Ke Jie oyunun ortasında yine kaybetti! Google, TPU'yu zorlamak için AlphaGo'dan yararlanıyor ve Nvidia ile bir savaş olacak
Xinzhiyuan Raporu
Ke Jie tekrar kaybetti ve AlphaGo'ya karşı skor 0: 2 olarak yeniden yazıldı!
DeepMind ve Google ekibinin bir basın toplantısında söylediği gibi AlphaGo daha güçlü hale geldi. Algoritmik iyileştirmelere ek olarak, AlphaGo'daki Google Cloud ve TPU (Vektör İşleme Birimi) gibi bilgi işlem kaynaklarındaki iyileştirmelerin katkıda bulunduğu büyük gelişmeyi özellikle vurguladılar. "Ke Jie'nin AlphaGo Master'ına karşı oynamak daha etkili bir algoritma kullanır ve gereken hesaplama miktarı AlphaGo'unkinin 1 / 10'u kadardır. AlphaGo Master, Google Cloud tarafından sağlanan 4 TPU bağımsız makineyi kullanır ve siz bunu bir bilgisayar olarak ele alabilirsiniz." "Bir öğretmenin" arkasındaki gizli silahtır.
TPU, Google tarafından sinir ağı bilgi işlem için özel olarak tasarlanmış bir çiptir. Google, yıllık Google I / O konferansında ikinci nesil TensorFlow Processing Unit (TPU) ve Cloud TPU'yu piyasaya sürdü. Bir süre sektörde hararetli tartışmalara neden oldu.
Google'ın birinci nesil TPU ASIC'inden (uygulamaya özel entegre devre) farklı olarak Cloud TPU, AI sinir ağı eğitimi veya çıkarımının kullanımını desteklemek için tasarlanmıştır. İkinci nesil TPU yongası, makine öğrenimi için saniyede 45 trilyon kayan nokta işlemi (yaklaşık 16 bit TFLOPS'a eşdeğer) sağlar; bu, NVIDIA P100 (20 TFLOPS) veya AMDnin yakında çıkacak Vega GPU'sunun (25 TFLOPS) yaklaşık iki katıdır. Ancak NVIDIA'nın yeni Volta çipi kadar hızlı değil. Cloud TPU, 4 yongalı bir modülde paketlenmiştir ve çok yüksek işlem performansı elde etmek için bu güçlü işlemcileri birbirine bağlayan bir yapıya sahiptir. Bu ölçekleme işlevi çok önemlidir, çünkü bu şekilde sinir ağlarını eğitmek için neredeyse sınırsız sayıda hızlandırıcı kullanılabilir.
Tesadüf veya kısasa kısas: Google ile Nvidia arasında bir savaş mı olmalı?
TPU, makine öğreniminde Nvidianın Tesla Volta GPU'sundan daha iyi performans gösteriyor gibi görünüyor. TPU'nun yeni sürümü piyasaya sürüldüğünde, NVIDIA'nın Tesla Volta GPU'yu piyasaya sürmesinin üzerinden bir haftadan kısa bir süre geçti.
Dört yongalı Cloud TPU, 180 TFLOPS kayan nokta bilgi işlem hızı sağlayabilir. 11,5 petaflop'luk en yüksek performansa sahip bir "TPU Kapsülü" oluşturmak için birbirine bağlı 32 kart kullanır - aslında tek bir rafta büyük bir süper bilgisayar.
Google ayrıca, nitelikli araştırma ekiplerine ücretsiz olarak sağlanacak olan 180 PetaFlops (yaklaşık 16 bit FLOP) bilgi işlem gücü sağlayan 1000 TPU (4000 Cloud TPU çipi) içeren bir süper bilgisayar olan TensorFlow Research Cloud'un lansmanını da duyurdu. Bu konsept olarak Nvidia'nın Saturn V süper bilgisayarına benzer olsa da, daha büyük bir ölçekte. Ek olarak, Google'ın süper bilgisayarının tasarımı yalnızca Google'ın kendi açık kaynak TensorFlow makine öğrenimi çerçevesini ve ekosistemini desteklerken, Saturn V her tür yazılıma uygulanabilir.
