专注自动化设备
“自动化信息化智能制造”解决方案专家
您现在的位置:首页 > 新闻中心

2019年人工智能对高机能计较的10种影响

发布时间 : 2020-03-12 12:22:19 浏览: 185次 来源:安博电竞 作者:安博电竞
安博电竞

采取人工智能的工作负载现在变得无处不在,此中有的工作负载活着界上运行最快的计较机上运行,从而改良高机能计较(HPC)。跟着组织计划将来的成长,需要解决人工智能工作负载的编程、软件需求、硬件需乞降培训需求等问题。在2019年,行业专家和人工智能专家将继续缔造立异的解决方案。

以下是人工智能在2019年对高机能计较发生最年夜影响的十种体例:

1.png

1.张量(Tensors):人工智能计较的通用说话

向量代数的利用催生出为向量计较设计的计较机。Cray公司初期推出的超等计较机就是一种向量超等计较机,它将利用法式表达为向量和矩阵代数问题,这反过来又增强了计较机的设计,以确保向量计较的快速运行。多年来,这类强化轮回强烈界说了高机能计较(HPC)。张量代数可以被接管为广义矩阵代数,是以它是超等计较机数学能力的天然演变,而不是一场革命。任何撑持矩阵运算的机械都可以进行张量运算。现在的CPU的用户采取编译器,加快采取Pythons,增强库和优化框架的撑持,取得对向量和张量的高机能撑持,所有这些都答应软件开辟人员利用高机能情况中的向量和张量。

张量手艺在硬件、软件和人们的思惟上都在高机能计较利用中留下了深入的印象。

2.说话:高级法式设计

Fortran法式在耗损周期方面占有了高机能计较的主导地位,C和C++法式几近耗尽了高机能计较中的其他资本。凡是经由过程C接口、扩大和库来撑持加快器周期。测验考试利用新说话来粉碎这类环境已掉败,由于现有说话具有合适组成高机能计较的利用法式的用户、代码和撑持。

人工智能为新用户带来了新的需求,这将扩大与高机能计较相干的说话,其实不会改变年夜大都利用Fortran代码的物理学家的勾当,但利用MATLAB和Python的数据科学家需要按照他们的需求量身定制解决方案。

Python和其他出产力说话和框架仿佛将成为愈来愈多的高机能计较(HPC)周期的主人。他们的现实数字运算法式仍将用C/C++/Fortran编写,但人工智能法式员既不会知道,也不会关心它。

3.以分歧体例思虑:经由过程操纵机遇从头思虑方式来替代遗留代码

高机能计较(HPC)是一种传统手艺,人工智能相对来讲是一种新手艺。明显,跟着人工智能的成熟,它将缔造本身需要撑持的主要遗产。就今朝而言,当这两种手艺连系时,它将鼓动勉励有关从头实现遗留代码的对话,这在某些环境下可能已过时。其捏词多是为代码添加一些人工智能功能,但实际将是一些有益的尽力和一些严重的时候华侈。

4.可移植性和平安性:虚拟化和容器

可以平安地在机械上运行吗?这是虚拟化和容器试图解决的平安性和可移植性问题。固然,平安性来自在杰出构建的硬件和软件的平安功能。对很多人来讲,虚拟化和容器仿佛是最好的组合。

容器已引发很多开辟人员对虚拟机的存眷,由于在摆设、修补、云计较多功能性方面,它们被视为比虚拟机更矫捷,而且可以节流虚拟机许可本钱。

在面向高机能计较某人工智能的会议上谈论容器手艺仿佛并没有太年夜的进展,这其实不希奇。例如,Python和Julia在精心设置装备摆设时可以更好地扩大,而容器可以帮忙摆设。

容器供给了一种为用户供给杰出调剂情况的天然体例,高机能计较行业将在2019年看到愈来愈多的容器利用,部门缘由是因为人工智能用户的爱好。毫无疑问,高机能计较会对其实例施加压力,这是需要优化的生态系统。这个范畴正在进行这方面的年夜量工作,高机能计较的社区将帮忙所有人实现这一方针,以知足对容器的巴望。

5.范围问题:年夜数据

哪里有人工智能,哪里就有年夜数据。人工智能社区的首要存眷点是在利用很是年夜的数据模子中获得意义。采取的高机能计较利用法式需要年夜量文件,很多高机能计较运行中间已有良多根本举措措施可以很好地处置年夜数据问题。

所有高机能计较中间都将年夜数据作为新系统的首要要求斟酌在内,人工智能工作负载是年夜数据需求的首要动力。

内存的价钱昂扬,但人们已看到内存容量与flop/s的比率多年来一向鄙人降。这是影响年夜数据成长的趋向。环绕内存的新功能供给了改变这一趋向的但愿,并撑持人们需要的年夜型机械(包罗高机能计较机)中的年夜数据模子。这些新的内存手艺供给了内存和当地存储器(SSD)的扩大。

