如今，人們大多聽說過人工智能系統(tǒng)，如IBM的沃森系統(tǒng)。六年前，谷歌公司的阿爾法狗（alphago）擊敗了圍棋世界冠軍；卡耐基-梅隆大學的libratus不久前擊敗一位世界頂級撲克選手。而全球各地的許多計算機科學家正在研究人工智能系統(tǒng)，但這些將不會出現(xiàn)在新聞中。

在過去五年左右的時間里，機器學習作為人工智能（AI）技術的一種得到了快速發(fā)展，如今已經(jīng)開始滲透到技術的每一個角落。從自駕車到網(wǎng)絡廣播，網(wǎng)絡安全和視頻監(jiān)控，企業(yè)正在培訓電腦替代人類做許多事情，并且做的更好，或者成本更低。

神經(jīng)網(wǎng)絡是一種旨在模擬神經(jīng)元在人類大腦中相互聯(lián)系的方式的計算機系統(tǒng)，被訓練為通過觀察，重復，試驗和錯誤，通過計算機科學家輔助來實現(xiàn)這些任務，這與父母培育嬰兒方式相似，雖然嬰兒要比其好得多。神經(jīng)網(wǎng)絡學習和了解口語，例如通過聽很多錄音，比如電影對話等，還通過查看大量圖像來學習識別對象。當它發(fā)生錯誤時，該數(shù)據(jù)被反饋到網(wǎng)絡，這使得每個周期的錯誤越來越少。

培訓是機器學習開發(fā)過程中耗費資源最多的計算工作量。深度學習軟件開發(fā)（深度學習是最廣泛的機器學習技術）的爆炸式增長正在推動對專業(yè)計算基礎設施的日益增長的需求，面向訓練神經(jīng)網(wǎng)絡所需的工作負載類型。這些計算機類似于科學家使用的高性能計算（HPC）系統(tǒng)，因此需要來自托管它們的數(shù)據(jù)中心的大量電力和制冷能力。

人工思維需要大量的電力

Cirrascale公司是美國加利福尼亞州的一家高性能硬件供應商和云服務提供商。該公司希望以這個趨勢為契機，其業(yè)務將轉向設計和托管深度學習計算基礎設施的廠商。除了銷售高性能的硬件之外，該公司還將其數(shù)據(jù)中心用于圣地亞哥以外的其他數(shù)據(jù)中心。

Cirrascale公司提供這種基礎架構即服務與亞馬遜網(wǎng)絡服務提供云服務器的方式有些類似，但有一些關鍵的差異。

該公司首席執(zhí)行官兼創(chuàng)始人David Driggers在接受行業(yè)媒體采訪時說：“這些類型的盒子非常強大。因為他們有很多的計算硬件資源，并且非常耗電。這與提供虛擬服務器實例的AWS不同，Cirrascale的深度學習云是一種裸機云服務，用戶會獲得一個專門的高性能盒子（或幾個）來運行所需要的任何軟件�！�

Driggers說，他的許多客戶從事的機器學習的開發(fā)工作是高性能計算世界的新手。設置，管理和清理HPC群集并不是一件小事，他們希望將這個問題讓理解它的工作人員解決。

Cirrascale公司的數(shù)據(jù)中心旨在提供每機架30kW以上的功率密度（普通的企業(yè)數(shù)據(jù)中心的功率密度為每機架3至5kW，很少超過10kW）。“這需要更多的電能，”Driggers說，“而這樣做很困難，我們沒有不會為此付出更大的代價。”

Cirrascale公司位于圣地亞哥數(shù)據(jù)中心的的裸機云平臺機柜

為了降低這種功率密度產(chǎn)生的熱量，數(shù)據(jù)中心采用Scale Matrix公司開發(fā)的專有液體冷卻系統(tǒng)進行冷卻，Scale Matrix公司擁有并經(jīng)營Cirrascale數(shù)據(jù)中心。大多數(shù)數(shù)據(jù)中心冷卻IT系統(tǒng)的空氣都是從前面到后面流動，而在這個數(shù)據(jù)中心的冷卻，是從設備部到頂部以極高的速度推送空氣，排出服務器機柜頂部的暖空氣。每個柜子都是封閉的環(huán)境，擁有自己的供水和空氣循環(huán)系統(tǒng)，并確保相鄰的機柜不會影響彼此的溫度。

Cirrascale公司有著多年建設高性能計算系統(tǒng)的經(jīng)驗，該公司的前身是Verari系統(tǒng)公司，該公司是2009年破產(chǎn)的一家HPC硬件和數(shù)據(jù)中心集裝箱供應商，Cirrascale公司兩年前進入的深度學習領域。Driggers說，“我們十多年前就已經(jīng)做到每機柜功率達到30千瓦，所以我們希望推出更高性能的計算機�！�

鏈接虛擬神經(jīng)元

超級計算機系統(tǒng)和用于訓練深層神經(jīng)網(wǎng)絡的系統(tǒng)構建的架構非常相似。Driggers認為，隨著后者成熟并開始規(guī)�；�，其架構將越來越像前者。

這種架構中的主力是GPU，或者更準確地說，將一組GPU并聯(lián)在一起并行計算。用于深度學習的單個Cirrascale服務器由NVIDIA（目前是深度學習中的GPU行業(yè)領導者）最多部署8個TeslaGPU，并與英特爾至強CPU協(xié)同工作。其最強大的云計算系統(tǒng)有8個雙GPU加速器，實際上是一個16GPU服務器，用戶可以每月約7,500美元租用。

Cirrascale公司GX8/99系列服務器采用Nvidia公司8個Tesla GPU

Cirrascale公司的最重要的創(chuàng)新，也是其技術皇冠上的寶石，是在單一系統(tǒng)中互連GPU的特殊方式，稱之為PCIe Switch Riser，它使任何一個GPU能夠以最大的帶寬與主板上的任何其他GPU直接通話，從而有助于提高性能和可擴展性。

Driggers說，DGX-1是NVIDIA公司自己專門為了深度學習而設計的超級計算機，以類似的方式進行了配置。NVIDIA的GPU互連技術稱之為NVLink。他承認，如果用戶需要“絕對的尖端”技術，那么用戶應該采用NVIDIA公司的產(chǎn)品。但是，如果用戶可以忍受降低15％的性能，則可以支付的一半價格。Cirrascale公司也具有與同樣的NVIDI AP100 GPU性能相當?shù)南到y(tǒng)。而該公司也銷售NVIDIA公司的DGX-1產(chǎn)品。

NVIDIA公司用于深度學習的DGX-1超級計算機

啟動常識解決問題

雖然關于深度學習的知識越來越廣泛傳播，但很少有企業(yè)實際上在生產(chǎn)中使用該技術。像Google和Facebook這樣的超級云計算運營商正在將其應用于許多面向用戶的功能，但大多數(shù)在該領域工作的公司仍處于開發(fā)階段，對于大多數(shù)Cirrascale公司的云客戶來說，這些用戶正在編寫算法，學習擴展其深度學習應用程序來處理更大的數(shù)據(jù)集。

如今，一些客戶中在采用少量的節(jié)點，Driggers認為這些客戶將成為最終需要的一小部分。隨著他們的成長和應用的成熟，他預計首選的基礎架構是混合模式，將會是私有云和公共云的結合。

Twentybn是已經(jīng)使用混合設備的一人客戶，該公司是一家總部在多倫多的研究實驗室在柏林創(chuàng)立的創(chuàng)業(yè)公司。他們認為，一些最有希望的應用程序（如自駕車）的顯性神經(jīng)網(wǎng)絡訓練技術有缺陷，可能在成熟階段中斷。

代替使用靜態(tài)圖像來訓練神經(jīng)網(wǎng)絡來識別對象，其主導方法是使用視頻。該公司首席科學家和聯(lián)合創(chuàng)始人之一羅蘭·梅西維奇在接受采訪時說：“我們的任務是教會機器來感知和理解世界�！泵肺骶S奇是有一定影響力的蒙特利爾學習算法研究所的教授，也是人們所知道的深度學習發(fā)展的關鍵人物杰弗里·亨頓所教的博士生。

世界是三維的，重力，具有永久性特征的對象，A點只能通過移動到B點，人類在達到三點之前就要牢牢把握，這對于是機器來說，是非常困難的事情。Memisevic解釋說，但人們有強大的科學理由相信，通過視頻是獲得這種理解的唯一途徑。

Twentybn公司采用了一大批互聯(lián)網(wǎng)用戶為自己拍攝6萬多個視頻短片，這些視頻很簡單，例如就像投擲物體，丟棄物體或拾起物體，產(chǎn)生視頻，以反映人們想要網(wǎng)絡學習的東西。該公司正在使用這些和合成的視頻來訓練其神經(jīng)網(wǎng)絡，目的是為自主車輛和視頻監(jiān)控銷售自定義人工智能解決方案。

Twentybn公司使用Cirrascale公司的GPU封裝的裸機云服務器來訓練其神經(jīng)網(wǎng)絡，但也在其多倫多實驗室內部保留自己的計算集群，以處理大量的合成視頻。

后GPU的未來？

Memisevic認為，隨著神經(jīng)網(wǎng)絡的應用越來越廣泛，如云計算提供商Switch Riser公司需要改進GPU之間的通信的技術，這在未來將是不可或缺的。然而，目前尚不清楚利用大量GPU的最佳方法將是多久？以下有幾種方法。

因為人們正在目睹的只是預期推動下一次技術革命的開始，關于計算和數(shù)據(jù)中心基礎設施機器學習或其他類型的人工智能將最終需要的類型，仍然存在很多未知數(shù)。Memisevic說：“我們周圍的每一家公司，都必須找到一種利用GPU來訓練網(wǎng)絡的方法，而且我們一直在尋求使用這些GPU探索多個方向�！�

使用混合云是一項戰(zhàn)略決策，是由于未來計算需求的不確定性而造成的。Memisevic說，即使GPU本身也可能最終被更好更有效地模擬神經(jīng)網(wǎng)絡的東西所取代。通過部署更多GPU來使這些網(wǎng)絡更強大的方法并不是最理想的狀態(tài)。

事實上，他相信會有更好的選擇。畢竟，人腦比GPU集群強大得多，同時只使用了一小部分的能量，并只是集群的一小部分空間�！艾F(xiàn)在我們需要不斷縮小體積和電力消耗，這樣應用才會增長�！彼�說�！癎PU的大功率計算的需求會不斷增長。與大腦相比，GPU耗電太多，以后今后可能會有更好的技術，可以使用更少的電能�！�

標簽： 計算機 機器學習 人工智能 網(wǎng)絡安全 視頻監(jiān) 

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。