Google資深研究員Jeff Dean強(qiáng)調(diào)，硬件系統(tǒng)可針對執(zhí)行少量特定的作業(yè)實(shí)現(xiàn)優(yōu)化，并形成大量機(jī)器學(xué)習(xí)模型，從而打造更強(qiáng)大的神經(jīng)網(wǎng)絡(luò)…。
如果您目前尚未考慮到如何有效利用深度神經(jīng)網(wǎng)絡(luò)(deep neural network)來解決您的問題，那么您的腳步必須加快了。至少，根據(jù)Google資深研究員兼深度學(xué)習(xí)人工智能研究計(jì)劃(即Google Brain)主持人Jeff Dean是這么認(rèn)為的。
在日前于美國加州舉行的Hot Chips大會專題演講中，Dean介紹神經(jīng)網(wǎng)絡(luò)如何大幅改寫運(yùn)算設(shè)備，并在語音、視覺、搜尋、機(jī)器人與醫(yī)療保健等領(lǐng)域取得重大的進(jìn)展。他強(qiáng)調(diào)，硬件系統(tǒng)可針對執(zhí)行少量特定作業(yè)實(shí)現(xiàn)優(yōu)化，并形成大量的機(jī)器學(xué)習(xí)(machine learning)模型，從而打造更強(qiáng)大的神經(jīng)網(wǎng)絡(luò)。
Dean說：“針對神經(jīng)網(wǎng)絡(luò)具備的特性打造專用計(jì)算機(jī)極具意義。如果你能開發(fā)出一套真正善于進(jìn)行特定作業(yè)(例如加速的低精度線性代數(shù))的系統(tǒng)，那就是業(yè)界夢寐以求的。”
針對美國國家工程院(National Academy of Engineering;NAE)于2008年提出的14項(xiàng)21世紀(jì)重大工程挑戰(zhàn)，Dean認(rèn)為，透過神經(jīng)網(wǎng)絡(luò)可望在解決這些所有問題時(shí)發(fā)揮重要作用。Dean在發(fā)表簡報(bào)時(shí)特別著重于其中的五項(xiàng)挑戰(zhàn)：恢復(fù)并改善城市建筑、推動(dòng)健康資訊工程進(jìn)展、更有效地用藥，以及人類大腦的反向工程等。不過，對于NAE重大挑戰(zhàn)清單中的最后一項(xiàng)——為科學(xué)探索打造工具，Dean卻保留了他的看法。
Dean表示：“人們已經(jīng)意識到我們需要更多的運(yùn)算能力，才能解決這種種的問題。”
TPU Pods解決更大的問題
Google最近開始為其客戶和研究人員提供可經(jīng)由云端服務(wù)的第二代TensorFlow處理器單元(TPU)機(jī)器學(xué)習(xí)ASIC。這是一款客制化的加速器板，配備4個(gè)第二代裝置，據(jù)稱可帶來180兆次浮點(diǎn)運(yùn)算(TFLOPS)運(yùn)算和64GB高帶寬內(nèi)存(HBM)的性能。
Dean表示，新的云端TPU芯片設(shè)計(jì)主要用于將彼此連接在一起，形成更大的配置——亦即被稱為‘TPU Pod’的機(jī)器學(xué)習(xí)超級計(jì)算機(jī)。一個(gè)TPU Pod配置中包含64個(gè)第二代TPU，可提供11.5 petaflops以及 4TB的HBM內(nèi)存。他并補(bǔ)充說，Google還免費(fèi)提供了1,000個(gè)云端TPU給致力于開放機(jī)器學(xué)習(xí)研究的頂尖研究人員。
Dean說：“我們對于TPU Pod解決更大問題的可能性感到非常振奮。”
2015年，Google發(fā)表TensorFlow軟件庫，為機(jī)器學(xué)習(xí)開放來源，目標(biāo)就在于建立一個(gè)可用于表達(dá)與交換機(jī)器學(xué)習(xí)想法與系統(tǒng)的通用平臺。Dean并展示了一張圖表，顯示TensorFlow才剛過一年半，就已經(jīng)比其他具有類似用途的庫更受歡迎。
Google第二代TPU
Dean表示，近五年來迅速出現(xiàn)的神經(jīng)網(wǎng)絡(luò)，主要是受到過去20年來運(yùn)算能力的重大進(jìn)展而促成的。他并補(bǔ)充說自己在1990年時(shí)還為此撰寫了一篇有關(guān)神經(jīng)網(wǎng)絡(luò)的論文。他認(rèn)為，當(dāng)時(shí)的神經(jīng)網(wǎng)絡(luò)發(fā)展幾乎是可行的，但大約還需要更高60倍的運(yùn)算能力。
Dean說：“而今，事實(shí)證明，我們真正需要更高大約100萬倍的運(yùn)算性能，而非60倍。”