剑客
关注科技互联网

Nvidia 看到政府作为其下的 A.I.金矿

Nvidia 看到政府作为其下的 A.I.金矿

Nvidia,公开上市交易的公司,使图形处理单元 (Gpu),有注重自身越来越完全在人工智能 (A.I.) 业务有设法卖出大量的 Gpu 计算工作到大公司 likeFacebook 谷歌该类型。这些 Gpu 坐在服务器,而不是台式机、 笔记本电脑和移动设备,Nvidia 在哪里警棍 Gpu 游戏、 图像处理和其他其他工作负荷。

但 Nvidia Gpu 用于 A.I.— — 和 specificallydeep 学习,涉及训练人工神经网络方法串的图像,然后获取新数据推测前馈神经网络的数据 — — 尤其是在技术行业陷入。现在 Nvidia 希望看到政府机构采用和扩大其使用深度的学习,今天通常依赖 Gpu,尤其是在培训阶段。

“为什么要去华盛顿的原因之一是我想要跟很多政府客户,并找出他们最感兴趣,他们想要了解,”Nvidia 首席科学家比尔戴利 VentureBeat 在采访中告诉 Nvidia 的 GPU 技术会议在华盛顿之前这一周,在那里他将发表主题演讲。

“[政府机构] 当然处理大量图像数据的各类侦察数据,无论它是飞机,无论它是相机的建筑物,或在字段中,士兵一直人收集更多的图像比他们可以采取行动的情况。甚至国内商业安全应用程序 — — 他们往往用于痛定思痛,是否实际上看行动正在犯下的罪行之类没人注意到它 — — 你下载它回去和注意看是谁做.”

与深度的学习,系统得到更好,随着时间的推移因为他们得到更多的信息。Nvidia 希望政府机构开始掌握如何它可以超越更传统的机器学习方法。

公司事件的出现,几个星期后,白宫发表了一份关于 A.I.作为一项战略计划 (PDF) 表明,除其他外,美国”优先考虑投资的 A.I.会开车发现和洞察力,使美国保持世界的领导者,在下一代”的进展报告

此举是 asIntel 采取措施争取意识和最终深度学习的市场份额。一方面,英特尔收购深学习硬件和软件开发商 Nervana 为超过 $ 3 亿 5000 万。与此同时,微软曾到现场可编程门阵列 (Fpga) 来加速其 Azure 的公共云服务器上的某些工作负载。谷歌已开发出张量处理单元 (Tpu) 为 A.I.,和它也一直在研究量子计算为人工智能的应用

再磋跎岁月 — — 谁在斯坦福大学,在 2009 年加入 Nvidia 离开他作为计算机科学系主任的位置 — — 是不相信这些其他种类的基础设施可能是非常有用的 A.I.尺度。戴利说︰ 量子计算是不在生产中广泛,谷歌没有提供关于其 Tpu,广泛的信息,可以为多种工作负载低效的 Fpga。作为英特尔?”我们得很远,我们不必担心他们追我们,他们落后了许多年,”他说。

四年的努力

如果你收听任何 Nvidia 事件这几天,但是 Nvidia,成立于 1993 年,有只已投入重金,该地区在过去的四年,该公司的 A.I.推立即显而易见,戴利说。

左右 2011 年 nvidia 公司员工参加的第一步合作与斯坦福大学计算机科学教授 Andrew Ng 动那新生的谷歌脑深学习从 16,000 到 48 Gpu,Cpu 系统,从而使它更快和更经济高效,戴利说。”从这项工作,”他说,”我们基本上实现了,’ 哎呀,深度学习要 Gpu 巨大申请。我们应该开始问问题,”可我们怎么开始更好地使我们的 Gpu。”‘”

与此同时,分开,在多伦多大学的亚历克斯 Krizhevsky、 伊利亚 · Sutskever 和杰夫 · 辛顿夺得 2012 年 ImageNet 对象识别的比赛被称为 AlexNet,他们训练了两个 Gpu 与深部神经网络。

戴利记得它,吴与谷歌可能工作涉及实验与 Nvidia 的 Gpu 的费米和开普勒几代人。之后,Nvidia 才能够做出小小的改变到后续的麦克斯韦架构,”但我们实际上向帕斯卡具体要做的更好在深入学习的很大的变化”,戴利说。基于帕斯卡像 theTesla P100 可以训练 10 倍速度比基于麦克斯韦的 GPU 的 GPU,Nvidia 显示。Pascal Gpu 可以连接到另一个与 Nvidia 的专有的 NVLink 互连,使得数据传输 160 千兆比特每秒,超过 10 倍的带宽 PCI 明确,戴利说。

今天,他在做梦更大 — — 大比甚至 theDGX 1 盒,包八 P100 通过 NVLink 连接。戴利说:”我的理想是能创造更大的系统,”。”今天我们做的 10-ish 的排序。我想在 near-ish 未来它将几十、 数百乃至成千上万的 Gpu 连接在一起非常高带宽链路,看起来像单个大 GPU。

望向特区

现在,拥有一支由大约 110 研究者,戴利希望得到更广泛应用于政府的技术。机构和承包商可供出租,GPU 支持的情况下,在公共云 likeAmazon Web 服务,微软 Azure,andIBM SoftLayer,或者他们可以购买他们在他们自己的数据中心中部署。多个部署选项是重要的因为应用程序需要和预算约束会发生变化。

无论哪种方式,戴利认为 GPU 供电的深度学习可以提供成绩单的谈话或从监控摄像机的视频流或媒体的报道,更好地分析 — — 无论政策制定者们最感兴趣。

“所有这些情报收集应用程序,我认为深入学习真的会巨大的一部分的他们做的前进,”他说。”我希望他们会与 Nvidia Gpu。

[剑客-翻译]

分享到:更多 ()

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址