211service.com
La supercomputadora diminuta que las empresas se esfuerzan por obtener
La supercomputadora DGX-1 de Nvidia está diseñada para entrenar modelos de aprendizaje profundo más rápido que los sistemas informáticos convencionales.
Para las empresas que se enfrentan a proyectos de datos complejos impulsados por inteligencia artificial, un sistema que Nvidia llama una supercomputadora AI en una caja es un desarrollo bienvenido.
Primeros clientes de Nvidia DGX-1 , que combina software de aprendizaje automático con ocho de las unidades de procesamiento de gráficos (GPU) de gama más alta del fabricante de chips, dice que el sistema les permite entrenar sus modelos analíticos más rápido, permite una mayor experimentación y podría facilitar avances en ciencia, salud y finanzas. servicios.
Los científicos de datos han estado aprovechando las GPU para acelerar el aprendizaje profundo, una técnica de IA que imita la forma en que el cerebro humano procesa los datos. desde 2012 , pero muchos dicen que los sistemas informáticos actuales limitan su trabajo. Las computadoras más rápidas, como la DGX-1, prometen hacer que los algoritmos de aprendizaje profundo sean más potentes y permitir que los científicos de datos ejecuten modelos de aprendizaje profundo que antes no eran posibles.
El DGX-1 no es una solución mágica para todas las empresas. Cuesta $ 129,000, más que los sistemas que las empresas podrían ensamblar a partir de componentes individuales. También viene con una cantidad fija de memoria del sistema y tarjetas GPU. Pero debido a que las partes y programas relevantes están preinstalados en una carcasa de metal del tamaño de una maleta mediana, y dado que combina hardware avanzado con conectividad rápida, Nvidia afirma que el DGX-1 es más fácil de configurar y más rápido en el análisis de datos que la GPU anterior. sistemas Además, la recepción positiva que ha atraído el DGX-1 en sus primeros meses de disponibilidad sugiere que los sistemas de aprendizaje profundo todo en uno similares podrían ayudar a las organizaciones a realizar más experimentos de IA y refinarlos más rápidamente. Aunque el DGX-1 es el único sistema de este tipo en la actualidad, los socios de fabricación de Nvidia lanzarán nuevas versiones de la supercomputadora a principios de 2017.
Menos de 100 empresas y organizaciones han comprado DGX-1 desde que comenzaron a enviarse en otoño, pero los primeros usuarios dicen que las afirmaciones de Nvidia sobre el sistema parecen mantenerse. Jackie Hunter, CEO de la empresa con sede en Londres BenevolentAI El brazo de ciencias de la vida de BenevolentBio dice que su equipo de ciencia de datos tenía modelos de entrenamiento en el DGX-1 el mismo día que se instaló. Ella dice que el equipo pudo desarrollar varios modelos a gran escala diseñados para identificar moléculas adecuadas para medicamentos en ocho semanas. Estos modelos entrenan de tres a cuatro veces más rápido en el DGX-1 que en los otros sistemas de GPU de la startup, según Hunter. Teníamos varios modelos que originalmente tomaban semanas para entrenar, pero ahora podemos hacerlo en días y horas, agrega.
El Hospital General de Massachusetts tiene un DGX-1 en uno de sus centros de datos y tiene uno más pedido. Dice que necesita supercomputadoras GPU como la DGX-1 para procesar grandes volúmenes de diferentes tipos de datos. Centro de ciencia de datos clínicos de MGH , que coordina el acceso al DGX-1 del hospital en el área de Boston Sistema PartnersHealthCare , dice que los proyectos que utilizan la supercomputadora implicarán el análisis de imágenes de patología y radiología, registros electrónicos de salud e información genómica.
Si está incorporando no solo rayos X, sino una gran cantidad de información clínica, información de facturación y fuentes de redes sociales como indicadores de la salud de un paciente, realmente necesita grandes cantidades de potencia informática de GPU para aplastar eso, dice el director del centro. Marcos Michalski.
Varias otras organizaciones están implementando DGX-1 para dar sentido a grandes cantidades de datos relacionados con la atención médica y la investigación médica. Los laboratorios nacionales de Argonne y Oak Ridge utilizan los suyos para estudiar los orígenes del cáncer e identificar nuevas terapias como parte del proyecto Cancer Moonshot de Joe Biden.
Los DGX-1 también están en uso activo en la comunidad de investigación de IA. Nvidia donó el primer DGX-1 que produjo a la empresa de investigación de IA sin fines de lucro OpenAI y entregó otros nueve sistemas a universidades con destacados departamentos de aprendizaje profundo, incluidas la Universidad de Nueva York, la Universidad de Stanford y la Universidad de Toronto.
Las corporaciones multinacionales también se están apoderando de los sistemas. SAP, que fabrica software para ayudar a las empresas a gestionar sus operaciones y relaciones con los clientes, ha instalado DGX-1 en dos de sus centros de innovación , uno en Potsdam, Alemania, y otro en Ra'anana, Israel, y está ejecutando proyectos de prueba de concepto en los sistemas para identificar las mejores formas de hacer uso de su escala y velocidad, dice el vicepresidente Markus Noga. Laboratorios de fidelidad , el brazo de investigación y desarrollo de Fidelity Investments, también posee dos DGX-1 y planea usarlos para construir redes neuronales o sistemas informáticos modelados en el cerebro humano, dice el director de los laboratorios, Sean Belka.
Incluso aquellos que ya poseen un DGX-1 probablemente seguirán utilizando una combinación de sistemas informáticos de alto rendimiento, incluidos el cómputo en la nube y otros sistemas basados en GPU, en lugar de trasladar todo su trabajo de aprendizaje profundo a la supercomputadora. Es posible que otras empresas no compren uno en primer lugar debido a su alto costo inicial y configuración fija.
Pero muchos parecen pensar que el precio vale la pena. BenevolentAI estima que el costo de alquilar suficientes servidores en Amazon Web Services para igualar el rendimiento del DGX-1 superaría el precio de 129 000 dólares del sistema en un año. Greg Diamos, investigador sénior en Laboratorio de IA de Silicon Valley de Baidu , que es un experto en computación de alto rendimiento, reconoce que la supercomputadora es costosa, pero dice que el precio refleja el trabajo de configuración y el soporte que brinda Nvidia. El laboratorio de IA de Baidu no tiene un DGX-1, pero está en proceso de actualizar su sistema a las mismas tarjetas GPU y anticipa que la nueva tecnología acelerará su investigación de IA en unas 3,5 veces, según Diamos.
Las empresas que se enfocan en crear aplicaciones de aprendizaje profundo y no quieren preocuparse por diseñar la plataforma de hardware y software en la que se ejecutan probablemente considerarán el DGX-1, dice Diamos. Pero espero que los clientes más grandes que hacen todo este trabajo internamente compren GPU individuales y las integren ellos mismos en clústeres HPC personalizados en lugar de pagar la prima por el DGX-1.