На секретной конференции Amazon показали новый чип. Он может изменить будущее искусственного интеллекта

Совсем недавно, ясным утром в Палм-Спрингс, штат Калифорния, Вивьен Се вышла на небольшую сцену, чтобы провести, пожалуй, самую нервную презентацию в своей карьере. Тема была известна ей насквозь. Она должна была рассказать аудитории о чипах, которые разрабатывались в ее лаборатории в MIT и которые обещают принести мощный искусственный интеллект на множество устройств с ограниченным электропитанием. Известно, что большая часть вычислительных задач силами искусственного интеллекта сегодня проводился в огромных дата-центрах. Тем не менее, событие — и аудитория — заставили Се задуматься.

Искусственный интеллект на чипе

MARS — место проведения — представляет собой элитную конференцию, попасть на которую можно только по приглашению. Роботы перекатываются (или летают) по роскошному курорту, известные ученые общаются с писателями-фантастами. Очень немногие ученые приглашаются для технических докладов, и эти сессии должны быть и вдохновляющими, и поучительными. Между тем, народу собралось — около сотни известнейших исследователей, директоров и предпринимателей мира. MARS проводит не кто иной как основатель и председатель совета директоров Amazon, Джефф Безос. Он сидел в первом ряду.

«Аудитория, можно так сказать, была довольно высокого уровня», вспоминает Се со смехом.

Выступающие на MARS представили роботов-каратистов, дронов-насекомых и даже оптимистичные чертежи для марсианских колоний. Чипы Се могли показаться относительно скромными; невооруженный глаз не отличил бы их от чипов, которые имеются в любом электронном устройстве. Однако они — возможно — были намного важнее всего остального, что показали на мероприятии.

Новые возможности чипов

Новейшие разработки в области чипов — вроде тех, которые разрабатывались в лаборатории Се — могут иметь решающее значение для будущего прогресса искусственного интеллекта (ИИ), включая области тех же дронов и роботов, которые были на MARS. До недавних пор ПО для ИИ полагалось по большей части на графические чипы, но новое оборудование может сделать алгоритмы ИИ более мощными, что откроет новые применения. Новые чипы для ИИ могли бы сделать роботов-кладовщиков более повсеместными или позволить смартфонам создавать фотореалистичный пейзаж с дополненной реальностью.

Чипы Се одновременно и чрезвычайно эффективны, и гибкие в своем дизайне, что важно для области, которая стремительно развивается.

Эти микрочипы предназначены для того, чтобы выжимать больше из алгоритмов «глубокого обучения» ИИ, которые и без того перевернули мир с ног на голову. И в процессе этого они могут вдохновить сами алгоритмы на эволюцию. «Нам нужно новое аппаратное обеспечение, потому что закон Мура замедлился», говорит Се, имея в виду аксиому, введенную соучредителем Intel Гордоном Муром, который предсказал, что число транзисторов на чипе будет удваиваться примерно каждые 18 месяцев.

Сейчас этот закон все сильнее упирается в физические ограничения, связанные с инженерными компонентами в атомных масштабах. И это стимулирует новый интерес к альтернативным архитектурам и подходам к вычислениям.

Высокие ставки, связанные с инвестициями в чипы ИИ следующего поколения и сохранением доминирующего положения Америки в производстве чипов в целом, очевидны для правительства США. Микрочипы Се разрабатываются при поддержке программы DARPA по разработке новых конструкций микрочипов для искусственного интеллекта. И, конечно, эта программа создавалась на фоне стремительного развития Китая в этой же области.

Но инновации в производстве микрочипов стимулировались в основном за счет развития глубокого обучения, очень мощного способа обучения машин выполнению полезных задач. Вместо того, чтобы давать компьютеру набор правил, которым нужно следовать, машина по сути программирует себя сама. Обучающие данные подаются в большую имитируемую искусственную нейронную сеть, которая затем настраивается таким образом, чтобы получить желаемый результат. При достаточной тренировке система глубокого обучения может находить незаметные и абстрактные закономерности в данных. Этот метод применяется для растущего числа практических задач, от распознавания лиц на смартфонах до прогнозирования заболеваний по медицинским снимкам.

