AI superdators, kas izveidots, izmantojot datu noliktavas, lai iegūtu dīkstāves skaitļošanas jaudu

Nesenie runas un attēlu atpazīšanas uzlabojumi ir veikti, jo tādi uzņēmumi kā Google veido lielākas, jaudīgākas datoru sistēmas, lai darbinātu mašīnmācības programmatūru. Tagad nosacīti mazs, privāts uzņēmums sauc Jūtošs ar tikai aptuveni 70 darbiniekiem, apgalvo, ka var lēti salikt pat lielākas skaitļošanas sistēmas, lai darbinātu mākslīgā intelekta programmatūru.



Uzņēmuma pieeja var nebūt piemērota visu veidu mašīnmācībai — tehnoloģijai, kas tiek izmantota tik daudzveidīgi kā sejas atpazīšana un finanšu tirdzniecība. Sentient nav publicējis sīkāku informāciju, bet saka, ka ir parādījis, ka tas var apvienot pietiekami daudz skaitļošanas jaudas, lai dažos gadījumos radītu nozīmīgus rezultātus.

Sentient spēks rodas, savienojot simtiem tūkstošu datoru, izmantojot internetu, lai tie darbotos kopā tā, it kā tie būtu viena mašīna. Uzņēmums precīzi nepateiks, kur atrodas visas iekārtas, kurām tas pieskaras. Taču daudzi ir dīkstāvē datu centros, noliktavām līdzīgās iekārtās, kas nodrošina interneta pakalpojumus, piemēram, vietnes un mobilās lietotnes, saka Babaks Hodjats, Sentient līdzdibinātājs un galvenais zinātnieks. Uzņēmums maksā datu centra operatoram par tā rezerves iekārtu izmantošanu.





kāpēc cilvēki pērk nft

Datu centros bieži ir ievērojams skaits dīkstāves iekārtu, jo tie ir veidoti tā, lai tiktu galā ar pieprasījuma pieaugumu, piemēram, pārdošanu Melnajā piektdienā. Sentient ir izveidojis programmatūru, kas savieno mašīnas dažādās vietās internetā un liek tām darboties, izmantojot mašīnmācības programmatūru, it kā tie būtu viens ļoti spēcīgs dators. Šī programmatūra ir izstrādāta tā, lai dati būtu pēc iespējas šifrēti, lai tas, ar ko Sentient strādā (iespējams, klientam), tiktu saglabāts konfidenciāls.

Sentient var iegūt līdz vienam miljonam procesora kodolu, kas vairākus mēnešus vienlaikus strādā pie vienas un tās pašas problēmas, saka Ādams Bēbergs, uzņēmuma izplatītās skaitļošanas galvenais arhitekts. Viņš saka, ka Google lielākās mašīnmācības sistēmas nesasniedz šādu mērogu. Google pārstāvis atteicās dalīties ar informāciju par uzņēmuma infrastruktūru un atzīmēja, ka rezultāti, kas iegūti, izmantojot mašīnmācīšanos, ir svarīgāki par aiz tā esošās datorsistēmas mērogu. Google plaši izmanto mašīnmācīšanos tādās jomās kā meklēšana, runas atpazīšana un reklāmu mērķauditorijas atlase.

ko nozīmē vīruss

Bēbergs palīdzēja izveidot ideju par datoru savienošanu dažādās vietās, lai kopīgi risinātu problēmu (skatiet sadaļu Inovatori, kas jaunāki par 35 gadiem: 1999). Viņš bija Distributed.net dibinātājs, projekts, kas bija viens no pirmajiem, kas demonstrēja šo ideju plašā mērogā. Tās tehnoloģija izraisīja tādus centienus kā Seti@Home un Folding@Home , kurā miljoniem cilvēku instalēja programmatūru, lai viņu datori varētu palīdzēt meklēt citplanētiešu dzīvi vai dot ieguldījumu molekulārās bioloģijas izpētē.



Sentient tika dibināts 2007. gadā un ir saņēmis vairāk nekā 140 miljonus ASV dolāru investīciju finansējumam, no kuriem nedaudz vairāk par 100 miljoniem ASV dolāru tika saņemti pagājušā gada beigās. Uzņēmums līdz šim ir koncentrējies uz savu tehnoloģiju izmantošanu, lai darbinātu mašīnmācības tehniku, kas pazīstama kā evolūcijas algoritmi. Tas ietver problēmas risinājuma izstrādi no daudzu nedaudz atšķirīgu algoritmu sākotnējās populācijas. Pirmās paaudzes labākie izpildītāji tiek izmantoti, lai veidotu nākamās paaudzes pamatu, un nākamajās paaudzēs risinājumi kļūst arvien labāki.

