Истории

Самый мощный суперкомпьютер в мире поставил новый рекорд в сфере ИИ

Истории
Анна Самойдюк
Анна Самойдюк

Редактор

Анна Самойдюк

Самые успешные технологические компании регулярно пытаются сделать искусственный интеллект умнее. Google и Facebook проводили эксперименты, используя миллиарды фотографий и тысячи мощных процессоров. Однако в прошлом году правительственный проект превзошел масштаб любой лаборатории ИИ.

Самый мощный суперкомпьютер в мире поставил новый рекорд в сфере ИИ

В рамках проекта исследования климата гигантский компьютер запустил эксперимент по машинному обучению, который протекал быстрее, чем когда-либо прежде.

Самый мощный суперкомпьютер в мире Summit, занимающий площадь, эквивалентную двум теннисным кортам, задействовал в этом проекте более 27 тысяч мощных графических процессоров. Он использовал их мощность для работы алгоритмов глубокого обучения. 

Проект фокусировался на одной из самых важных мировых проблем: смене климата. Технологические компании обучают алгоритмы распознавать лица или дорожные знаки, а правительственные ученые – погодные условия вроде циклонов по климатическим моделям, которые умещают столетние прогнозы атмосферы Земли в три часа.

Проект важен как для будущего ИИ, так и климатологии. Он демонстрирует научный потенциал применения глубокого обучения к суперкомпьютерам, которые традиционно моделируют физические и химические процессы. Он также показывает, что мы можем достичь большего на высоких вычислительных мощностях.

«Мы не знали, что это можно сделать в таких масштабах», – сказал Раджат Монга, технический директор в Google. Он вместе с другими сотрудниками компании адаптировал открытую программную библиотеку для машинного обучения TensorFlow для гигантского масштаба Summit.

Фото: Phys.org

Большая часть работы по масштабированию глубокого обучения проводилась в центрах обработки данных, где серверы решали задачи, разделяя их на части, поскольку они были связаны между собой относительно свободно, не являясь одним целым. У суперкомпьютеров вроде Summit другая архитектура: тысячи их процессоров объединены в систему, которая может работать как одно целое. До недавних пор мало кто стремился адаптировать машинное обучение к такой мощной аппаратуре.

Монга утверждает, что работа по адаптации TensorFlow под масштабы Summit поможет Google расширить свои внутренние ИИ-системы. Инженеры из Nvidia также принимали участие в проекте – они сделали так, чтобы десятки тысяч процессоров машины работали без сбоев.

Проект показывает, как ИИ в широких масштабах может улучшить наше понимание будущих погодных условий. Когда исследователи генерируют столетние предсказания погоды, чтение полученного прогноза становится сложной задачей. Обычно для автоматизации этого процесса используется программное обеспечение, но оно не совершенно. Результаты Summit показали, что машинное обучение может делать это намного лучше, что должно помочь в прогнозировании наводнений и других природных катастроф.

По словам Майкла Притчарда, профессора в Калифорнийском университете, использование глубокого обучения на суперкомпьютерах – новая идея, которая пришла на ум исследователям в правильное время. Отсутствие значительных улучшений в традиционных процессорах сподвигло инженеров снабжать суперкомпьютеры все большим количеством графических чипов, чтобы производительность росла более стабильно.

Эти перемены, вероятно, предоставят нам более четкое понимание будущего погоды и науки в целом. В прошлом году команда Питчарда показала, что глубокое обучение может генерировать более реалистичные симуляции облаков; это, в свою очередь, улучшит прогнозы изменения характера осадков.

Источник.


Материалы по теме:

Ученые проведут эксперимент, который будет длиться 500 лет. В чем его суть?

Ученые научились переводить сигналы мозга в распознаваемую речь

Телепортация: реально ли перемещаться на тысячи километров?

7 удивительных примеров использования CRISPR в реальной жизни

Нашли опечатку? Выделите текст и нажмите Ctrl + Enter

Актуальные материалы —
в Telegram-канале @Rusbase

Комментарии

ПРОГРАММЫ И КУРСЫ

23 — 25 сентября 2019

INTR: Основы Hadoop

23 сентября — 21 декабря 2019

Digital Branding