Dentro de la sala de máquinas de inteligencia artificial de Facebook

Acceda a Facebook desde la mitad occidental de América del Norte y es muy probable que sus datos sean extraídos de una computadora enfriada por el aire con olor a enebro y salvia del desierto alto del centro de Oregón.

En la ciudad de Prineville, hogar de aproximadamente 9000 personas, Facebook almacena los datos de cientos de millones más. Filas y filas de computadoras se encuentran dentro de cuatro edificios gigantes que suman casi 800,000 pies cuadrados, alineados con precisión para dejar entrar los vientos secos y generalmente frescos del verano que soplan desde el noroeste. Los pasillos de servidores apilados con luces azules y verdes parpadeantes emiten un rugido sordo mientras procesan inicios de sesión, me gusta y LOL.

Facebook ha instalado nuevos servidores de alta potencia para ayudar a sus investigadores de inteligencia artificial a moverse más rápido. Están alimentados por chips GPU (las tarjetas verdes en la parte posterior de la imagen) fabricados por Nvidia.

Facebook ha agregado recientemente algunas máquinas nuevas a la mezcla en Prineville. La compañía instaló servidores nuevos de alta potencia diseñados para acelerar los esfuerzos para entrenar software para hacer cosas como traducir publicaciones entre idiomas, ser un asistente virtual más inteligente o seguir narrativas escritas.

Los nuevos servidores Big Sur de Facebook están diseñados en torno a procesadores de alta potencia de un tipo desarrollado originalmente para el procesamiento de gráficos, conocidos como GPU. Estos chips respaldan los avances recientes en la tecnología de inteligencia artificial que provienen de una técnica conocida como aprendizaje profundo. El software se ha vuelto sorprendentemente mejor en la comprensión de las imágenes y el habla gracias al poder de las GPU, lo que permite aplicar viejas ideas sobre cómo entrenar el software a conjuntos de datos mucho más grandes y complejos (ver Enseñar a las máquinas a entendernos).

Kevin Lee, un ingeniero de Facebook que trabaja en los servidores, dice que ayudan a los investigadores de Facebook a entrenar el software utilizando más datos, trabajando más rápido. Estos servidores son hardware especialmente diseñado para la investigación de IA y el aprendizaje automático, dice. Las GPU pueden tomar una foto y dividirla en partes diminutas y trabajar en ellas todas a la vez.

Facebook construye cada servidor de Big Sur en torno a ocho GPU fabricadas por Nvidia, el proveedor líder de dichos chips. Lee se negó a decir exactamente cuántos de los servidores se han implementado, pero dijo que la empresa tiene miles de GPU en funcionamiento. Los servidores Big Sur se han instalado en los centros de datos de la empresa en Prineville y Ashburn, Virginia.

Debido a que las GPU consumen mucha energía, Facebook tiene que empaquetarlas con menos densidad que otros tipos de servidores en el centro de datos, para evitar la creación de puntos calientes que dificultarían las cosas para el sistema de enfriamiento y requerirían energía adicional. Ocho servidores Big Sur están apilados en un estante de dos metros de altura que, de otro modo, podría albergar 30 servidores estándar de Facebook que realizan el trabajo más rutinario de servir los datos de los usuarios.

Facebook no está solo en la gestión de centros de datos gigantes o la recopilación de GPU para impulsar la investigación de aprendizaje automático. Microsoft, Google y la empresa de búsqueda china Baidu han confiado en las GPU para impulsar la investigación de aprendizaje profundo.

Los nuevos servidores de Facebook para la investigación de inteligencia artificial, dentro del centro de datos de la empresa en Prineville, Oregón.

La red social es inusual porque ha abierto los diseños para Big Sur y sus otros diseños de servidores, así como los planes para su centro de datos de Prineville. La compañía los aporta a una organización sin fines de lucro llamada the Proyecto de cómputo abierto , iniciado por Facebook en 2011 para alentar a las empresas de computación a trabajar juntas en diseños de hardware de centro de datos de bajo costo y alta eficiencia. Se considera que el proyecto ayudó a las empresas de hardware asiáticas y exprimió a los proveedores tradicionales como Dell y HP.

El director de investigación de IA de Facebook, Yann LeCun, dijo cuando se anunció Big Sur a principios de este año que creía que hacer que los diseños estuvieran disponibles podría acelerar el progreso en el campo al permitir que más organizaciones construyan una poderosa infraestructura de aprendizaje automático (ver Facebook se une a la estampida de gigantes tecnológicos dando Lejos de la Tecnología de Inteligencia Artificial).

Sin embargo, es posible que los futuros servidores de aprendizaje automático basados ​​en los planes de Facebook no se construyan alrededor de las GPU en su corazón. Varias empresas están trabajando en nuevos diseños de chips más específicamente adaptados a las matemáticas del aprendizaje profundo que las GPU.

Google anunció en mayo que había comenzado a usar un chip de diseño propio, llamado TPU, para potenciar el software de aprendizaje profundo en productos como el reconocimiento de voz. El chip actual parece ser adecuado para ejecutar algoritmos después de haber sido entrenados, no el paso de entrenamiento inicial que los servidores de Big Sur están diseñados para acelerar, pero Google está trabajando en un chip de segunda generación. Nvidia y varias empresas emergentes, incluida Nervana Systems, también están trabajando en chips personalizados para el aprendizaje profundo (ver Intel Outside As Other Companies Prosper from AI Chips).

Eugenio Culurciello , profesor asociado de la Universidad de Purdue, dice que la utilidad del aprendizaje profundo significa que parece seguro que estos chips se utilizarán ampliamente. Ha habido una gran necesidad por un tiempo y solo está creciendo, dice.

Cuando se le preguntó si Facebook estaba trabajando en sus propios chips personalizados, Lee dice que la compañía lo está investigando.

esconder