NVIDIAnın GPUsu ile karşılaştırıldığında Google'ın bir TPU'ya sahip olduğu ve NVIDIAnın Saturn V süper bilgisayarıyla karşılaştırıldığında Google'ın bir TensorFlow Araştırma Bulutu olduğu görülebilir. Google, son yıllarda yükselişte olan Nvidia'ya adım atıyor gibi görünüyor.
Açıkçası Google, makine öğrenimine olan büyük talep nedeniyle NVIDIA GPU'ların her zaman çok büyük (belki de en büyük) müşterisi olmuştur. Şu anda, Google'ın ve diğerlerinin neredeyse tüm sinir ağı eğitimleri NVIDIA GPU'ları kullanıyor. Ancak Nvidia kayıtsız değil. Kısa bir süre önce, Nvidia yakında çıkacak Volta tabanlı Tesla V100 GPU'yu duyurdu.İnovasyonları, tek bir Cloud TPU çipinden 2,6 kat daha yüksek olan 120TFLOPS'a kadar süper bilgi işlem performansı sağlayabilen yeni bir işlemci çekirdeği türünü de içeriyor. Tesla V100 çok güçlü ve bu nedenle çok pahalıdır.815 milimetre kare alana sahiptir ve 21 milyar transistör içerir ki bu Pascal P100'den% 33 daha büyüktür.
Aslında, Nvidia CEO'su Huang Renxun, GTC açılış konuşmasında Volta'nın açık ara en büyük ve en karmaşık çip olduğunu belirtti. Ancak Volta çok şey yapmalı: sadece derin öğrenen bir ASIC değil, bilimsel uygulamalar için 32 bit ve 64 bit kayan nokta sayılarını ve büyük ölçekli süper bilgisayarların gerektirdiği hata düzeltme belleğini destekliyor. IBM ve Nvidia, büyük bir kısmı Volta yongalarından kaynaklanan bugünün üç büyük DOE süper bilgisayar sözleşmesinden ikisini kazandı. Volta çipinin dünyadaki en hızlı grafik çipi olduğu söylenebilir. Bu özellikler, ASIC'in GPU'yu geçebilmesinin nedenidir.
Bu nedenle, Google Cloud TPU'nun Nvidia üzerinde bir etkisi olacaktır, ancak en azından kısa vadede yukarıda tartışılan sınırlamalar nedeniyle etkinin büyüklüğü düşündüğünüzden daha düşük olabilir. Cloud TPU, yalnızca Google ve Google Cloud'un bilgi işlem motorlarında kullanılabilir. Ve yalnızca TensorFlow kullanan projelerde kullanılabilir ve yalnızca genel bulut altyapısında uygulama çalıştıran projelerde bile güvenlik, iş ve yasal açıdan önemi olabilir, çünkü Google rakiplerine ticari çip tedarikçisi değildir. ilgilenmiyorum. Nvidianın makine öğrenimi GPU'su% 20 paya sahip ve işletme yılda yaklaşık üç kez büyüdü (en son çeyrekte% 186), bu nedenle diğer büyüme Google'ın kayıplarını telafi etmeye yardımcı olacak.
TPU, diğer makine öğrenimi ASIC yongalarına dahil edilse bile, Google TPU'nun sınırlamalarını ortadan kaldıramaz. Nvidia'nın kendi "TPU benzeri" Derin Öğrenme Hızlandırıcısı (DLA) burada devreye girebilir. Önceki makalede tartışıldığı gibi, Nvidia, yeni nesil otonom sürüş SOC'nin (kod adı "Xavier") hızlandırma teknolojisini açık kaynak kodlu yapacağını duyurdu. Nvidia'nın hareketi, ASIC'in diğer uygulamalar ve diğer müşteriler arasında daha popüler ve çekici hale gelmesi durumunda, Nvidia'nın ASIC'in getirebileceği herhangi bir rekabetçi tehditle başa çıkabileceği anlamına geliyor. Nvidia, teknoloji ekosistemini şirketin doğrudan pazarının ötesine genişletebilir.
Ancak iki taraf arasındaki rekabet gerçektir ve kılıcın gölgesi de karanlıkta ortaya çıkmaktadır. Google'ın Wuzhen Zirvesi'nde TPU'nun üstün performansını sergilediği gün. "Rokete binmek" olarak bilinen Nvidia'nın hisse fiyatı nadir bir düşüş gördü. Ardından, Bloomberg News'e göre 25 Mayıs'ta SoftBank Group, Nvidia'da sessizce 4 milyar ABD Doları (% 4,9) hisse satın alarak grafik yongası üreticisinin dördüncü en büyük hissedarı oldu ve Nvidia'nın hisse senedi fiyatı yeniden yükselmeye başladı.
