微软美国灵机一动项目在建筑会议上给人工智能带来了快速芯片智能

admin 2018-05-24

微软的道格伯格拥有一个脑波电子板项目。

微软如果一家公司想利用当今热门的人工智能新技术,不久前它将不得不雇用一名稳定的博士我们要搞清楚一切。不要了。

在本周的构建大会上,微软详细介绍了如何将自己的项目welget AI技术从其研究实验室转移到其广泛使用的Azure云计算服务中,首先是一个加速的图像识别选项。你不太可能利用自己的灵机一动项目,但这种事情最终会改善你所处理的公司的各种服务——从保险到包裹递送。

现在播放:看这个:微软的项目灵机一动想让人工智能超级化...1 : 49脑波计划给传统人工智能带来了两个重要的区别。首先,它使用一种快速灵活但不寻常的处理器类型,称为FPGA,简称现场可编程门阵列。它可以经常更新,以加快与最新算法的人工智能杂务,它处理人工智能任务足够快,以用于实时工作的响应时间至关重要。其次,客户最终将能够在自己的站点上使用Microsoft硬件运行人工智能作业,而不仅仅是通过利用Microsoft的数据中心,这将加快操作速度。

这是一个独特的产品, Forrester分析师Mike Gualtieri说。

这个项目是席卷科技行业的人工智能革命的缩影。一方面,它成熟得足够快,可以完成无数的任务——消化法律合同、寻找空车位、寻找雇佣偏见以及从视频中生成人体、四肢和头部的三维模型。另一方面,人工智能的发展速度足够快,企业纷纷投资于新的人工智能硬件和软件,以求获得优势。

到目前为止,这些要求似乎是贪得无厌的,微软杰出的工程师道格伯格( Doug Burger )说,随着新的速度提升的到来,客户们开始狼吞虎咽,他领导微软的工作是使人工智能适应FPGA芯片。有一场巨大的创新军备竞赛正在发生。微软使用FPGA芯片的脑波项目大大超过了传统的Jabil电子产品制造过程中检查错误的处理器。

微软现在的人工智能服务市场并不庞大,但最终计算机执行的任何工作都有可能内置人工智能,当您考虑到像摩根士丹利这样的公司运行超过3000个自己的应用程序来完成业务时,这是一项大量的工作。Gualtieri说,当公司检查他们的选择时,他们正在寻找人工智能服务的领导者,而这正是灵机一动项目为微软带来的。

云计算中的人工智能服务由亚马逊Web Services领导,它改变了计算的方式。企业不再需要购买和运行自己的服务器。相反,他们利用庞大的计算能力池,为处理器性能、存储空间和网络容量等资源付费。现在他们也可以支付人工智能处理的费用。

图像处理可能是最完善的人工智能任务:您已经可以将照片发送到亚马逊的AWS、微软的Azure、IBM的Watson、Google云平台和Clarifai等专家。他们会给你发回标签,显示他们的机器在照片中的想法。

图像识别在所有地方都可能有用:作物监测、自动驾驶汽车、医疗扫描处理、安全视频分析和粒子加速器科学等等。但是微软计划增加其他人工智能工具来投射脑电波。

我们将扩展工作负载的类型, Microsoft Azure服务的首席技术官Mark Russinovich说。不过奇怪的是,事实证明图像识别人工智能工具可以是非常通用的。在微软内部,我们使用成像深层神经网络对恶意软件进行分类。

神经网络是基于大脑工作原理的技术,是所谓的人工智能( AI,machine le )的基础学习或深入学习。该技术的一个关键优势是,它通过训练一个具有真实世界数据的系统来工作。这需要事先仔细标记,但神经网络可以自己找出模式。这回避了常规编程的所有复杂性和刚性。

培训需要大量的计算资源,这些天通常在非常适合这项任务的图形芯片上运行。这项任务可能需要几天、几周甚至几个月的时间,一旦AI模型得到训练,就该重新开始使用更新的数据,也许还需要调整模型。

这不是一件一件完成的事, Gualtieri说。你一直在接受再培训。

难怪云计算公司渴望客户总是渴望更多的处理时间。

油气救援?一旦AI被训练,就到了第二阶段的时候了,这就是推理,它实际上正在从AI中得到利用。这就是微软项目灵机一动的地方。

运行人工智能并不需要训练所需要的马力,但它仍然受益于加速。这就是为什么iPhone X配备了人工智能硬件,为什么谷歌正在制造自己的定制人工智能芯片,为什么像Wave Computing这样的初创公司正在进入市场。

