Рубрикатор |
Статьи |
29 октября 2019 |
Быстрее, проще, эффективнее
Новые разработки компании Fujitsu расширяют возможности современной технологии глубинного обучения. Платформа AI Zinrai Deep Learning System способна обеспечить быстрый и эффективный анализ данных.
Об особенностях инновационной системы глубинного обучения Fujitsu AI Zinrai Deep Learning System, созданной на базе чипа Fujitsu’s Deep Learning Unit (DLU), а также о перспективах ее использования мы побеседовали с Удо Вюртцем, специалистом Fujitsu по продвижению решений для ЦОД в регионе EMEIA, и Гийомом Виартом, руководителем подразделения по управлению продуктовыми категориями Fujitsu в Западной Европе, Польше, Ближнем Востоке России и СНГ.
«ИКС-Медиа»: Какие составляющие входят в систему Zinrai AI?
Удо Вюртц: Это, прежде всего, собственно чип DLU со специализированным ускорителем, разработанный и произведенный в компании Fujitsu, и набор программного обеспечения, специализированного под рабочие нагрузки глубинного обучения.
Система использует адаптивный числовой формат Deep Learning Integer (DL-INT), разработанный для глубинного обучения в целях повышения скорости и точности вычислений, и специализированную технологию доменных соединений, обеспечивающую высокую параллельную пропускную способность для масштабных нейронных сетей.
В дополнение мы, конечно, предлагаем услуги по развертыванию платформы, техническую поддержку, консалтинг и при необходимости даже разработку программного обеспечения. Для построения решений на базе искусственного интеллекта эти услуги особенно важны, поскольку далеко не у всех заказчиков есть опыт работы с такими системами.
«ИКС-Медиа»: Чем отличается Zinrai Deep Learning System (ZDLS) от альтернативных разработок?
У.В.: Ключевым преимуществом системы является то, что она существенно сокращает время на обучение и проверку моделей искусственного интеллекта (ИИ).
Большинство альтернативных решений построены сегодня на базе графических ускорителей (GPU). Такие решения способны показывать неплохую пиковую производительность, но в течение короткого времени. А процесс обучения ИИ для различных сценариев использования может занимать часы, дни, недели. DLU обеспечивает высокую производительность постоянно. И там, где ИИ с GPU обучается неделями, с DLU он обучается за часы, потребляя при этом значительно меньше электроэнергии.
Производительность, которую обеспечивает Zinrai Deep Learning System в 10 раз превышает показатель альтернативных решений, доступных сегодня, на 1 Вт потребляемой энергии
Также Zinrai Deep Learning System совместима с уже имеющимся программным обеспечением, разработанным для использования в системах с GPU, и обладает широкими возможностями масштабирования: в одну систему можно объединить до 1024 чипов DLU.
«ИКС-Медиа»: За счет чего достигаются такие показатели?
У.В.: Начнем с того, что производительность системы зависит от ее архитектуры. В отличие от систем на основе графических процессоров, где ядра работают автономно и им приходится затрачивать время на синхронизацию, в Zinrai Deep Learning System благодаря наличию высокоскоростных коммутаторов все ядра в процессе обучения «делятся» своими результатами, что значительно ускоряет этот процесс.
Кроме того, в DLU применяются более короткие форматы представления чисел: вместо 32 разрядов для чисел с плавающей точкой (FP32) используется 8-разрядный формат DLINT8. И основная масса операций выполняется как раз над восьмиразрядными числами формата DLINT.
«ИКС-Медиа»: Конечно, восьмиразрядная целочисленная арифметика намного быстрее и экономичнее плавающей 32-разрядной. Но не сказывается ли использование такой арифметики на точности конечных результатов?
У.В.: Хороший вопрос. Нет, не сказывается, мы разработали специальные алгоритмы для минимизации ошибки. Для оптимизации вычислений используется транслятор формата FP32 в формат DLINT8 и точность подобных вычислений получается такой же, как и для FP32, но сами вычисления производятся гораздо быстрее.
«ИКС-Медиа»: В какой фазе готовности находится сейчас эта разработка?
У. В.: Мы запустили несколько пилотных проектов в разных областях. Например, Fujitsu заключила соглашение с ведущим европейским ритейлером о тестировании решения для предотвращения случаев мошенничества на кассах самообслуживания. В рамках предлагаемого решения на кассах устанавливаются недорогие камеры наблюдения, а с помощью технологии искусственного интеллекта производится проверка сканируемых товаров, помогая обнаруживать и предотвращать случаи использования неверных штрих-кодов. Разработка дает возможность обнаруживать несоответствия без необходимости установки дорогостоящих и сложных графических процессоров на каждой кассе, что значительно уменьшает совокупную стоимость владения и увеличивает окупаемость инвестиций.
Также мы сотрудничаем с сервис-провайдерами и провайдерами облачных услуг, которые предоставляют сервис AIaaS («искусственный интеллект как услуга»).
Гийом Виарт: В целом до декабря текущего года продолжится опытная эксплуатация, после чего намечен глобальный старт продаж.
«ИКС-Медиа»: А в России как вы собираетесь продвигать Zinrai Deep Learning System?
У.В.: Рынок можно разделить на два сегмента: с одной стороны, есть заказчики, инфраструктуры которых уже используют решения на базе искусственного интеллекта. В этом случае мы должны объяснить, какие преимущества может предоставить им Zinrai Deep Learning System с точки зрения производительности, экономии электроэнергии и для операционной деятельности. Если же у заказчика нет опыта использования ИИ, тогда надо будет говорить о примерах внедрения, о том, как такие системы развертывать, масштабировать, обслуживать и т.п.
Г.В.: В России мы приступили к обучению партнеров, чтобы к моменту глобального запуска они были полностью подготовлены. Fujitsu предоставляет партнерам всю необходимую документацию и дает возможность подробно ознакомиться с техническими деталями системы Zinrai Deep Learning System.
Кроме того, мы достигли договоренностей об опытной эксплуатации с несколькими российскими компаниями.
У.В.: Еще у нас есть программа ранней адаптации, в рамках которой заказчик может получить аппаратное и программное обеспечение. По сути, это бета-тестирование. И надо сказать, что здесь уже все места забронированы. Эта программа очень важна для нас, поскольку формирует отзывы клиентов, которые помогают нам в совершенствовании системы. Возможно, потребности и сценарии использования ИИ в России и, например, в Великобритании различаются, поэтому мы крайне заинтересованы в получении обратной связи.
«ИКС-Медиа»: На каких группах корпоративных клиентов вы намерены сосредоточиться в России?
Г.В.: Мы будем продвигать использование ИИ в различных секторах рынка. В автомобильной отрасли, например, ИИ может служить для обучения беспилотных автомобилей. Мы также планируем работать с госструктурами, финансовым и образовательным секторами.
«ИКС-Медиа»: Какое применение ИИ может найти в дата-центрах?
У.В.: Например, на основе данных о состоянии оборудования можно провести обучение модели, чтобы она прогнозировала потенциальные проблемы и выдавала предупреждение, пока проблемы не стали реальными.
Такая система уже используется в одном дата-центре в Германии. В рамках данного проекта на примере реальной модели мы сначала делали точный прогноз на 12 часов, вероятность оказалась 97% и выше. При обработке результатов отбрасывались экстремальные значения прогнозируемых параметров, но они-то и соответствуют отклонениям от нормального режима работы, и именно они представляют интерес. Поэтому мы выработали другой подход: делать не точный прогноз, а вероятностный. Это позволяет информировать заказчика о том, что вероятность ошибки, например, в ближайшие 8 часов достаточно высока.
Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!