Чипы Graphcore обеспечат 100-кратное ускорение работы систем искусственного интеллекта

Graphcore IPU

Компания Graphcore IPU заканчивает разработку специализированного чипа, предназначенного для ускорения выполнения задач, связанных с глубинным машинным обучением, самообучением и другими составными частями систем искусственного интеллекта. При этом, основной упор делается на низкую стоимость будущих чипов, использование которых позволит существенно сократить расходы на обучение, самообучение и использование искусственного интеллекта для решения практических задач. А испытания первых образцов чипов Graphcore показали, что они способны обеспечить 100-кратное превосходство по производительности по сравнению с самыми быстрыми системами на сегодняшний день.

Упомянутое выше ускорение получается не только за счет одних аппаратных средств чипа IPU (Intelligence Processing Unit). Большую роль в этом играет мощная параллельная обработка данных и программная поддержка данных, представленных в виде графов. Широкий набор библиотек дает разработчикам практически неограниченные возможности для использования глубинного обучения и искусственного интеллекта в решении практических задач различного плана.

Ускорение работы систем ИИ

В настоящее время специалисты компании Graphcore занимаются доводкой архитектуры чипа-ускорителя и набора программного обеспечения, оперирующего графами данных с «фирменной» структурой Poplar. Кроме этого, специалисты Graphcore создали порт программ MXNet и TensorFlow, широко используемых в системах искусственного интеллекта. Эти портированные варианты способны максимально эффективно использовать все возможности ускорителей IPU и работать с графами Poplar.

Интересен тот факт, что первые образцы чипов Graphcore IPU уже используются для высокоточного моделирования более поздних вариантов этих же самых чипов, позволяя специалистам работать не с виртуальными математическими моделями, а с реальными аппаратными средствами.

Ключевые слова:
Чип, Graphcore, IPU, Ускорение, Искусственный, Интеллект, Данные, Обучение, Обработка, MXNet, TensorFlow

Первоисточник

Другие новости по теме:

Share Button

Материалы по теме:

Исследователи Google DeepMind обучили искусственный интеллект играть в «Quake III Arena» лучше живых людей
Одним из направлений развития систем искусственного интеллекта является улучшение качества и увеличения реалистичности компьютерных игр. В этой области искусственный интеллект может составлять новые карты ...
Создана система искусственного интеллекта, способная выявить поддельные изображения
Благодаря наличию целого ряда специализированных и простых в использовании программ, ориентированных на обработку цифровых изображений, таких, как Adobe Photoshop, дело создания фальсифицированных изображений упрощается ...
Система искусственного интеллекта компании IBM выиграла дебаты у самого искушенного в этом деле человека
Череда побед систем искусственного интеллекта над людьми, которая началась в 1997 году победой системы IBM Deep Blue над Гарри Каспаровым, чемпионом мира по шахматам, ...
Новая система компании NVidia, основанная на искусственном интеллекте, превращает любое видео в сверхвысококачественную замедленную съемку
Исследователи компании NVidia, занимающиеся искусственным интеллектом, продемонстрировали новую систему на базе нейронной сети, которая может превратить любое видео в сверхвысококачественную замедленную съемку путем глубокой ...
Ученые научились создавать квантовые сети произвольной конфигурации, используя явление квантовой запутанности
Группа исследователей QuTech из Технологического университета Дельфта, Нидерланды, разработала технологию создания квантовой запутанности между двумя чипами, при этом, запутанность между отдельными элементами этих чипов, ...
You can skip to the end and leave a response. Pinging is currently not allowed.

Leave a Reply

Яндекс.Метрика