Александр Котельников: Аппаратные средства машинного обучения: возможности и вызовы

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Последние тренды в hardware для машинного обучения обсудили 12 апреля на митапе ODS Siberia в НГУ.

Основным спикером выступил Александр Котельников, IEEE Senior Member, кофаундер компании Turation Limited (Hong Kong).

Производительность “железа” очень существенна в тех приложениях машинного обучения, где нужна мобильность и независимость от интернета, т.е. где вычисления не могут производиться в облаке. Например, беспилотные автомобили пока не развивают скорость выше 35 км/ч именно из-за ограничений производительности вычислительных мощностей, которые должны быть автономными. Или разблокировка телефона по голосу или лицу – она должна происходить мгновенно и быть доступна без связи, т.е. вычисления должны производиться на устройстве – никому не захочется ждать в такой ситуации.

По мнению Александра Котельникова, скорость, защищенность и энергоэффективность вычислений – вот основные вызовы в этих областях, которые с развитием машинного обучения приобрели особую актуальность, породили спрос на исследования и разработки и в некотором смысле обусловили кризис роста отрасли аппаратных средств, которая не успевает за темпами развития программного обеспечения.

Задачи машинного обучения настолько специфичны и разнообразны, что процессорами теперь занимаются далеко не только AMD и Intel. Аппаратные архитектуры, оптимизированные с учетом специфики работы компании, разработали в Google, Apple, Huawei, Baidu и анонсировали в Alibaba, Tesla, Facebook и Microsoft.

“Кроме того, на этот рынок вышло большое число стартапов, которые пытаются потеснить гигантов и занять свое место под солнцем. Благодаря разнообразию задач машинного обучения, победитель в этой гонке скорее всего будет не один”, - подчеркивает Александр Котельников.

Рост числа разработчиков аппаратных архитектур и их специализация под конкретные задачи машинного обучения, развитие открытых технологий, реконфигурируемые архитектуры, гибридные технологии и нейроморфные процессоры - вот неполный список тенденций, о которых рассказал Александр.


Источник: youtu.be

Комментарии: