Las redes neuronales fueron hace tiempo una técnica de aprendizaje de máquina con requerimientos intensivos de cómputo que sólo las supercomputadoras podían satisfacer. Actualmente las GPUs pueden cubrir esos requerimientos sin que se necesiten máquinas gigantescas que ocupen habitaciones enteras.
Las CPUs tradicionales no son adecuadas para aplicaciones de aprendizaje profundo (deep learning), por lo que es necesario recurrir a GPUs de alto rango para incursionar en estas áreas de la inteligencia artificial. Facebook hace uso intensivo del aprendizaje artificial, y para ello decidió volcarse a placas de cómputo Tesla, de Nvidia; más específicamente, la Tesla M40.
La compañía líder de los medios sociales ha anunciado recientemente a “Big Sur”, un sistema diseñado específicamente para entrenar redes neuronales. Big Sur está construido sobre una plataforma Open Rack V2. Cada nodo del sistema puede albergar hasta ocho placas de cómputo. Facebook asegura que su diseño es más versátil que las soluciones prefabricadas que utilizaba anteriormente, y además es el doble de veloz. La compañía planea remitir los materiales de diseño de Big Sur al Open Compute Project, de forma tal que cualquiera pueda utilizarlo para sus propios sistemas inteligentes.
Pero Facebook no es la única compañía que hace uso intensivo de los aceleradores de GPU para inteligencia artificial. Recientemente, IBM agregó soporte para la GPU Tesla K80 a su plataforma Watson. El conjunto de herramientas Computational Network Toolkit, de Microsoft, funciona con CUDA, y su sistema de reconocimiento de imágenes también recibió recientemente una mejora impulsada por GPUs. TensorFlow, de Google, también funciona con CUDA.
Finalmente puede decirse que las máquinas pensantes ya se encuentran entre nosotros, y sus cerebros están compuestos básicamente por unidades de procesamiento gráfico.
Compartir nota:
