p>Сфера нейросетей и машинного обучения сегодня необычайно популярна. Искусственного разума она нам не обещает, но полностью автоматические машины уже появились на наших дорогах, причём практически все зарегистрированные с их участием аварии произошли по вине человека. И это только начало долгого пути. Компания Google уверена, что сумеет внести в дело машинного обучения серьёзный вклад, представив новый специализированный чип Tensor Processing Unit (TPU). Генеральный директор компании Сундар Пичаи (Sundar Pichai) на конференции I/O заявил, что решения класса TPU обеспечат в данной области производительность, на порядок превосходящую все решения на базе FPGA и даже GPU, включая NVIDIA Pascal GP100. Пока архитектура и возможности TPU Google остаются в строжайшем секрете, было лишь сказано, что они являются частью системы AlphaGo, обыгравшей чемпиона мира Ли Седоля в такой сложной настольной игре, как Го.

Она, напоминаем, существенно сложнее классических шахмат именно в силу своей многовариантности и требовательности к творческому мышлению. Глава Google немного приоткрыл завесу секретности и заявил, что компания использует модули TPU в своих проектах уже больше года и проведённые исследования показывают необычайную энергоэффективность этих решений. Она настолько высока, что позволит, по мнению Google, продлить действие закона Мура ещё на три поколения вперёд, что примерно эквивалентно семи годам. Сам модуль представляет собой маленькую плату со скромным радиатором и легко монтируется в любой стоечный сервер, снабжённый нужным слотом. Модули TPU уже трудятся в системах RankBrain и Street View. Что же такое TPU или тензорный процессор?

Компания Silicon Graphics имела чип с аналогичным названием в своих рабочих станциях в начале двухтысячных годов. Это был вариант сигнального процессора (DSP), а DSP необычайно хороши там, где требуется многократное выполнение сравнительно простой задачи. Но если верить Google, связи между этими двумя TPU нет. Аналитики считают, что Google TPU не является тем звеном, которое непосредственно обучается. Скорее, это проигрыватель сложных алгоритмов, создаваемых на CPU, GPU и FPGA. По всей видимости, это своеобразная разновидность ASIC, похожая на те, что сделали криптовалюты недоступными рядовым добытчикам, вернее, сделали невыгодной их добычу. Главным недостатком чипов класса ASIC является высокая стоимость разработки и узкая направленность, неспособность выполнять операции, хоть как-то выходящие за пределы возможностей, заложенных в чип аппаратно. Вот почему они обычно используются там, где стоимость не важна — в правительственных организациях или корпорациях масштаба Google.

Источник:

Источник: 3DNews