Yabancı basında TPU'nun piyasaya sürülmesinden sonra endişelenmesi gereken bir diğer şirketin Intel olduğu yorumunda bulundu. GPU'nun etkisi altında Intel geride kaldı ve makine öğreniminin önemli bir parçası olduğu hızla büyüyen GPGPU (GPU'da Genel Amaçlı Hesaplama) pazarına ayak uyduramadı.
Genel olarak, daha fazla makine öğrenimi uygulaması buluta aktarılacaktır. Bazı durumlarda, bulutta GPU kümelerini kiralamak, onları yerel olarak sağlamaktan daha ucuzdur. NVIDIA Volta GPU ve Google Cloud TPU'nun ortaya çıkışı, yalnızca bu fiyat farkını daha da büyütecek. Google ayrıca, bu pazardaki payını artırmanın anahtarının kendi çiplerinde daha fazla lider yazılım çalıştırmak olduğunu da biliyor, bu nedenle çalışmalarının sonuçlarını paylaşmak isteyen araştırmacılar için ücretsiz olarak 1.000 Bulut sağlamak üzere TensorFlow Araştırma Bulutu planını uygulamaya koyuyor. TPU.
TPU'nun kendisinin bariz sınırlamaları var, Google da işbirliği arayacak
Cloud TPU'nun makine öğrenimi sektörü için ilk stratejik önemi, Google'ın ASIC'lerin inanılmaz makine öğrenimi performansı sağlayabileceğini kanıtlamış olmasıdır. Google, sektörün gelişimini hızlandırmak için bu teknolojiyi dışarıya tanıtıyor. Makine öğrenimi endüstrisi, bilgi işlem performansına çok aç ve bu yonga yalnızca çok hızlı değil, aynı zamanda ölçeklenebilir. Yaklaşan diğer ML ASIC'leri (Intelin Nervana Engine, Wave Computingin veri akışı işleme birimi, NVIDIAnın DLAı vb. Dahil) ASIClerin potansiyelini de görebilir. Temelde Google, tüm mantığı sinir ağı eğitimine odaklayan ve temeldeki matematiği işleyen çok iyi bir çip yaptı. Google, bu yongalardan binlerceini özelleştirilmiş bir yapı üzerinden birbirine bağlayarak, sistemi açık pazarda satın alma pahasına süper bilgisayar düzeyinde performans kullanabilir ve sağlayabilir.
Bununla birlikte, bir ASIC oluşturmak, yüreksizler için uygun değildir. İlk olarak, ASIC'lerin sınırlı işlevleri vardır. Örneğin, Google TPU yalnızca TensorFlow'u destekler, bu nedenle Microsoft, Amazon ve Facebook gibi ana akım AI çerçevelerini kullanan kullanıcılar yalnızca GPU üzerinde çalışmayı seçebilir. (Ancak Google, Google Cloud üzerinde yeni bir Nvidia V100 GPU sağlayacağını da duyurdu.) Ayrıca ASIC'in geliştirme maliyeti de yüksek. Karmaşık tasarımı 100 milyon ABD dolarından fazlaya mal olabilir ve tasarımı ve hata ayıklaması uzun yıllar alır. (Ancak Google, çabalarının çok daha az olduğunu iddia ediyor.)
Bu nedenle, TPU gibi bir ASIC bu maliyetleri çok sayıda kullanıma, en az on veya milyonlarca birim için amorti edebiliyorsa, bu mantıklıdır. Ancak Google'ın çok fazla kullanıma ihtiyacı var, bu nedenle faydalar hızlı ve çarpıcı olabilir. ASIC'in geliştirilmesi uzun zaman alabileceğinden, sürekli değişen AI pazarında çip tasarımının inovasyon fırsatlarını kaçırabileceği unutulmamalıdır. Bu nedenle, Baidu, Amazon, Microsoft, vb. Dahil birçok veri merkezi, kritik iş yüklerini hızlandırmak için GPU'ları veya Intel ve Xilinx FPGA'ları kullanma eğiliminde olup, herhangi bir zamanda donanım yükseltmelerini korurken yüksek performans ve yüksek verimlilik sağlar. esneklik. İyi bir ekip birkaç ay içinde yeni bir FPGA tasarlayabilir ve bu birkaç yıl almaz.
