU'lar kullanırsanız, "GPU'nun verimli çalışmasını sağlamak için GPU'ya yeterince çalışma yapmak zor. GPU asla gerçekten gitmiyor. "


Bununla birlikte, bu uygulama aşamasında verileri GPU'larınıza sürekli olarak besleyebiliyorsanız, CPU'lardan daha fazla verimlilik sağlayabilirler. Baidu yeni AI platformuyla bu konuda çalışıyor. Temel olarak, talepler veri merkezine akarken, daha sonra GPU'ya beslenebilen birden fazla isteği daha büyük bir bütün halinde paketler. Catanzaro, "Bu istekleri bir araya getirerek işlemciden tek bir istekte bulunmamak yerine, aynı anda birden fazla istek yapmamızı sağlıyoruz" diye belirtiyor. "Bu temelde GPU'yu daha yoğun hale getiriyor."


Google'ın bu konuyu nasıl ele aldığı belli değil. Ancak şirket, yürütme aşamasında TensorFlow'un GPU'larda çalıştırıldığı durumların zaten olduğunu söylüyor. Şirket sözcüsü Jason Freidenfelds, "GPU'ları, soruna bağlı olarak, eğitim ve tanıma için bazen kullanıyoruz" şeklinde doğruluyor.


Bu küçük bir şey gibi gözükebilir. Ama aslında büyük bir anlaşma. Bu AI uygulamalarını çalıştıran sistemler onlarca, yüzlerce, hatta binlerce makineye yayılıyor. Ve bu sistemler günlük hayatımızda giderek büyük bir rol oynamaktadır. Google artık yalnızca fotoğrafları tanımlamak, konuşulan kelimeleri tanımak ve bir dilden diğerine çevirmek için değil, aynı zamanda arama sonuçlarını artırmak için derinlemesine öğrenme kullanıyor. Ve diğer şirketler aynı teknolojiyi reklam hedeflemesi, bilgisayar güvenliği ve hatta doğal dili anlayan uygulamalara yönlendiriyor. Başka bir deyişle, Google ve Baidu gibi şirketler, çok fazla GPU'ya ihtiyaç duyacak.


AI Heryerde

Aynı zamanda TensorFlow, bu AI ürününün bir kısmını veri merkezinden tamamen ve akıllı telefonlara da itiyor.


Genellikle, telefonunuzda derin bir öğrenme uygulaması kullandığınızda, veri merkezine bilgi göndermeden çalışamaz. Bütün AI orada olur. Örneğin, bir komutu Android telefonunuza bağladığınızda, talimatınızı, o muazzam CPU veya GPU ağlarından birinde işleyebileceğiniz bir Google veri merkezine göndermelisiniz.


Ancak Google, AI motorunu da kullandı, böylece bazı durumlarda telefonda yürütülebiliyordu. "Bir model açıklaması yapabilir ve bir cep telefonunda çalıştırabilirsiniz" diyen Dean, "Model açıklamalarında veya herhangi bir kodda herhangi bir değişiklik yapmak zorunda değilsiniz."


Şirketin yaptığı Google Çeviri uygulaması bu şekilde yapılmıştır. Google uygulaması, kelimeleri tanıması ve onları veri merkezlerinde başka bir dile tercüme etmesi için eğitiyor; ancak eğitim gördükten sonra uygulama İnternet bağlantısı olmaksızın kendi başına çalışabilir. Telefonunuzu bir Fransız yol işareti işaret edebilir ve anında İngilizceye tercüme edecektir.


Bunu yapmak çok zor. Sonuçta, bir telefon sınırlı miktarda işlem gücü sunar. Ancak zaman geçtikçe, bu görevlerin sayısı gittikçe artacak ve telefonun kendisinde olacak. Derin öğrenme yazılımı gelişecek ve mobil donanım da gelişecektir. Skymind adlı derin öğrenme girişiminin kurucusu Chris Nicholson, "Derin öğrenmenin geleceği, küçük ve mobil cihazlarda" diyor.


Örneğin, GPU'lar telefonlarına adım atmaya başlamış durumda ve donanım üreticileri her zaman CPU'ların hızını ve verimliliğini artırmak için bastırıyorlar. Bu arada IBM, AI görevleri için özel olarak tasarlanmış bir "nöromorfik" yonga inşa ediyor ve onu kullananlara göre, mobil cihazlar için çok uygun.


Günümüzde Google'ın AI motoru, sunucu CPU'larında ve GPU'larda ve akıllı telefonlarda yaygın olarak bulunan cipslerde çalışıyor. Ancak Google mühendis Rajat Monga'ya göre şirket, TensorFlow'ı mühendislerin diğer donanım platformlarına kolayca bağlayacakları şekilde inşa ettiler. Aracın açık kaynak olduğuna göre, yabancılar da bunu yapmaya başlayabilir. Dean TensorFlow'u şöyle açıklıyor: "Çok çeşitli ilave donanımlara taşınabilir olmalı."


Yani, evet, donanım dünyası neredeyse yazılım dünyası kadar hızlı değişiyor.


Daha fazlasını bul: Flibanserin, CAS 167933-07-5, Testosteron, CAS 58-22-0, Trenbolon asetat, CAS 10161-34-9, Metandienone, CAS 72-63-9, Exemestane, 107868-30-4,

Bize ulaşın
Adres: HK: 6 / F, Fo Tan Endüstri Merkezi, 26-28 Au Pui Wan St, Fo Tan, Shatin, Hongkong Shenzhen: 8F, Fuxuan Binası, No 46, Doğu Hipping Rd, Longhua Yeni Bölgesi, Shenzhen, PRC Çin
Telefon: +852 6679 4580
 Faks:+852 6679 4580
 E-posta:smile@ok-biotech.com
Shenzhen OK Biyoteknoloji Technology Co, Ltd (SZOB)
Share: