Кажется, что новым девизом Силиконовой долины в последние годы было: «Данные – это новая нефть», и на то есть веские причины. Количество компаний, использующих технологии искусственного интеллекта, стремительно растет, и даже спустя несколько лет после того, как все началось всерьез, их число продолжает расти. Эта форма ИИ уже не просто академическая статья или любопытный исследовательский проект, но машинное обучение стало важной частью корпоративного рынка, и трудно переоценить влияние на корпоративное оборудование, как при покупке, так и в развитие. Это возраст ИИ.
На первый взгляд, выбор аппаратного обеспечения для этого типа приложений кажется простым: процессоры Intel Xeon для хранения и предварительной обработки данных, графические процессоры NVIDIA для (почти) всего AI. Фактически, это было в основном так в течение нескольких лет. Тем не менее, конкуренты NVIDIA не были без дела все время, и это особенно верно для Intel, чья доля на корпоративном рынке в конечном итоге угрожает всему этому. Корпорация Intel рассматривает все уровни рынка искусственного интеллекта от специализированных процессоров с низким энергопотреблением до специализированных Xeon. Конечным результатом является то, что ИИ сражается в нескольких направлениях среди всех этих конкурентов, и скромная битва за эру ИИ невероятно интересна ИМХО.
Сегодня давайте посмотрим на сердце аппаратного обеспечения Intel для искусственного интеллекта – масштабируемые процессоры Intel второго поколения Xeon, более известные как «Каскадное озеро». Представленные ранее в этом году, эти новые процессоры по-прежнему основаны на той же базовой архитектуре Skylake, что и продукты первого поколения, но содержат несколько новых инструкций для повышения производительности AI.
И когда речь идет о новых технологиях, это, без сомнения, самый интересный аспект Каскадного озера. Хотя можно говорить об общем улучшении производительности процессора на 3-6%, о 56 самых дорогих процессорных ядрах Intel всех времен и о «мировых рекордных показателях», эти небольшие улучшения почти не имеют отношения к ближайшее и среднесрочное будущее в мире ИТ. См. Первый слайд брифинга Intel для прессы и аналитиков.
Интернет вещей, технологии передачи данных и AI. Большая часть ИТ-роста, инноваций и будущего будет здесь. И это то, где Intel хочет быть.
В настоящее время NVIDIA обладает виртуальной монополией на самую сексуальную часть этого рынка, то есть глубокое обучение и «массово параллельное» программное обеспечение HPC. Из-за слияния факторов со стороны аппаратного и программного обеспечения большая часть этого программного обеспечения работает на графических процессорах и кластерах NVIDIA. Для широкой публики кажется, что у NVIDIA есть «рынок искусственного интеллекта», изображение, которое не является неточным, но также и неполным. Рынок ИИ – это гораздо больше, чем просто вывод нейронной сети, и, в частности, все, что должно произойти для предоставления данных для модели ИИ, игнорируется. В результате нейронные сети и завершающие роботы становятся заголовками, даже если они являются только частью картины. В действительности, веб-обработка для приложений ИИ больше похожа на следующий рисунок.
Короче говоря, фактическое выполнение кода машинного обучения – это лишь очень малая часть программных инструментов, необходимых для создания и использования ИИ.
Перед началом работы вам необходимо захватить, распаковать, отфильтровать, переставить, отобразить и смешать данные. Как только все отсортировано и смешано, вам нужно будет добавить данные. Поскольку алгоритмы ML требуют больших объемов данных, чтобы делать хорошие прогнозы, это может занять много памяти. Зачем? Давайте пойдем немного глубже.
