FPGA, MACHINE LEARNING  וAI (אינטליגנציה מלאכותית)

ה"באז" האחרון בתחום הוא תחום ה"machine learning"וAI(אינטיליגנציה מלאכותית). לשתי הטכניקות מגוון רחב של יישומים, לכן אין זה מפתיע למצוא חברות הייטק רבות שמתחילות לאמץ את השימוש בהן.

בולטת במיוחד חברת אינטל אשר מאמצת גישה זו באמצעות רכישות ופיתוחים פנימיים תוך כדי יצירת פתרונות 'מקצה לקצה'. ביל ג'נקיס,AIבכיר בקבוצת המערכות המתוכנתות של אינטל, אמר: "אינטל פתחה קבוצתAI, בזמן שPSGהתמקדה בmachine learning, אז אכן יש מאמץ לכיוון הAIברחבי החברה, זה נושא משמעותי"

ג'נקיס ציין כי מדובר בחילוץ דפוסים מן הDATA ולאחר מכן לקבוע מה לעשות עם המידע. "זוהי אנליטיקה של DATA ובעיות תפיסתיות; לדוגמא, האם אני מבין את המשמעות של כל דבר? איך מילה נתפשת? למה משמש אובייקט מסויים? זה בדיוק AI. "

למרות ששני המונחים מתוארכים אחורה לשנות ה-50, רק לאחרונה רמת כח המחשב הזמינה אפשרה לחוקרים ומפתחים להגיע לתוצאות משמעותיות. "אנשים עבדו בתחום הזה תקופה ארוכה," אמר ג'נקינס. "אבל בשנות ה-90, לא היה ברשותינו מספיק כח מחשב לפתירת התקלות."

MLמתמקד ביכולת של המחשב ללמוד מבלי להיות מתוכנת לעשות כך במפורש, בזמן שמחקר הAIמתמקד בפיתוח של מה שעשוי להיקרא התנהגות "כמו-אנושית".

מטרותAI/MLהן: מרכזי מידע, רכבים אוטונומיים ומערכות תעשייתיות, כמו כן אנליזה שלDATAלפתירת בעיות לא צפויות.

ג'נקינס נתן דוגמאות לאתגרים העומדים בפניו. "מכונית מחוללת בערך4Tbyteשל מידע בכל יום, בזמן שמפעל יכול לחולל אקסה בייט של מידע ביום. בארה"ב," הוא המשיך, "94% מהמידע שנאסף מועבר לארכיון, כך שהשאלה היא איך ניתן להתשמש במידע הזה?" התשובה, ג'נקינס טוען, היא להיות מתוחכם יותר.

החומרה והתוכנה נשענים על יכולתנו להיות מתוחכמים יותר. " עבור מחיר וכח סביר," הוא אמר, "אנו יכולים כעת לפתור בעיות שלא יכולנו קודם. בנוסף יש ברשותנו את היכולת לשקול לטובת ונגד – שזה עניין רציני."

חלק מפתרון החומרה הוא הFPGA– ואחת מהסיבות שאינטל רכשה אתAlteraתמורת 16.7 ביליון דולר.

"אנחנו שונים," ציין ג'נקינס בהתייחסות לFPGA. "כשאתה כותב תוכנה, זה עבור ארכיטקטורה מובנית. בעשייה זו, אתה כותב קוד בצורה מסויימת ואנשים נהיים טובים באופטימיזציה של קוד עבור ארכיטקטורה בנויה. עםFPGA, אתה יוצר ארכיטקטורה עבור הבעיה;אתה שולט בנתיב הנתונים. במקום שיהיה לך נתוניםהעוברים דרך מעבד, המועברים לאחר מכן לזיכרון, הם יכולים להגיע ישירות לFPGAמכל מקום.זהמעובד ברצף עם זמן ההשהיה (מהרגע שבו ניתנת הוראה להעברת מידע עד שמתחילה העברת המידע) הנמוך ביותר באופן דטרמיניסטי."

הוא המשיך וציין שFPGA יתאים היטב עם ML/AI, המציע עומס עבודה חישובי אגנוסטי, חיישן היתוך וכלים מאוחדים ומהלכי עבודה. "הם יכולים לשמש ליצירת פתרונות כח יעילים לבעיות אנליטיקה מורכבות," הוא אמר, "רק עם החומרה הדרושה לבעיה. זהו ההבדל; FPGA הם לגמרי על ביצועי מערכת והשהיה."

בזמן שFPGA בתחום כבר מזה שלושה עשורים, אלו הן הגירסאות העדכניות ביותר של המכשירים שמרימות את נטל/עומס הAI/ML. " כל שעשינו עד כה בתחום, בוצע על ידי שימוש בArria 10," אמר ג'נקינס. "זה בגלל שהנקודה הצפה שלה יכולה לשמור על דיוק. אבל ניתן להשתמש בדיוק נמוך יותר בגלל שלמשתמש לא משנה אם המכשיר רץ בקצב של 5ביט או 56ביט; מה שהם רוצים זה דיוק."