但是微软认为它的FPGAs (由英特尔制造)具有独特的优势,因为它兼具灵活性和速度。Google的芯片被称为张量处理单元( TPUs ),是一种特殊用途的模型,其设计是内置的,但是FPGAs可以在几分之一秒内重新配置,用于不同的工作。在微软自己的数据中心,那里有数以千计的FPGAs,随着算法的改进,微软每月给他们一两次人格移植。

Russinovich说,我们的车队不断适应机器学习的最新进展。

微软人工智能系统使用快速灵活的FPGA芯片。微软脑波人工智能项目使用快速灵活的英特尔FPGA芯片。它们插入标准服务器。

Scott Eklund / Red Box Microsoft图片基于FPGA的单个人工智能服务器每秒可以处理大约500个图像,而Microsoft每百万个任务收费21美分。然而,重要的是,Microsoft的方法也能快速提供结果,图像识别工作通常需要不到千分之二秒的时间,尽管每项工作都需要近80亿次数学运算。

Burger说:“我们已经把系统调得一团糟。”。我们希望使实时人工智能成为新的标准。Jabil公司是一家电子产品制造商,它是Jabil公司的客户之一。

Jabil建筑与技术经理瑞安·利塔瓦克( Ryan Litvak )说,该公司利用Project weegreep快速分析电路板,以发现芯片旋转不对齐、彼此靠得太近或向上突出出现错位等问题。

人工操作员需要2到5秒钟才能通过眼睛评估质量。Litvak说,灵机一动项目在公司的试点项目中只需几秒钟就能完成数百项工作,这意味着员工无需重复工作。

微软脑波人工智能项目服务使用FPGA芯片进行图像处理。此图显示了多层神经网络如何分析映像,它依赖于Azure云计算服务或客户站点的服务器。

Microsoft图形芯片可以完成这项工作,但是每一个都要花上数千美元,Jabil需要在数百条生产线上使用,这没有意义。

这是可能的,但负担不起, Litvak说。

Jabil还使用了一个尚未普遍使用的项目灵机一动选项,在边缘运行软件,这意味着在Jabil的设施而不是微软的集中式数据中心运行软件。

我们将把它一直延伸到边缘,首席执行官萨蒂亚纳德拉在周一的建筑会议上说。我们正在与系统合作伙伴合作,以便在Azure可用的任何位置提供它。

他夸口说,微软的技术在完成任务的响应时间方面绕着谷歌张量处理单元运行。Nadella说:“它的延迟比实时人工智能的TPU低五倍。”。

从人工智能技术中获取工作的最大挑战之一是培训。Microsoft的方法是在Jabil的情况下,根据客户的特定数据调整图像识别系统-好的或坏的电路板照片。

但Forrester的Gualtieri预测,获取AIs的培训数据将是一件困难的事情。大问题他说:“这些数据都有很好的标签。

技术公司正在努力简化这一过程。例如,Google AutoML是一种使用自定义图像训练图像识别系统的服务。

CNET Daily News为您收集今天的热门新闻和评论。IBM与客户有着长期深厚的合作关系,它也渴望得到帮助——当然,这是一个价格。

IBM云架构和技术副总裁Angel Diaz说,我们的产品让人们更容易获取这些数据,然后对其进行处理和清理,以便将其输入到人工智能中。为了使AIs更有用,IBM正在开发各种面向专家数据科学家和开发人员的人工智能工具,他们只需要利用一些人工智能服务。

这是使AI更易于使用的总体计划的所有部分。最终,人工智能可以解放我们自己的大脑,就像计算器使数学更容易一样,维基百科解释了一切,谷歌翻译解锁外语。

但是当计算机变得越来越聪明的时候,这对于我们人类意味着什么是一个悬而未决的问题。

有一大堆东西我们再也不需要知道了, Gualtieri说。这是让我们感到沮丧,还是让我们有更多的时间在其他事情上变得更聪明?

首次发布于5月7日上午8 : 30 PTUpdate上午9 : 40 PT :添加了微软首席执行官Satya Nadella的评论。

更正:更正Nadella所说的比微软项目脑波慢的芯片类型。他说脑波在实时人工智能任务中比谷歌张量处理单元具有五倍的速度优势。

剑桥分析:关于Facebook的数据挖掘丑闻,您需要了解的一切。

iHate : CNET关注的是不容忍是如何接管互联网的。


点赞: