Компания надеется ускорить инновации вокруг глубокого обучения, внося основанные на GPU проектирования системы в OCP.Официальные лица Facebook сказали, что гигантская социальная сетевая компания сохранила больше чем $2 миллиарда в расходах центра обработки данных при помощи открытых технологий через Открыть Compute Project, который она основала в 2011. Они также сказали, что усилие помогло ускорить инновации ресурсов инфраструктуры, таких как серверы и сетевые устройства.Facebook теперь хочет вести преимущества открытого исходного кода в высококонкурентный мир искусственного интеллекта (AI).
Официальные лица компании 10 декабря объявили, что они делают планы относительно крупных серверов Facebook разработанными для AI в свободном доступе, внося проекты для систем «Биг-Сура» к Открытому вычисляют проект (OCP). Компания, через ее инициативу Факела, уже открыто получила часть в результате поиска своего кода глубокого обучения.Делая то же с Биг-Суром – который Facebook по сообщениям продолжал работать в течение 18 месяцев – любой может взять проекты сервера и воспроизвести серверы для их собственного использования, поскольку они надеются ускорять свои собственные усилия по программному обеспечению AI.
Для Facebook, который мог означать более быстрый доступ к таким важным приложениям как усовершенствованное распознавание лиц и распознавание речи, распознавание объектов в фотографиях и видео, и автоматизировал текстовое сообщение. Это могло также привести к снижению стоимости таких инноваций.«Часто вещи мы, открытый исходный код становится стандартами в сообществе и это упрощает и более дешевый для нас для получения вещей позже, потому что мы помещаем их там», сказал Серкэн Пиэнтино, директор по разработке группы AI Facebook, во время конференц-вызова 10 декабря, по словам Блумберга.
Растущее число главных технических проигрывателей и меньших новых проектов стимулирует развитие искусственного интеллекта и технологий глубокого обучения, которые позволят их продуктам учиться, думайте и действуйте более человекоподобные. Они будут крайне важны для таких предприятий как самоходные автомобили и поставщиков в пределах от Google и IBM к Microsoft, Apple и Baidu увеличивают их инвестиции в пространство.
В недавних усилиях Apple в октябре купила новый проект AI, Perceptio и Google купили долю в немецком Научно-исследовательском центре для Искусственного интеллекта.В прошлом месяце Google выпустил свою технологию машинного обучения второго поколения, названную TensorFlow, сообществу разработчиков ПО с открытым исходным кодом.
Со своей стороны, Facebook по последним четырем кварталам увеличил свой R&D бюджет больше чем к $1 миллиарду за четверть, считающим в новый финансовый период приблизительно для 28 процентов его доходов. В 2013 компания наняла Yann LeCun для заголовка его научно-исследовательских работ AI и в прошлом году зарегистрировалась в системе Владимир Вапник, у которого есть экспертные знания в алгоритмах глубокого обучения.Официальные лица Facebook по сообщениям сказали во время конференц-вызова, что Биг-Сур дважды с такой скоростью, как текущие системы центра обработки данных компании и приблизительно на 30 процентов менее дорог, чем аналогичные системы, которые находятся на рынке. Сервер AI также использует GPUs от Тесла Nvidia Ускоренная Платформа Обработки, которая была выпущена в прошлом году как способ ускорить обучение нейронных сетей, которые являются в основе технологий искусственного интеллекта.
По словам официальных лиц Nvidia, платформа Тесла может сократить к 10 – 20 раз дням или неделям, которые необходимы для обучения нейронных сетей, позволяя разработчикам более быстро обновить и поставить результаты. Facebook является первым для использования акселераторов M40 GPU Тесла Nvidia – которые были выпущены в ноябре – для обучения нейронных сетей. Каждая система использует восемь GPUs, что каждый использует 300 ватт.«Глубокое обучение запустило новую эру в вычислениях», Иэн Бак, вице-президент ускоренных вычислений в Nvidia, заявленном. «Включенный большими данными и мощным GPUs, алгоритмы глубокого обучения могут решить проблемы, никогда не возможные прежде.
Огромные отрасли от веб-сервисов и розничная торговля к здравоохранению и автомобилям будут коренным образом изменены».GPUs предлагают больше ядер обработки и лучшей эффективности питания, чем традиционные микросхемы от Intel и других, делая их привлекательными для машинного обучения и искусственного интеллекта.
Организации в пространстве высокоэффективных вычислений (HPC) использовали акселераторы GPU от Nvidia и Advanced Micro Devices много лет как способ улучшить исполнение их систем при подавлении потребляемой мощности.Официальные лица Nvidia предназначались для вызванного глубокого обучения как машинного обучения также ключевая область роста для компании, делая его ключевой темой на Технологической Конференции GPU компании ранее в этом году.