Skip to content

Miksi hermopiireistä rakentuvat älykoneet kuten IBM:n TrueNorth – laite on Deep Learningin ehdoton kulmakivi

kesäkuu 24, 2015

Sekä YouTube että netti ovat täynnä toinen toistaan ylistävimpiä tarinoita Deep Learning algoritmien kyvykkyydestä. Näistä ehkä yksi näyttävimpiä kokonaisuuksia on IBM:n Watson – hankkeet, mutta se ei jää tähän vaan vastaavaa on Googlella esimerkiksi itseajava auto hanke sekä itseoppivat kuvan tunnistus ja verkkohaku. Kiinalainen Baidu rakensi supertietokoneen sen Deep Learning tehtävien toteutukseen. Kaikki nämä neuroverkkomenestykset on saatu aikaan perinteistä von Neumann tietokoneita käyttäen. On kuitenkin pitkään ollut selvää, että perinteinen tietokone on rakenteellisesti todella huono hermoverkkojen toteutusalusta. Esimerkiksi tuo Baidun kone Se koostuu 36-palvelimesta, joilla kullakin on 2 kuuden ytimen Intel Xeon E5-2620 prosessoria. Jokaisessa GPU:ssa on 4.29TFlopsin liukuluvun suorituskyky ja 12 Gt muistia. Yhteensä laitteistossa on 6.9TB keskusmuisti ja noin 0,6 [petaflops] teoreettinen yhden tarkkuus huipputeho

Niinpä on selvää, että ne lupaukset ja tulevaisuudenkuvat on rakenneltu väärälle argumentaatiolle. Suuri osa puhujista, jotka esittävät näiden tulevaisuuden näkymiä, puhuvat siitä, että laitteiden suorituskyvyt kasvavat, mutta jättävät sanomatta, että nämä vaativat aina massiivisempia laitekokonaisuuksia. Näin ollen ne eivät voi muodosta pohjaa tulevaisuudessa laajasti käytettäviä toteutuksia varten.

Itse asiassa D. Modha, joka on IBM:n SyNAPSE neurokonehankeen vetäjä, toteaa esityksessään, että ratkaisu suorituskykyongelmaan, ei löydy perinteisten koneiden tehoja lisäämällä vaan aivan vastakkaisesta suunnasta. Seuraavassa graafissa näkyy aivojen piirien kellotaajuus ja virrankulutus. Tästä nähdään, että nykyinen prosessorikehitys etääntyy aivojen vastaavista parametreistä.

IBM_SYNAPSE_neuropiirin_virrankulutus

Näin ollen True North piiri on suunniteltu aivan eri lähtökohdista käsin vastaamaan aivojen rakennetta. Se on hidas massiivisesti samanaikainen siinä ei ole kelloa vaan se on kokonaan tapahtumaohjattu kuten esikuvansa. Näin on saatu aikaan laite, jonka on osoitettu toimivan samalla tavalla kuin Deep Learning algoritmit, mutta laite on 1000 kertaa nopeampi kuin vastaava perinteisellä laitteella toteutettu ratkaisu ja uusi laite selviää noin 200 000 osalla energiaa! Näin ollen ei jää epäselväksi minkä laiteratkaisun on tulevaisuus.

True North -teknologia on valmis kaupalliseen valmistukseen, mutta sitä ei vielä ole. Selkeä pulma tuntuu olevan se, että IBM on kehityksessään todella pitkällä muita edellä. Voidaan jopa sanoa, että muut ovat vasta lähtökuopissa. Tämä tosiasia on erittäin merkittävä. Sitä voi verrata iPhone etulyöntiasemaan aikoinaan puhelinmarkkinoilla, mutta tämä on vielä moni kerroin merkittävämpi markkina. Jopa IBM:n sisällä tuntuu olevan ristivetoa SyNAPSE- ryhmän ja Watson-ryhmän välillä, sillä Watson perustuu auttamattoman vanhaan teknologiaa. Sitä ollaan kuitenkin työntämässä voimallisesti markkinoilla. Samalla voi toki myydä laitteistoja, jotka ovat sekä kalliita hankkia että käyttää. ( kts: http://goo.gl/AyfAwU viimeinen kappale: So, why should I care about TrueNorth? )

Mainokset

From → Uncategorized

Jätä kommentti

Vastaa

Täytä tietosi alle tai klikkaa kuvaketta kirjautuaksesi sisään:

WordPress.com-logo

Olet kommentoimassa WordPress.com -tilin nimissä. Log Out / Muuta )

Twitter-kuva

Olet kommentoimassa Twitter -tilin nimissä. Log Out / Muuta )

Facebook-kuva

Olet kommentoimassa Facebook -tilin nimissä. Log Out / Muuta )

Google+ photo

Olet kommentoimassa Google+ -tilin nimissä. Log Out / Muuta )

Muodostetaan yhteyttä palveluun %s

%d bloggers like this: