Несколько дней назад AI-проект Google AlphaGo Zero превзошел ведущий в мире шахматный движок (Stockfish) всего за четыре часа обучения с использованием Tensor Processing Units (TPU) Google. Это лишь один из многих примеров того, как общий подход к машинному обучению может в течение нескольких часов дать лучшую производительность, чем специализированное программное обеспечение, которое настраивалось в течение многих лет.

Но больше всего меня восхищает то, что технология, лежащая в основе таких выдающихся достижений, не скрывается за огороженным садом. Он доступен всем нам.

Большинство ведущих инструментов машинного обучения имеют открытый исходный код и хорошо документированы. Данные, необходимые для машинного обучения, более доступны, чем когда-либо прежде, и даже используемое оборудование становится все более рентабельным. Мы все можем играть с теми же ингредиентами, что и такие крупные игроки, как Google, Amazon, Facebook и Apple.

От «прежде всего мобильные» до «прежде всего искусственного интеллекта»

Для команд на ранней стадии это потрясающе. Если у вас есть идея, поиграйте с ней и получите результаты быстро, и есть несколько препятствий. Машинное обучение - это открытое поле, и есть бесчисленное множество проблемных областей, к которым можно применить его помимо шахмат.

В то время как недавний технологический сдвиг в основном был связан с повышением доступности услуг за счет обеспечения их доступности и на мобильных устройствах («сначала мобильные»), сейчас мы находимся в сдвиге, направленном на то, чтобы лучше понять существующие данные с помощью машинного обучения («искусственный интеллект в первую очередь» »).

«В мире, где прежде всего используется искусственный интеллект, мы переосмысливаем все наши продукты,
и применяем машинное обучение и искусственный интеллект для решения проблем пользователей».

- Сундар Пичаи

Доступ к инструментам машинного обучения, а также к данным и оборудованию - это здорово, но для команд на очень ранних стадиях (предпродажная подготовка, предпродажная подготовка, предварительное финансирование…) все еще существует огромный барьер: стоимость инфраструктуры.

Хотя проведение эксперимента, аналогичного тренировкам AlphaGo Zero по шахматам, занимает всего несколько часов, это может быть непомерно дорого для команды на ранней стадии, если у вас нет нескольких тысяч долларов, которые нужно сжечь.

Это ставит команды на ранних стадиях в невыгодное положение.

Что, если бы дизайнеру не пришлось платить за краску

Представьте себе амбициозного художника. Она вкладывает все свое сердце в заполнение одного холста за другим. И все же каждый холст, каждая кисть и каждый горшок с краской невероятно дороги. Это закрывает то, что она может выразить. Каждая ошибка дорого обходится. Каждая идея подвергается тщательной проверке. Каждый удар сдержан.

Что мог бы сделать художник, если бы холсты, кисти, краски и хранилище были бы не только легко доступны, но и бесплатно? Что, если бы ее студия автоматически масштабировалась вместе с ее усилиями? Что она могла сделать?

Мы спрашивали себя, что могли бы сделать лемминги, если бы их воображение не было искусственно ограничено стоимостью инфраструктуры. Если бы им не пришлось ограничивать свои мысли графическими процессорами в своих ноутбуках? Что, если бы им не пришлось беспокоиться о покупке оборудования, которое устареет в течение нескольких недель?

Веб-сервисы Amazon и облачная платформа Google

Я рад, что мы не единственные, кому интересно узнать, что амбициозные команды могут сделать с помощью машинного обучения в современной инфраструктуре.

Мы сотрудничаем с Amazon и Google, чтобы предоставить каждой команде Lemmings 100 000 долларов США на Amazon Web Services, а также 100 000 долларов США на Google Cloud Platform.

Вдобавок ко всему, все наши команды получают доступ к первоклассной поддержке 24/7
, а также доступ к обучению, непосредственно предоставляемому каждым партнером платформы.

Это не только означает значительное сокращение затрат на инфраструктуру и техническую поддержку
для наших команд на ранней стадии.

Это означает высвобождение ума.

дальнейшее чтение

Https://aws.amazon.com/blogs/aws/new-amazon-ec2-instances-with-up-to-8-nvidia-tesla-v100-gpus-p3/

Https://aws.amazon.com/blogs/ai/new-aws-deep-learning-amis-for-machine-learning-practitioners/

Https://chess.stackexchange.com/questions/19366/hardware-used-in-alphazero-vs-stockfish-match

Https://news.ycombinator.com/item?id=15556789

Https://spectrum.ieee.org/tech-talk/robotics/artificial-intelligence/alphago-zero-goes-from-blank-slate-to-grandmaster-in-three-dayswithout-any-help-at-all

Https://cloud.google.com/blog/big-data/2017/05/an-in-depth-look-at-googles-first-tensor-processing-unit-tpu

Https://news.ycombinator.com/item?id=15869083

Https://cloudplatform.googleblog.com/2017/09/introduction-faster-GPUs-for-Google-Compute-Engine.html

Https://cloudplatform.googleblog.com/2017/11/new-lower-prices-for-GPUs-and-preemptible-Local-SSDs.html

Https://www.nvidia.com/en-us/data-center/dgx-1/

Http://images.nvidia.com/content/technologies/volta/NVIDIA-Volta-GPU-Architecture_The-Future-of-AI.pdf

Https://en.wikipedia.org/wiki/Tensor_processing_unit