Andra generationens Tensorbehandlingsenheter (TPU) tillkännagavs 2017 Google I / O

Google som företag lanserar ständigt ny teknik med potential att radikalt förändra hela industrier och förändra kursen för mänsklig civilisation, med några av de bästa pressmeddelandena som är reserverade för utsläpp vid den årliga I / O-konventionen. I år gjorde Sundar Pichai (VD), Jeff Dean (Research) och Urs Hölzle (Google Cloud) samtidigt tidsinställda tillkännagivanden som effektivt lanserade en helt ny form av molnvärd baserad på maskininlärning och artificiell intelligens. Google har utvecklat en ny typ av datorserver med avancerade Tensor-processenheter eller TPU: er som fungerar för att optimera maskininlärningsprocesser för AI på ett sätt som liknar det sätt som GPU: er fungerar i avancerad matematisk återgivning av höghastighetsdatorgrafik eller för att accelerera Bitcoin brytning. Google avser att göra maskininlärningsservrar tillgängliga för forskning och utveckling av open source-standarder genom molnberäkningsplaner som kan programmeras med TensorFlow, "ett öppet källkodsprogram för maskinell intelligens." Lanseringen av Cloud TPU-värd är en av höjdpunkterna i Googles förändring från a "mobil-först" till "AI-först" företag och symboliskt för dess mål att utvecklas "AI-först" datacentra över alla nuvarande affärsverksamheter.


Andra generationens Tensorbehandlingsenheter (TPU) tillkännagavs 2017 Google I / O

TensorFlow – Ett öppet källkodsprogram för maskinell intelligens

Tillkännagivandet av Cloud TPU-värd representerar potentiellt ett viktigt ögonblick för spelets förändring för framtiden för webbhotell, datacenterhantering och utveckling av mjukvaruprogram. Många har kommit till Google I / O-tillkännagivanden med mindre entusiasm efter att den enorma hype kring Google Wave och Google Glass båda inte utvecklats till livskraftiga nya produkter. Emellertid har Android-plattformen som tillkännagavs vid Google I / O 2008 därefter skalat att överträffa 2 miljarder enhetsinstallationer på mindre än tio år. Googles filosofiska förskjutning från a "mobil först" till en "AI först" Företaget har redan implementerats internt och förändringarna finns i många av företagets befintliga sök-, foton-, e-post-, kartor- och språkapplikationer. Genom att lansera Cloud TPU-värdstjänster baserade kring TensorFlow-plattformen och en helt ny typ av molndator utvecklad för de unika kraven på maskininlärning och artificiell intelligens, bevisar Google som företag att de fortfarande är relativt ljusa år före tävlingen igen.

Branschanalytiker rusade för att beräkna de uppskattade effekterna av Cloud TPU-värdplattformen på Intel, AMD, & Nvidia efter I / O-tillkännagivandet, eftersom de stora chiptillverkarna och GPU-designföretagen i sektorn reagerade på den senaste Google-produktlanseringen. Det är tydligt att konstgjord intelligens och maskininlärning är nästan obegränsad i potential som sektorer för ny hårdvara & mjukvaruutveckling inom IT. Enligt pressmeddelandet levererar Googles enda TPU-servrar "upp till 180 teraflops med flytande punktprestanda … en TPU-pod innehåller 64 andra generationens TPU: er och ger upp till 11,5 petaflops för att påskynda utbildningen av en enda stor maskininlärningsmodell." De AI-optimerade molnservrarna kan användas för att bygga nya applikationer för avancerat taligenkänning, röstöversättning, bildsökning och många andra syften inom forskning, industri, vetenskap och design. Google främjar användningen av AI & maskininlärning för att tänka om traditionella problem i alla större industrisektorer för att utveckla nya innovativa produkter på marknaden.

En av anledningarna till att de nya TPU-servrarna har utvecklats av Google är att optimera hur AI utvecklas genom användning av neurala nätverk i maskininlärning. Detta inkluderar att utveckla datorns förmåga att "ser" och "förstå" vad som finns i en bild, liksom att leda till ny potential i datorn "hörsel" genom röstigenkänning och "läsning" genom optisk textigenkänning. Sjukvård, bioteknikforskning, medicin, genetisk sekvensering, astrofysik, kvantefysik, biologi, kemi, arkitektur, & teknik – Google letar efter ett sätt att skala från den nuvarande miljön där AI-forskning och maskininlärning med neurala nätverk främst är domänen för doktorander i datavetenskap till tillämpningen av innovation inom breda sektorer i samhället och industrin. Detta kommer att kräva hundratusentals professionella utvecklare och AI / ML-programmerare, vilket gör TensorFlow till en potentiellt värdefull plattform för att dela öppen källkod när man bygger nya program. Google.ai är ett annat projekt som representerar en samling experter från olika Google-avdelningar som alla arbetar för att få fördelarna med AI till alla genom tillämpad forskning och ny utveckling av konsumentprodukter baserat på djup inlärning. & nervnät.

