Il semble que la nouvelle devise de la Silicon Valley ces dernières années soit: “Les données sont le nouveau pétrole”, et pour cause. Le nombre d’entreprises utilisant les technologies d’IA d’apprentissage automatique a grimpé en flèche, et même quelques années après le début, le nombre continue d’augmenter. Cette forme d’IA n’est plus seulement un article académique ou un curieux projet de recherche, mais l’apprentissage automatique est devenu une partie importante du marché des entreprises et il est difficile d’exagérer les effets sur le matériel d’entreprise, à la fois dans les achats et dans le développement. C’est l’âge de l’IA.
À première vue, la sélection matérielle pour ce type d’application semble simple: les processeurs Intel Xeon pour le stockage et le prétraitement des données, les GPU NVIDIA pour (presque) toutes les IA. En fait, cela est largement le cas depuis plusieurs années. Cependant, les concurrents de NVIDIA n’ont pas été inactifs tout le temps, et cela est particulièrement vrai pour Intel, dont la part du marché des entreprises menace finalement tout cela. Des processeurs dédiés dédiés à faible puissance aux Xeons optimisés, Intel examine tous les niveaux du marché de l’IA. Le résultat net est que l’IA est abordée dans plusieurs directions différentes parmi tous ces concurrents et l’humble bataille pour l’ère de l’IA est incroyablement intéressante à mon humble avis.
Aujourd’hui, jetons un coup d’œil au cœur du matériel d’intelligence artificielle d’Intel, les processeurs évolutifs Xeon de deuxième génération d’Intel, mieux connus sous le nom de «Cascade Lake». Lancés plus tôt cette année, ces nouveaux processeurs sont toujours basés sur la même architecture Skylake de base que les produits de première génération, mais incluent plusieurs nouvelles instructions pour accélérer les performances de l’IA.
Et quand il s’agit de nouvelles technologies, c’est sans aucun doute l’aspect le plus intéressant de Cascade Lake. Bien que nous puissions parler de l’amélioration globale de 3 à 6% des performances du processeur, des 56 cœurs de processeur Intel les plus chers de tous les temps et des «repères du record du monde», ces petites améliorations sont presque sans rapport avec le avenir à court et moyen terme dans le monde informatique. Voir la première diapositive d’Intel Press & Analyst Briefing.
Internet des objets, technologie des données et IA. Une grande partie de la croissance informatique, de l’innovation et de l’avenir sera là. Et c’est là qu’Intel veut être.
NVIDIA détient actuellement un monopole virtuel sur la partie “la plus sexy” de ce marché, à savoir le deep learning et le logiciel HPC “massivement parallèle”. En raison de la confluence de facteurs du côté matériel et logiciel, la plupart de ces logiciels s’exécutent sur des GPU et des clusters NVIDIA. Pour le grand public, il semble que NVIDIA ait le «marché de l’IA», une image qui n’est pas inexacte, mais n’est pas complète non plus. Le marché de l’IA est bien plus qu’une simple inférence de réseau neuronal, et en particulier, tout ce qui doit se produire pour fournir des données au modèle d’IA est négligé. En conséquence, les réseaux de neurones et les robots de terminaison sont les gros titres, même s’ils ne sont qu’une partie de l’image. En réalité, le traitement Web pour les applications d’IA ressemble davantage à la figure suivante.
En bref, l’exécution réelle du code d’apprentissage automatique n’est qu’une très petite partie des outils logiciels nécessaires pour créer et utiliser l’IA.
Avant de commencer, vous devez capturer, décompresser, filtrer, réorganiser, mapper et mélanger des données. Une fois que tout est trié et mélangé, vous devrez ajouter les données. Étant donné que les algorithmes ML nécessitent de grandes quantités de données pour faire de bonnes prévisions, cela peut prendre beaucoup de mémoire. Parce que? Allons un peu plus loin.