Sentient pašlaik gūst zināmus ieņēmumus, darbojoties ar finanšu tirdzniecības algoritmiem, kas izveidoti, vairākus mēnešus vienlaikus palaižot savu evolūcijas procesu simtiem tūkstošu procesoru. Taču uzņēmums tagad plāno izmantot savu infrastruktūru, lai piedāvātu pakalpojumus, kas paredzēti tādām nozarēm kā veselības aprūpe vai tiešsaistes tirdzniecība, saka Hodjats. Šo nozaru uzņēmumi teorētiski maksātu Sentient par šiem produktiem.

Viņš neteiks vairāk par to, kas tie varētu būt. Sentients ir veicis pētījumus ar Toronto Universitāti un MIT, lai izveidotu programmatūru, kas var paredzēt sepses attīstību ICU pacientiem, pamatojoties uz tādiem datiem kā asinsspiediens un citi svarīgi rādītāji, saka Hodjats. Rezultāti liecināja, ka programmatūra var sniegt 30 minūšu brīdinājumu par sepses attīstību ar aptuveni 90 procentu precizitāti, taču uzņēmums ir nolēmis šo darbu nekomercializēt, viņš saka.

Pavisam nesen Sentient ir mēģinājis pielāgot savu pieeju darbam ar mākslīgā intelekta veidu, ko sauc par dziļo mācīšanos. Šis paņēmiens nesen ir radījis pārsteidzošus sasniegumus tādās jomās kā attēlu un runas atpazīšana, un tā ir kļuvusi par galveno uzmanību mākslīgā intelekta jomā tādos uzņēmumos kā Google, Facebook un Baidu (skatiet 10 Breakthrough Technologies 2013: Deep Learning). Dažus no labākajiem padziļinātās mācīšanās rezultātiem nodrošina programmatūras palaišana ļoti jaudīgos, specializētos datoros (skatiet Baidu mākslīgā intelekta superdatoru pārspēj Google attēlu atpazīšanas jomā).



Reza Zadehs Stenfordas universitātes konsultants profesors, kurš strādā pie tā, lai mašīnmācība darbotos plašā mērogā, saka, ka liela datoru kolekcija dažādās vietās palīdz atrisināt dažas problēmas, bet ne visas.

cik ātras ir smadzenes

Tas ir visspēcīgākais, ja uzdevumu var sadalīt mazos gabalos, ar kuriem var strādāt atsevišķi datori, bez nepieciešamības sazināties internetā, kas ir salīdzinoši lēns. Bet daži no daudzsološākajiem veidiem, kā padarīt mašīnmācību jaudīgāku, prasa dažādus procesorus, lai daudz sazinātos, saka Zadehs.

Google un Baidu ir ziņojuši par ievērojamiem rezultātiem dziļās mācīšanās izmantošanā runas un attēlu atpazīšanai, izmantojot ļoti lielas datu kopas vai veidojot lielākus mākslīgos neironu tīklus. Abām pieejām ir nepieciešama pastāvīga datu plūsma starp dažādiem procesoriem, saka Zadehs.

Berbergs piekrīt, ka dziļo mācīšanos ir grūtāk pielāgot sistēmai, kurā ir simtiem tūkstošu datoru, kas savienoti ar internetu, taču saka, ka Sentient progresē. Viņš saka, ka tajā vienlaikus ir tūkstošiem procesoru, kas strādā pie dziļas mācīšanās.

paslēpties

Faktiskās Tehnoloģijas

Kategorija

Bez Kategorijas

Tehnoloģija

Biotehnoloģija

Tehniskā Politika

Klimata Izmaiņas

Cilvēki Un Tehnoloģijas

Silikona Ieleja

Datortehnika

Žurnāls Mit News

Mākslīgais Intelekts

Kosmoss

Gudrās Pilsētas

Blockchain

Funkcijas Stāsts

Absolventu Profils

Absolventu Savienojums

Mit News Funkcija

1865. Gads

Mans Skats

77 Mass Ave

Iepazīstieties Ar Autoru

Profili Dāsnumā

Redzēts Universitātes Pilsētiņā

Absolventu Vēstules

Jaunumi

2020. Gada Vēlēšanas

Ar Indeksu

Zem Kupola

Ugunsdzēsības Šļūtene

Bezgalīgi Stāsti

Pandēmijas Tehnoloģiju Projekts

No Prezidenta

Vāka Stāsts

Foto Galerija

Ieteicams