Introduktionsvideo: TensorFlow (2017)

TensorFlow: Open Source Machine Learning – "TensorFlow är ett program med öppen källkodsprogramvara för numerisk beräkning med hjälp av dataflödesdiagram. Ursprungligen utvecklad av forskare och ingenjörer som arbetar med Google Brain Team inom Googles forskningsorganisation för maskinell intelligens i syfte att bedriva maskininlärning och djup neuralt nätverk.." Följ TensorFlow på Twitter.

Google Cloud TPU-plattform – Accelerated Machine Learning för en ny generation appar

Googles molnberäkningsplattform innehåller för närvarande Skylake-CPU: er från Intel, Nvidia GPU: er och de nya TPU-servrarna som lanseras av interna forsknings- och utvecklingsgrupper i företaget. Tensor Processing Unit (TPU) är ett ASIC-chip (applikationsspecifik integrerad krets) som många undrar om Googles senaste forskning har lett till utvecklingen som kommer att överträffa Intel, AMD, & Nvidia inom konstgjord intelligens och maskininlärning chipdesign. De närmaste industriprodukterna som konkurrerar med TensorFlow är Nervana Engine och Nervana Cloud som utvecklas av Intel med den Python-baserade Neon deep learning-plattformen. Nvidia har lanserat Volta (V100-serien) maskininlärningschip tillsammans med sin egen Deep Learning Accelerator (DLA). Wave Computing’s Dataflow Architecture är ett annat startprodukt-ekosystem inom denna sektor. Google har släppt omfattande testresultat från sina datacenter som jämför TPU-prestanda (Tensor Processing Unit) med Intel Haswell CPU och Nvidia K80 GPU. Sammantaget konstaterade Googles forskning att "på våra AI-arbetsbelastningar som använder neurala nätverksstörningar, är TPU 15x till 30x snabbare än samtida GPU: er och CPU: er." Även om vissa har ifrågasatt det faktum att TPU-servrarna endast kan användas med TensorFlow-plattformen för att programmera nya applikationer för närvarande är det uppenbart att ny produktutveckling med Google TPU-hårdvara bara börjar.

Andra generationens Tensorbehandlingsenheter (TPU) tillkännagavs 2017 Google I / O

Google Cloud TPU Hosting – "Med slutet av Moore’s Law tror många datorarkitekter att stora förbättringar av kostnads-energi-prestanda nu måste komma från domänspecifik hårdvara. Tensor Processing Unit (TPU), distribuerat i Googles datacentra sedan 2015, är ett anpassat chip som påskyndar djupa nervnätverk (DNN)." Läs mer om Google Cloud TPU Hosting.

TensorFlow Dev-toppmötet 2017: Machine Learning, AI, & Molntjänster

TensorFlow är en av de mest avancerade plattformarna som för närvarande finns i världen för att utveckla Al & ML-applikationer på öppen källkodsfundament. Forskningsmeddelandena som presenterades av Googles tekniker vid TensorFlow-utvecklarens toppmöte 2017 belyser den mångfaldiga och oväntade karaktären av programvaran byggd av programmerare internationellt med hjälp av neurala nätverk. Oavsett om medicin, jordbruk, vetenskap, industri, konst, musik, finans, affär, luftfart eller teknik, oberoende utvecklare, datavetare, akademiska forskare, kreativa konstnärer och hobbylaboratörer har alla lagt verktygen tillgängliga med TensorFlow-kod att fungera att bygga nya applikationer för produktiv användning i sina lokala miljöer. Det som återstår att se är hur denna nya utveckling inom molnberäkning och "internet av saker" kommer att gå över till webbapplikationer genom textigenkänning, data mining, meme generation, image & videosökning etc. till en ny generation AI-driven webbplatser och ML-aktiverade mobilapplikationer på den populära nivån. TensorFlow används redan av AirBNB, ARM, DeepMind, DropBox, eBay, Google, IBM, Intel, Qualcom, SAP, Snapchat, Twitter, Uber och andra mainstreamföretag i den dagliga affärsverksamheten. Det som kommer nästa kommer sannolikt att vara ännu mer transformativt än de förändringar som lanseras av framstegen inom cloud computing och mobilteknologi idag. TensorFlow-plattformen bygger också en väg till den bredare socialt transformativa visionen om konstgjord intelligens och maskininlärning som främjats av den äldre Google-forskaren Ray Kurzweil i sin serie böcker om "singulariteten". De konkurrerande kommersiella standarderna avancerade av Google, Intel, Nvidia, IBM, Microsoft, & andra företag i detta skede av kollektiv AI / ML-utveckling pekar också på den stora potentialen för ekonomisk avkastning från finansiell investering i fröstadiet i denna kommersiella sektor.

