RSS    

Видеокурсы

Видеокурсы по ВТ

Опасности в социальных сетях

Социальные сети



Intel начинает поставки процессоров для нейронных сетей

Intel планирует начать поставки процессоров для нейронных сетей уже к концу этого года 

intel нейронный процессор

Аппаратное обеспечение Intel для ускорения работы систем искусственного интеллекта, о котором Intel говорила достаточно давно, будет отгружено первым покупателям еще в этом году. Сегодня компания объявила о том, что ее процессор Neural Network первого поколения (кодовое название «Lake Crest»), скоро будет доступно к заказу ограниченному набору партнеров, чтобы помочь им резко ускорить работы в области исследований искусственного интеллекта.

Нейронный процессор NNP (Neural Network Processor) оптимизирован для очень быстрого решения специализированных математических задач, которые лежат в основе приложений искусственного интеллекта, в частности нейронных сетей - в настоящее время популярной отрасли машинного обучения. Одной из основных проблем сложных нейронных сетей, которые сейчас так популярны, является то, что вычисления являются крайне интенсивными с точки зрения вычислительной мощности, и это обстоятельство  затрудняет их быстрое тестирование и развертывание.

 нейронные процессоры от интел

Сначала NNP будут выпущены только небольшому числу партнеров Intel, которые компания планирует начать до конца этого года. Аппаратное обеспечение разрабатывается в тесном сотрудничестве с Facebook, одной из компаний, которая пытается использовать нейронные сети в своих целях, в частности речь идет о борьбе со спамом, "фейковыми" новостями и прочим нежелательным контентом крупнейшей социальной сети мира.

Клиенты смогут получить доступ к NNP через сервис Intel Nervana Cloud.  По словам Навеена Рао, вице-президента и генерального менеджера группы продуктов Intel, в ближайшем будущем компания планирует сделать доступ к сервису общедоступным.

Наблюдатели ожидают рекордной вычислительной мощности системы, отличной от других продуктов Intel как технологически, так и функционально. В Intel предполагают, что ускоренно развивающиеся системы искусственного интеллекта  означают высокую потребность клиентов в новых моделях процессоров с новыми возможностями. Интел обещает, что наличие сверхбыстродействующих ядер не должно отразится на стабильности, также речь идет о формировании соответствующей инфраструктуры.

«Когда вы работаете с такой темой, как нейронные сети, на нейронные процессоры возлагаются большие надежды», - сказал Рао.  «И мы очень задумываемся о дополнениях и изменениях в архитектуре процессора. Когда вы работаете в активно развивающейся среде, например, в нейронных сетях, крайне важно оперативно отслеживать все запросы и решать их для клиента».

В настоящее время в Intel работают над тремя вариантами нейронных процессоров, и как обещают, хотя бы один вариант будет доступен до конца этого года.

 нейронные процессоры от интел

Нейронные сети оказались в центре внимания ученых с первых дней исследования искусственного интеллекта, но в 1970-х, они были несколько забыты. В последнее десятилетие, технологии, связанные с использованием возможностей нейронных сетей изучаются на уровне программ «глубокого обучения» (Deep learning). Искусственная нейронная сеть — математическая модель, а также её программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. После разработки алгоритмов обучения получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др. ИНС представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты (особенно в сравнении с процессорами, используемыми в персональных компьютерах). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие по отдельности простые процессоры вместе способны выполнять довольно сложные задачи.

  • С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п.
  • С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации.
  • С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники.
  • С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма.
  • А с точки зрения искусственного интеллекта, ИНС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов.

Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искажённых данных.

Способности нейронной сети к прогнозированию напрямую следуют из её способности к обобщению и выделению скрытых зависимостей между входными и выходными данными. После обучения сеть способна предсказать будущее значение некой последовательности на основе нескольких предыдущих значений и (или) каких-то существующих в настоящий момент факторов. Следует отметить, что прогнозирование возможно только тогда, когда предыдущие изменения действительно в какой-то степени предопределяют будущие. Например, прогнозирование котировок акций на основе котировок за прошлую неделю может оказаться успешным (а может и не оказаться), тогда как прогнозирование результатов завтрашней лотереи на основе данных за последние 50 лет почти наверняка не даст никаких результатов.

Оставьте свой отзыв:

Добавить комментарий


Защитный код
Обновить

 

Самое читаемое:

Быстрый поиск

Новости в Twitter и Facebook

  подписка на новости в twitter              Подписка на новости facebook

Подписаться

vk

 Telegram  информационные технологии в telegram

Инструкции к программам

Инструкции к программам

Новые информационные технологии и программы