Искусственный интеллект стал за последние несколько лет притчей во языцех. Речь как о новых разработках в сфере слабой формы ИИ, так и о мнении специалистов о том, что искусственный интеллект может оказаться опасным для человечества. Но как бы там ни было, специалисты постепенно совершенствуют слабую форму ИИ, делая ее более эффективной и производительной. Например, корпорация IBM постепенно внедряет когнитивную систему Watson во многие свои продукты, равно, как и разработки сторонних компаний. Google идет впереди планеты всей с AlphaGo, а подразделение этой корпорации DeepMind создает новые формы ИИ.
Важную роль в подобных проектах играет машинное обучение. Эта сфера также развивается очень быстро, понемногу появляясь в различных направлениях развития науки, технологий, быта человека. Робомобили, онлайн-маркетинг, кибербезопасность, финансовые операции, военное дело. Это только малая толика сфер, где используется машинное обучение, без которого невозможен ИИ. Аппаратное обеспечение, которое здесь задействуется, должно быть очень мощным. Далеко не каждый разработчик может позволить себе приобретение необходимого оборудования. И здесь приходит на помощь специализированный дата-центр.
В Калифорнии не так давно появилась компания Cirrascale, которая построила ЦОД, который предназначен для ИИ и машинного обучения. Cirrascale — дочернее предприятие Poway, компании, которая поставляет высокопроизводительное оборудование. Кроме того, Poway — провайдер облачных услуг. Теперь Cirrascale занимается проектированием инфраструктуры для глубокого обучения. Дата-центр компании обеспечивает работу облачного сервиса, предоставляемого в виде SaaS (software as a service). Принцип работы схож с Amazon Web Services, хотя есть и существенные отличия. Во-первых, здесь не используются виртуальные инстансы, а только мощные сервера с довольно высоким показателем энергопотребления. Клиент компании получает в свое распоряжение такой сервер (или несколько) для запуска специализированного программного обеспечения. Сделано это для того, чтобы клиенты занимались лишь разработкой программной части своих проектов. «Железо» предоставляется дата-центром. Дело в том, что далеко не каждый разработчик в состоянии собрать HPC кластер, обеспечивая его беспрерывную работу.
В дата-центре Cirrascale, как уже говорилось, аппаратное обеспечение потребляет много энергии. На одну стойку здесь приходится около 30 кВт, в то время, как в среднестатистическом ЦОД на стойку приходится от 3 до 5 кВт, редко — около 10.
Можно предположить, что мощное оборудование будет выделять много тепла. И это действительно так. Для охлаждения серверов здесь используется проприетарная жидкостная система охлаждения, разработанная компанией ScaleMatrix. В качестве дополнения используется и воздушная система охлаждения. Только здесь воздух идет не вдоль стоек, а снизу-вверх, с очень большой скоростью. В каждой серверной стойке — собственный микроклимат с водной системой охлаждения и системой циркуляции воздуха. Все это позволяет быть уверенным в том, что стойки не влияют на тепловой режим друг друга.
Что касается серверов, то они тоже отличаются от серверов обычных ЦОД. Здесь основную роль играют GPU, в каждом сервере их целая группа. В основном, это Tesla GPU от Nvidia, которые работают вместе с процессорами Intel Xeon. Наиболее мощная облачная система в дата-центре — это сервер с 16 GPU указанного типа. Стоимость его, конечно, немаленькая. Месячная аренда обойдется в $7500.
GPU в одной системе соединяются особым образом друг с другом, так что все элементы представляют собой единое целое. Таким образом, обеспечивается максимальная пропускная способность, помогая поддерживать высокую производительность и масштабирование.
Расположение отдельных элементов в суперкомпьютере DGX-1
Суперкомпьютер от Nvidia DGX-1 имеет схожую конфигурацию. Разработан он специально для глубокого обучения, с взаимным подключением GPU по технологии NVLink.
Сейчас о глубоком обучении много пишут и говорят, Google, Facebook и еще несколько компаний активно внедряют у себя разработки из этой сферы. Но все же большая часть компаний находится только в начале пути внедрения глубокого обучения и ИИ. Причина указывалась выше — оборудование для реализации своих теоретических наработок есть далеко не у всех.
Возможно, сейчас проектов на тему глубокого обучения станет больше, поскольку, как видим, появляются компании, поставляющие аппаратное обеспечение для программных компонентов. Результаты уже появляются. Например, один из клиентов Cirrascale создает слабую форму ИИ для управления автомобилем. Причем для оценки обстановки этот автомобиль использует не отдельные изображения, а видео. Без мощного оборудования работать с такой системой было бы сложно.
Представители этой компании уверены, что соединение GPU друг с другом в рамках сервера — это технология, которая в ближайшем будущем станет стандартом, по мере развития нейронных сетей. Возможно, с течением времени GPU заменят чем-то еще, но пока что до этого далеко. А вот провайдеров, предоставляющих сервисы и оборудование ученым и компаниям, которые работают в сфере нейронных сетей, глубинного обучения, ИИ, будет становиться все больше. Кстати, в процессе написания поста выяснилось, что аналогичный сервис теперь предоставляет и Google.
