Компания Intel анонсировала новую линейку процессоров, предназначенных для аппаратного ускорения машинного обучения. Семейство чипов под названием Intel Nervana Neural Network Processor имеет специализированную архитектуру, оптимизированную для нейросетей и глубокого обучения. Компания планирует выпустить новые процессоры уже до конца 2017 года. Об этом сообщается в пресс-релизе компании.
Процессоры, используемые в подавляющем большинстве компьютеров, универсальны, то есть умеют довольно хорошо справляться с вычислениями разных типов. В то же время существуют и схемы специального назначения, предназначенные для одного или нескольких узких типов задач, но делающие это гораздо эффективнее (или дешевле) универсальных чипов. Поскольку во многих областях все чаще используется машинное обучение, крупные производители разрабатывают специализированные чипы и для таких задач.
В 2016 году крупнейший производитель процессоров Intel купил стартап Nervana Systems, который занимался разработкой аппаратного обеспечения для машинного обучения. Теперь компания представила новую линейку процессоров Nervana, оптимизированных для нейросетей и машинного обучения.
Пока в Intel не раскрывают технических подробностей новой процессорной архитектуры, но отмечают, что она оптимизирована для выполнения наиболее частых операций, применяемых в машинном обучении, таких как свертка и умножение матриц, а также в целом для эффективного распараллеливания операций. В отличие от обычных процессоров, в Nervana нет иерархического кэша и вся память управляется программно. Intel не называет конкретных сроков начала продаж и цен на процессоры, но планирует начать поставки заказчикам до конца 2017 года.
Разработкой аппаратного обеспечения для машинного обучения занимаются и другие крупные технологические компании. В мае о создании такого чипа под названием Tensor Processing Unit заявили в Google. Позже свою платформу для машинного обучения представили и в Microsoft. Кстати, работать она будет на процессорах Intel, но не специализированных только для этой задачи, а на FPGA-чипах, конфигурацию и функции которых можно изменять после производства.
Григорий Копиев