Çinli şirketlere TensorFlow + TPU + Google Cloud satarak Go War'un ardındaki iş hedefleri
Google CEO'su Sundar Pichar, şirketin stratejisinin "Mobile First" ten "AI First" e değiştiğini açıkça belirtti. Google Cloud TPU'nun piyasaya sürülmesi, yalnızca GPU'ya daha ucuz bir alternatif olmaktan çok daha stratejik. TPU ve Google TensorFlow çerçevesi, şirketin mühendislerine ve veri bilimcilerine araştırma ve ürün geliştirmelerini desteklemek için tamamen optimize edilmiş bir platform sağlar. Google ekibi, makine öğrenimi ile geliştirilmiş ürün ve hizmetlerin donanım ve yazılımlarını kontrol edebildikleri için pazarlama, performans ve işlevsellik açısından avantajlara sahiptir. TPU, şirketin insansız araçlar vizyonunu desteklemek için gelecekteki bir platform bile sağlayabilir.
Google Cloud, dahili sürücülere ek olarak, TensorFlow geliştirme projeleri için mükemmel fiyat / performans sağlayan donanımlar sağlayarak Amazon Web Services ve Microsoft Azure Cloud ile rekabetten yararlanabilir. Elbette TensorFlow'un kendisi de bundan yararlanabilir. Zaten birçok makine öğrenimi uygulama ekibi için tercih edilen çerçevedir. TensorFlow Research Cloud, sektör genelinde TensorFlow'un benimsenmesini teşvik etmeyi amaçlamaktadır.
"Çin'de BAT geniş bir kullanıcı tabanına sahip ve kullanıcılara daha optimize hizmetler sunmak istiyor. TensorFlow kullanırsanız, daha iyi hale gelecek ve TPU kullanan herkes daha iyi hale gelecektir." Google'ın ana şirketi Alphabet'in başkanı Schmidt, Wuzhen Zirvesi'nde söyledi. Ayrıca Amazon ve Apple'ın ürünlerini kullandıklarını ve birçok etkili vaka olduğunu söyledi.
Schmidt'in sözleri, Google'ın Çin gezisinin ana amacını açıkladı: TensorFlow + TPU + Google Cloud satmak.
İki yıldan fazla süren geliştirmeden sonra TensorFlow, Github'daki en popüler derin öğrenme çerçevesi haline geldi ve çok sayıda geliştirici tarafından olumlu karşılandı. Ayrıca makine öğrenimi teknolojisini entegre eden Google Cloud, artık Amazon ve Microsoft Cloud'un en büyük rakiplerinden biri haline geldi.
En önemli şey, Google'ın derin öğrenme çerçevesi, bulut ve TPU kaynaklarının birlikte çalışabilir ve birbirine bağlı olmasıdır, bu da bir döngü oluşturmasına ve kademeli olarak daha fazla geliştiriciyi kazanmasına olanak tanır. Daha önce de belirtildiği gibi, Google, AI stratejisine odaklanan eksiksiz bir platform oluşturdu ve bu platformu kademeli olarak kurumlara, geliştiricilere ve bireysel kullanıcılara zorluyor. AI alanında, Google gerçek bir imparatorluk inşa ediyor.
Sina Technology tarafından yayınlanan bir rapora göre Jeff Dean, TensorFlow'un Çin'deki kullanıcı sayısının 70.000 olduğunu açıkladı.
Haberlere göre, DeepMind CEO'su Hassabis ve diğerleri sadece Wuzhen'de olmayacak, aynı zamanda BAT dahil olmak üzere birçok yerli teknoloji şirketi ile temasları ve değişimleri olacak. Bu bakış açısından, Bay Schmidt BAT'ın TensorFlow ve TPU'yu denemesine izin vermek şaka değil.
Çin'in AI ekosistemindeki devler ve birçok yeni şirket için bu bir hidrojen bombası mı yoksa atom bombası mı?
Referans malzemeler: https://www.forbes.com/sites/moorinsights/2017/05/22/google-cloud-tpu-strategic-implications-for-google-nvidia-and-the-machine-learning-industry/3 / # 5fae19b8513d