מכשיריArria 10מציעים ביצועי חישוב המגיעים עד ל1.5TFLOPs, בזמן שחלקי1.5TFLOPsעומדים ב10TFLOPs. לשניהם יש דיוק שרירותי של סוגי נתונים ומה שג'נקינס אומר זה ש"

FPGAיש רוחב פס בעל כמות עצומה של זיכרון פנימי, בערך8Tbyte/s, יחד עם מגה בייטס על זיכרון לוח. כך שאתה יכול לקבל נתונים במהירות רבה, לעשות את האנליזה ולהעביר את התוצאות חזרה במינימום השהיה. זוהי גם פקודה בעלת חשיבות גבוהה יותר מאשר מעבד;היכן שמעבד צריך לרוץ ביחידות שעוןGhzתFPGAיכול לרוץ במהירות של 300MHzולהחזיק מעמד. במקביל, הרצת המכשיר באופן יותר איטי ושמירת התוצאות עלFPGAחוסך כח."

כמובן, זה אפשרי לבצע משימותML/AIדרךASIC. "אבל הבעיה שלך היא שאפילו אם אתה רוצה לפתחASIC, אתה לא יכול לבצע שינויים ברגע שזה בוצע. זה גם יקר לבנותASIC, בזמן שערך ההצעות משתנה עם הזמן, הצורך המהותי בFPGAלא השתנה."

פיתוח כישורים

אם אתה רוצה להיות מעורב בתחום הML/AI, מהן הבעיות? "איך אתה מרחיב את בסיס המשתמש? חלק ממה שאנחנו עושים בעבודת הפיתוח שלנו," ג'נקינס ציין, "זה לא לכפות על האנשים להפוך למומחיGPUאו משהו בסגנון. אנחנו רוצים לספק כלים שעובדים בסביבה בה אנשים מרוצים, יחד עם ספריות ובלוקים של תוכנה. התוצאה יכולה להיות אם כך מובנית כיחידה אחת למכשיר היעד."

הפיתוחים המקבילים הללו בעולם הFPGA, היכן שבסיס המשתמש הפוטנציאלי הורחב על ידי הצגת הOpenCLכגישה תכנותית. "המטרה שלOpenCLהיתה להביא את הFPGAלקהילת פיתוח התוכנה," אמר ג'נקינס. " אנחנו כתבתנו את הספרייה הלימודית בOpenCLבכלל שזו תוכנה המבוססת על רצף פיתוחי. עם זאת, מפתחים צריכים להבין את ההקבלה והנתיבים העדינים והקטנים שFPGAיכול לספק. אנשים יכולים כעת לחשוב על בעיות שאינן תחומות על ידי ארכיטקטורות מובנות."

אריזות מולטיצ'יפ

חלק מההצהרות של אינטל לגבי רכישתAlteraהיתה כוונתה לאריזתFPGAיחד עם מעבדי השרת שלוXeon. "אנשים מחפשים אחר דרכים להאיץ את המעבדים," אמר ג'נקינס, "וכך מערכות נבנות עם מאיצי רכיבים. כשיש לך מעבד (CPU), אתה יכול להריץ כל דבר, אבל ההרצה תהיה מהירה יותר בשימוש מופרד, מעבדים או מאיצים.FPGAיותר קלים למדידה ולחיבור."

"אחד מהדברים שאנחנו עושים היא להוריד את אלמנט הMLמהXeonולקדם אותו לכיוון הFPGA. אם אין בסיס בתוך הFPGA, ניתן להשתמש בזיכרון לקידום נתונים חזרה למעבד (CPU), לעבד אותם ולהחזיר לFPGA. זוהי אינטגרציה המשכית."

הקונספט שלFPGAכשירות צמח. ספקי שירותי ענן מציעים ללקוחותיהם את היכולת להשתמש בFPGAכמאיץ. שני לקוחות של אינטל מציעים את השירות הנ"ל. בסין, ענן עליבאבא מציע ענן מבוסס מאיץ כאלטרנטיבה להשקעה בתשתיתFPGA, בזמן שבאירופה שותפות עםAccelizeמאפשרת למשתמשיOVHלהפעיל מאיציFPGAטרם בניה, להתאים אותם או ליצור חדשים.

"אני בתחום הFPGAמשנות ה-90," ג'נקינס סיכם. "תמיד אמרתי שאם תוכל להגיד לי מהFPGAלא מבצע טוב, אומר לך מה יהיה בייצור הדור הבא. אני אומר עשה זאת בFPGA, אלא אם אתה לא יכול."

המאמר נלקח מ

http://www.newelectronics.co.uk/electronics-technology/fpgas-key-to-machine-learning-and-ai-apps/156849/

מאמרים נוספים
צור קשר
מקצועני הגיוס שלנו ישמחו לסייע לך
ליצירת קשר ושליחת קורות חיים

דואר אלקטרוני jobs@esr.co.il
טלפון : 03-9679545 \  פקס : 03-9654271
רחוב הרצל 30 ראשון לציון, ת.ד 15148.

מפה