高机能计较对人工智能的成长阐扬主要感化。组织但愿把数据放在离处置器更近的处所,这是最合适做真实数据可视化的处置器,是高机能计较影响人工智能/机械进修的最风雅式之一。利用和理解年夜数据的概念,和可视化数据和阐发,是彼此交叉的。

6.人工智能采取云计较

人工智能开辟人员可能比高机能计较开辟人员更多地接管云计较。固然利用在云中的高机能计较已呈现,可是针对人工智能利用的高机能计较将加快云中的高机能计较。

7.硬件:,专注在库和框架的交互式功能

人工智能的工作量其实不年夜。这意味着少数库接口和框架安排“人工智能加快器”需要作为卖点。

交互性是一个持久存在的要求,凡是在高机能计较系统中一向处在“次要地位”,被人工智能法式员直接置在前沿和焦点。高机能计较这类转变的速度还待不雅察,但2019年这一范畴的立异将是值得留意的,即便是零星的和有些隐藏的。交互性也能够称为“个性化”。

高机能计较撑持更多的硬件多样性、交互性撑持和针对机能优化的额外库/框架抽象,以撑持人工智能工作负载。高机能计较社区对机能的存眷将有助在申明根本举措措施的额外融会将有益在数据中间摆设。没有人愿意抛却机能,假如没必要如许做,高机能计较社区的专业常识将有助在商品化人工智能/机械进修的机能,从而致使社区之间更多的硬件手艺融会。

8.人员融会:用户多样性和对高机能计较的爱好增添

人工智能将注入很多分歧布景的新人材。人工智能将之前所未有的范围给高机能计较带来**化。在曩昔的几年中,“高机能计较的**化”这个短语用在描写高机能计较若何被工程师和科学家群体的拜候。数学和物理问题可能鞭策了初期的超等计较工作量,但比来愈来愈多的用户发现,在医学、气候预告和风险治理等范畴,高机能计较工作量是不成或缺的。

人工智能的用户群体比高机能计较要普遍很多,给高机能计较的**化带来了全新的维度。现在,高机能计较专家和人工智能专家正在结合起来进行开辟。

9.新投资:推理

机械进修凡是被认为是由称为“练习”的进修阶段和称为“推理”的实行阶段构成。仿佛需要更多的周期来进行推理,而不是进行练习,特殊是当人们看到机械进修无处不在地嵌入到四周的解决方案中时。

有了如斯庞大的市场机遇,让人感觉全部世界都在试图从这一推理市场中取得更年夜的份额。推理已在处置器、FPGA、GPU、DSP和年夜量定制ASIC上实现。功率、延迟和整体本钱是要害身分,这些身分为人们供给了一系列具有分歧卖点的选项。高机能CPU加上低延迟、易在从头编程和可猜测延迟的FPGA仿佛是弥补当前CPU主导的推导世界的公道选择。时候会证实一切。

人们将发现推理工作负载将对包罗高机能计较在内的所有计较发生重年夜影响。

10.利用法式的融会:不是在“从头思虑”以后进行改换

扩大工作负载多样性,并将看到各类工作负载进行融会。那些有远见的人已证实,当高机能计较机和人工智能连系在一路时,有很多机遇。从将系统集成到可以或许猜测极端气候(如飓风)的模式,再到天气或气候预告系统。此刻呈现了各类设法。生成匹敌收集(GAN)是很多人高度正视的一类机械进修系统,生成匹敌收集(GAN)无疑将有助在融会高机能计较和人工智能/机械进修工作。

固然此刻很少有利用法式连系高机能计较和人工智能手艺,而基在该范畴的初期成果,很轻易猜测这是高机能计较利用法式的将来,并将组成高机能计较因人工智能而面对的最年夜转变。

理解这十种体例

计较的故事在某种意义上并没有改变:它完全取决在全部系统对用户的感化。固然需求产生转变,但完全系统由硬件和软件构成的事实并没有改变。很轻易被单一手艺(硬件或软件)分离留意力,最好的系统会在最有帮忙的处所谨慎地利用新手艺。

结论:人工智能将利用高机能计较,并将永久改变

事实上,人工智能多是高机能计较汗青上最年夜的变化鞭策者。高机能计较不竭成长,由于已经由过程本身的工作负载来实现,而且它也将在人工智能中成长。

即人工智能用户只需插手高机能计较社区并在其上加上本身的标识表记标帜。他们也将利用非高机能计较系统,就像其他高机能计较用户一样。

将有专为人工智能工作负载设计和构建的定制高机能机械,而其他机械的人工智能工作负载也在具有非人工智能工作负载的更通用的高机能举措措施上运行。均衡机械在需要高机能矫捷机械的环境下才能实现加快。人工智能将有助在将来界说甚么成为超等计较机,是以可能将会调剂高机能计较机的历程。

上一篇:从数控机床到智能机床 下一篇:机械人视觉决议机械人智能:中加两国合作研发机械人认知手艺