Keynote Video: Google I / O 2017

Google I / O Keynote – "Organisera världens information … genom att använda djup datavetenskap och teknisk insikt för att lösa problem i skala." Följ Googles vd Sundar Pichai på Twitter.

TensorFlow R&D – Plattformsresurser för ML-programmerare & AI-utvecklare

Medan maskininlärning, neurala nätverk och programmering av artificiell intelligens i generationer har varit forskningsmaterial för datavetenskapspersonal, lanserar Google TensorFlow-plattformen och meddelande om Cloud TPU-värd med ny hårdvara att innovationen från denna sektor äntligen anländer till mainstream. Inte all TensorFlow-forskning och -utveckling är dock begränsad till akademiker eller Fortune 500 IT-avdelningar. Det finns ett växande antal internetresurser på TensorFlow-plattformen, till exempel:

  • TensorFlow Community
  • TensorFlow-kod på GitHub
  • Operator Vectorization Library
  • TensorFlow Tutorials
  • Maskininlärning med TensorFlow
  • Google Developer Channel

Branschutvecklingen inom molnberäkning, big data applikationer, maskininlärning, artificiell intelligens, tingenes internet och 3D-utskrift verkar alla redo att integreras på nästa nivå av datacentreteknologi som exemplifieras genom lanseringen av Google Cloud TPU pod-nätverk.

Andra generationens Tensorbehandlingsenheter (TPU) tillkännagavs 2017 Google I / O

Accelerated Machine Learning – "Maskininlärning (ML) har kraften att förenkla våra liv kraftigt. Förbättringar av taligenkänning och språkförståelse hjälper oss alla att interagera mer naturligt med tekniken. Företag förlitar sig på ML för att stärka nätverkssäkerheten och minska bedrägerier. Framsteg inom medicinsk avbildning som möjliggörs av ML kan öka noggrannheten för medicinska diagnoser och utöka tillgången till vård och i slutändan rädda liv." Läs mer om Cloud TPU Hosting med TensorFlow.

Deep Neural Networks (DNNs): Deep Learning & Autonoma körapplikationer

Google fortsätter att vara hemlighetsfullt om sin egen företagsforskning inom autonoma datorplattformar för körning och hur detta hänför sig till ny industriutveckling inom TPU-dator, konstgjord intelligens, maskininlärning och robotik. Detta är inte förvånande eftersom bilindustrin står på väg till en stor lansering av den revolutionerande nya självkörande fordonstekniken i många företag, konsumenttransportmodeller och konkurrerande OS-plattformar. Nästan alla de stora bilföretagen och IT-företag internationellt, såväl som otaliga små nystartade mjukvaruutvecklingsföretag, rapporteras arbeta med banbrytande lansering av autonoma fordon under de närmaste åren. Nvidias Xavier-processor är nära besläktad med Volta-chipet som används i sin djupa inlärningsplattform, men Xavier GPU använder tensor-matematik för att driva Nvidias "Kör PX" autonom körprogramvara med avancerad AI. Det är troligt att Google-ledningen ser sin TPU-hårdvaruforskning som en väsentlig del av att utveckla framtiden för självkörande, autonoma fordon som drivs av Google Maps, AI, & maskininlärningsprogramvara som TensorFlow på nästa nivå. Leta efter fler tillkännagivanden i framtiden från Google om utvecklingen av autonom körteknik tillsammans med nästa generations djupinlärning av TPU-server.

Keynote Video – TensorFlow Dev Summit 2017

Google-utvecklare – "Jeff Dean, Rajat Monga och Megan Kacholia levererar huvudadressen vid det första TensorFlow Dev-toppmötet. De diskuterar: TensorFlow: s ursprung; Framsteg sedan TensorFlow’s öppen källkodslansering; TensorFlow’s blomstrande öppen källkod; TensorFlow-prestanda och skalbarhet; TensorFlow-applikationer runt om i världen … och dela några spännande meddelanden!" Läs mer om TensorFlow Dev-toppmötet 2017.

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me