Централните процесори може да излязат от еволюционния си унес, а причината за очаквания скок ще бъдат невронните мрежи и машинното обучение. През настоящата година се заражда нова ниша на специализирани процесори.
Разработки като Google Tensor Processing Unit (TPU), Fujitsu Deep Learning Unit (DLU) и Graphcore Intelligent Processing Unit (IPU), както и многобройните прототипи на база програмируеми логически матрици от Altera и Xilinx привличат интереса на операторите на големи центрове за данни по целия свят, като например Baidu.
Гафичните чипове от последно поколение също се справят отлично със задачите, свързани с невронни мрежи, благодарение на високата степен на паралелизъм, но не са толкова икономични, колкото специално създадените за тази цел решения.
[related-posts]
В момента се наблюдава борба за доминация в новата ниша. Така например, в графичните чипове на Nvidia се появиха специални ядра за тензорни изчисления – по-конкретно, във Volta V100 има 640 такива ядра. Обикновено те изпълняват математически изчисления с опростена точност – 32 и 16 бита с плаваща запетая, а понякога и целочислени до 8 бита.
AMD също развива подобни продукти и това са ускорителите от серията Radeon Instinct. Но по-интересното е, че еволюционна мутация се наблюдава и в x86-съвместимите процесори. Такива например са Intel Knights Mill, в които част от общата производителност е заделена за специализирани задачи по машинно обучение.
Кой ще победи в започналата надпревара все още е трудно да се прогнозира. Решения като Nvidia Volta и Radeon Instinct може да последват съдбата на динозаврите, тъй като отстъпват на Google TPU в съотношението енергопотребление/производителност при изпълнение на специални задачи.
Ролята на протобозайници в този ускорен еволюционен процес играят решенията на база програмируеми логически матрици, но като царе на невронните мрежи се очертават мощните специализирани процесори от рода на Google TPU.
Еволюцията обаче е нелинеен процес и могат да възникнат нишови решения, способни да работят не само със системи за машинно обучение. Освен това самите системи за обучение могат да бъдат много различни и да изискват гъвкавост, на която ASIC чиповете не отговорят.
Може да възникне също необходимост от изпълнение на паралелно изпълнение на задачи в друг порядък, където решения от рода на Intel Knights Mill ще намерят своето място в еволюцията на процесорите. Едно е ясно обаче – генът на машинното обучение вече е проникнал задълго в съвременните процесори.
1 коментар
Първо чиповете не са живи организми, за да имат гени. Второ тясната специализация в изчисленията на конкретен вид задачи е голямо ограничение. След краят на Закона на Мур ще се очаква застой в развитието на хардуера на всички видове компютри. За огромно съжаление този последен писък на модата е само прах в очите на хората. Съвсем скоро масово ще продават на хората само абонаменти с празни черупки / кутийки на фалшиви устройства, които нищо не могат да правят, ако не са свързани в интернет към някой си доставчик на облачни услуги. С една дума голяма деградация и връщане назад десетилетия, когато компютрите са били много скъпи през 1970-1990 години – тогава е имало мейнфрейми нещо като централен компютър и достъп чрез множество дистанционни така наричани тъпи устройства – терминали представляващи само екран и клавиатура. Та това е мрачното бъдеще на компютърната индустрия с маниата по облачните услуги, софтуер и всякакъв вид машинното обучение …