IBM’in yapay zeka birimi çipinin yakından görünümü. Resim: IBM
Hype, yapay zekanın (AI) zaten her yerde olduğunu, ancak gerçekte arkasındaki teknolojinin hala geliştirilme aşamasında olduğunu gösteriyor. Birçok AI uygulaması, AI için tasarlanmamış çipler tarafından desteklenmektedir. Bunun yerine, oyun için oluşturulmuş genel amaçlı CPU’lara ve GPU’lara güveniyorlar. Bu uyumsuzluk, IBM, Intel ve Google gibi teknoloji devlerinin yanı sıra yeni kurulan şirketler ve risk sermayedarlarından, özellikle AI iş yükleri için tasarlanmış yeni çiplere yatırım telaşına yol açtı.
Teknoloji geliştikçe, iş yatırımları kesinlikle takip edecek. Gartner’a göre, AI çip gelirleri 2021’de 34 milyar doları aştı ve 2026’da 86 milyar dolara ulaşması bekleniyor. Ayrıca araştırma firmasına göre, 2020’deki veri merkezi sunucularının %3’ünden daha azında iş yükü hızlandırıcılar yer aldı ve 15’ten fazlası iş yükü hızlandırıcıları içeriyordu. % 2026’ya kadar bunu yapması bekleniyor.
IBM Research, kendi adına, az önceYapay Zeka Birimi (AIU), AI konusunda uzmanlaşmış bir prototip çip.
IBM, “Bilgi işlem gücümüz tükeniyor. Yapay zeka modelleri katlanarak büyüyor, ancak bu devleri eğitmek ve bunları buluttaki sunucularda veya akıllı telefonlar ve dizüstü bilgisayarlar gibi uç cihazlarda çalıştırmak için gereken donanım. Sensörler o kadar hızlı ilerlemedi,” dedi. .
Derin öğrenme modellerini çalıştırın
AIU, IBM Research AI Hardware Center’ın kurumsal AI derin öğrenme modellerini çalıştırmak için açıkça tasarlanmış ilk SoC’sidir.
IBM, CPU olarak da bilinen “geleneksel bilgi işlemin beygir gücü”nün, derin öğrenmenin gelmesinden önce tasarlandığını savunuyor. CPU’lar genel uygulamalar için iyi olsa da, büyük ölçüde paralel AI işlemleri gerektiren derin öğrenme modellerini eğitme ve çalıştırma konusunda o kadar iyi değiller.
AI Compute for IBM Research direktörü Jeff Burns, ZDNET’e verdiği demeçte, “Yapay zekanın uzun, çok uzun bir süre bilgisayar çözümlerinin temel itici gücü olacağına dair kafamızda hiç şüphe yok” dedi. “Bu, BT ortamına, bu karmaşık kurumsal BT altyapılarına ve çözümlerine çok geniş ve yaygın bir şekilde aşılanacak.”
Jeff Burns’e göre, IBM için, etkili bir şekilde evrensel olan kapsamlı çözümler oluşturmak daha mantıklı, “böylece bu yetenekleri farklı bilgi işlem platformlarına entegre edebilir ve çok, çok çeşitli yapay zeka gereksinimlerini destekleyebiliriz.”
Kaynakları kaydedin
AIU, uygulamaya özel bir entegre devredir (ASIC), ancak her türlü derin öğrenme görevini gerçekleştirmek üzere programlanabilir. Çip, 5nm teknolojisiyle oluşturulmuş 32 işlem çekirdeğine sahiptir ve 23 milyar transistör içerir. Düzen, bir hesaplama motorundan diğerine doğrudan veri göndermek için tasarlanmış bir CPU’dan daha basittir ve bu da onu daha enerji verimli hale getirir. Bir grafik kartı kadar kullanımı kolay olacak şekilde tasarlanmıştır ve PCIe yuvası olan herhangi bir bilgisayara veya sunucuya takılabilir.
IAU, enerji ve kaynaklardan tasarruf etmek için yaklaşık hesaplama, verimlilik için hesaplama doğruluğundan ödün vermek için IBM tarafından geliştirilen bir teknik. Geleneksel olarak hesaplama, finans, bilimsel hesaplamalar ve detay kesinliğinin önemli olduğu diğer uygulamalar için yararlı bir kesinlik düzeyi sağlayan 64 ve 32 bit kayan nokta aritmetiğine dayanıyordu. Bununla birlikte, bu hassasiyet seviyesi, AI uygulamalarının büyük çoğunluğu için gerçekten gerekli değildir.
Jeff Burns, “Kendi kendini süren bir aracın yolunu izlemeyi düşünüyorsanız, şeritte aracın olması gereken kesin bir konum yoktur” diyor. “Şeritte bir dizi yer var”.
Sinir ağları temelde kesin değildir – olasılıklı çıktı üretirler. Örneğin, bir bilgisayarlı görme programı size bir kedinin fotoğrafına baktığınızı %98 kesinlik ile söyleyebilir. Buna rağmen, sinir ağları başlangıçta çok fazla enerji ve zaman tüketen yüksek hassasiyetli aritmetik ile eğitildi.
dikey
AIU’nun yaklaşık hesaplama tekniği, 32 bit kayan nokta aritmetiğinden bilgi miktarının dörtte birini içeren bit biçimlerine ölçeklendirmesine olanak tanır.
Çipin gerçekten evrensel olması için IBM, donanım yenilikleriyle yetinmedi. IBM Research odaklandı temel modeller, bu modeller üzerinde çalışan 400 ila 500 kişilik bir ekiple. Belirli bir görev için tasarlanmış yapay zeka modellerinin aksine, temel modeller çok sayıda etiketlenmemiş veri üzerinde eğitilerek devasa bir veritabanına benzer bir kaynak oluşturur. Ardından, belirli bir görev için bir modele ihtiyacınız olduğunda, nispeten az miktarda etiketlenmiş veri kullanarak temel modeli yeniden eğitebilirsiniz.
Bu yaklaşım sayesinde IBM, farklı sektörleri ve farklı yapay zeka kullanım durumlarını ele almayı amaçlıyor. Şirketin temel modeller oluşturduğu birkaç alan vardır – bu kullanım örnekleri kimya ve zaman serisi verileri gibi alanları kapsar. Basitçe düzenli aralıklarla toplanan verilere atıfta bulunan tarihsel veriler, ekipmanlarının çalışmasını gözlemlemesi gereken endüstriyel şirketler için çok önemlidir. IBM, birkaç önemli alan için temel modeller oluşturduktan sonra daha spesifik, dikey odaklı olanaklar geliştirebilir. Ekip ayrıca IAU yazılımının IBM’in tescilli Red Hat yazılım yığınıyla tam uyumlu olmasını da sağladı.
Kaynak : ZDNet.com