Новая гонка чипов

Глубокое обучение не особо зависит от закона Мура. Нейронные сети выполняют много математических вычислений параллельно, поэтому они гораздо эффективнее работают на специализированных графических чипах для видеоигр, которые производят параллельные вычисления для визуализации трехмерных изображений. Но микрочипы, разработанные специально для вычислений, лежащих в основе глубокого обучения, должны быть еще более мощными.

Потенциал новых архитектур микросхем для улучшения искусственного интеллекта поднял уровень предпринимательской активности, которого индустрия микросхем не видела десятилетиями.

Примеры?

Tesla секретно разработала собственные чипы для искусственного интеллекта своих автомобилей

Facebook планирует создать собственные чипы для лучшего искусственного интеллекта

Крупные технологические компании, которые надеются использовать и коммерциализировать ИИ — включая Google, Microsoft и Amazon — работают над своими собственными чипами глубокого обучения. Многие компании поменьше также разрабатывают новые чипы. «Невозможно уследить за всеми компаниями, которые прыгают в эту гонку за чипы ИИ», говорит Майк Делмер, аналитик микрочипов из Linley Group, аналитической компании. «Я не шучу: мы узнаем по крайней мере об одной каждую неделю».

Реальная возможность состоит не в том, чтобы построить самые мощные чипы глубокого обучения, считает Се. Важна эффективность энергопотребления, поскольку ИИ также нужно работать за пределами крупных дата-центров, полагаясь при этом лишь на энергию, доступную в батарее устройства.

«ИИ будет всюду — и выяснить, как сделать все это энергоэффективным, будет чрезвычайно важно», говорит Навин Рао, вице-президент по продуктам искусственного интеллекта в Intel.

Аппаратное обеспечение Се, к примеру, более эффективно потому, что оно физически уменьшает проблему того, где данные хранить и где анализировать, а также использует умные схемы для повторного использования данных. Перед тем, как присоединиться к MIT, Се впервые применила этот подход для повышения эффективности сжатия видео в Texas Instruments.

В такой быстроразвивающейся области, как глубокое обучение, задача тех, кто работает над чипами для ИИ, состоит в том, чтобы убедиться, что они достаточно гибкие, чтобы их можно было адаптировать под работу с любым приложением. Можно легко спроектировать суперэффективный чип, способный делать только одно, но такой продукт быстро устареет.

Чип Се называется Eyeriss. Разработанный в сотрудничестве с Джоэлем Эмером, научным сотрудником Nvidia и профессором MIT, чип был протестирован с рядом стандартных процессоров, чтобы увидеть, как он обрабатывает ряд различных алгоритмов глубокого обучения. Согласно статье, опубликованной в прошлом году, благодаря совмещению эффективности с гибкостью, новый чип достигает производительности в 10 или даже 1000 раз большей, чем существующее оборудование.

Более простые чипы ИИ уже оказывают существенное влияние. Высококачественные смартфоны уже включают чипы, оптимизированные для запуска алгоритмов глубокого обучения для распознавания изображений и голоса. Более эффективные чипы могли бы позволить этим устройствам обрабатывать более мощный код ИИ с лучшими способностями. Самоуправляемые автомобили нуждаются в мощных компьютерных чипах, поскольку большинство нынешних прототипов полагаются на гору компьютеров.

Рао говорит, что чипы MIT многообещающие, но успех новой аппаратной архитектуры будет определяться многими факторами. Один из наиболее важных факторов, по его словам, это разработка программного обеспечения, которое позволяет программистам запускать на нем код. «Создание чего-то полезного с точки зрения компилятора — это, пожалуй, самое большое препятствие для одобрения», говорит он.

Лаборатори Се также исследует и возможности создания программного обеспечения, которое будет лучше задействовать свойства существующих компьютерных чипов. И эта работа выходит за рамки просто глубокого обучения.

Вместе с Сертаком Караманом из отделения аэронавтики и астронавтики Массачусетского технологического института Се разработала маломощный чип Navion, который невероятно эффективно осуществляет трехмерное картирование и навигацию для крошечного дрона. Navion показывает, что программное обеспечение в области ИИ (глубокое обучение) и аппаратное (чипы) начинают эволюционировать совместно, в симбиозе.

Чипы Се, возможно, не так привлекают внимание, как машущие дроны, но тот факт, что их показали на MARS, говорит о важности ее технологий для будущего ИИ. Возможно, уже на следующей конференции MARS роботы и дроны будут с чем-нибудь новеньким внутри.