Intel Nervana, nuova tecnologia AI
Cosa ha davvero portato Intel nervana
I passi avanti per l’AI vengono dalla combinazione di due filosofie diverse che dopo l’acquisizione si stanno integrando, spiega il fondatore Naveen Rao
La crescita di Intel in quelli che adesso considera come segmenti innovativi e promettenti per la crescita dell’azienda è legata anche a diverse acquisizioni. La più citata è probabilmente quella di Altera per la parte FPGA, ma in campo machine learning e AI l’operazione fondamentale è stata l’acquisto di Nervana e delle sue tecnologie. Anche della sua filosofia, in un certo senso, dato che il filone di sviluppo dell’azienda era diverso da quello di Intel al momento dell’acquisizione. E ora le due direttrici tecnologiche possono convivere.
Nervana non è stata acquisita per i prodotti che aveva ma per quelli che stava sviluppando. Nello specifico si tratta del Nervana Engine, un processore progettato esclusivamente per il machine/deep learning che ora in Intel ha nome in codice Lake Crest. La caratteristica principale del Nervana Engine è che tutti i suoi componenti sono pensati per le operazioni necessarie al machine learning e tutto quello che non serve a questo scopo è stato eliminato.
Si pensa che entro il 2020, il 20% della forza lavoro sarà sostituito da intelligenza artificiale.
La nuova forza lavoro “ibrida”, composta da uomini e macchine, pone questioni organizzative, tecnologiche e etiche.
Infatti oggi abbiamo un grosso problema nella nostra società derivante dall’automatizzazione di moltissimi aspetti del lavoro e del quotidiano.
Ci ricordiamo quando dovevamo scrivere una lettera o prendere appunti a scuola solo qualche decennio fa ? Abbiamo disimparato a scrivere lettere agli amici , non scriviamo nemmeno piu’ cartoline. Prima si facevano i calcoli con la penna e oggi abbiamo telefoni e computer che fanno qualsiasi calcolo velocemente. Prima avevamo archivi cartacei , biblioteche , negozi di videocassette e cd mentre oggi basta un computer collegato ad internet per aver accesso a qualsiasi tipo di informazione condivisa.
cosa cambierà?
In un prossimo futuro sembra che dovremmo dipendere completamente dall’elettronica in genere e si prospetta probabilmente un momento di transizione in cui saremo completamente dipendenti da macchine e computer.
Questo non e’ assolutamente un male ma non abbiamo idea di che cosa potrebbe comportare a livello di occupazione e impiego della forza lavoro. Alcune cose non potranno essere in nessun modo governate ma la nostra liberta’ ? la privacy dei nostri dati ? il nostro tempo lavorativo come qualita’ ?
Chi non ha un approccio elettronico alla vita sara’ escluso ed emarginato ?
Dobbiamo pensare anche a far digerire alla massa un evoluzione che dopo quella industriale potrebbe creare guerre e disastri geo politici inimmaginabili.
D’altronde chi ha inventato l’automobile non voleva inventare anche le vittime della strada , i semafori o l’inquinamento. Non poteva immaginare le conseguenze utili e drammatiche dell’invenzione.
Spesso si progetta e si inventa a fin di bene senza pensare o poter immaginale le reali conseguenze di quello che si sta inventando.
Speriamo che Intel non crei qualche cosa che ci porti ad un futuro come quello immaginato nel film Matrix ma a qualche cosa di piu’ simile immaginato in cocoon .
Quindi troviamo quello che serve a gestire e trasferire grandi quantità di dati (ad esempio 32 GB di memoria veloce integrata nel chip o link bidirezionali ad alta banda verso altri processori) e non troviamo altri elementi (come le cache) dettati dalla progettazione convenzionale derivata dal mondo dell’High Performance Computing.
L’approccio:
“L’approccio di Nervana è diverso perché aumentare la capacità elaborativa pura dei processori è un passo avanti ma non basta. Bisogna ispirarsi al funzionamento del cervello umano per riprogettare i computer. In fondo per progettare gli aerei si è guardato al funzionamento delle ali degli uccelli”. E il Nervana Engine ha molte delle proprietà delle reti di neuroni: l’alta densità, l’interconnessione veloce e la bassa precisione (il chip fa calcoli a 16 bit ma massimizzando la “fedeltà” dei suoi risultati).
Serve un approccio diverso da quello tradizionale anche perché il nostro cervello non impara usando uno solo dei metodi classici teorizzati , in realtà li combina.
Nervana ha approcciato sin da subito il tema del deep – e non solo machine – learning. In questo senso la parte di apprendimento non prevede l’indicazione dei parametri chiave da esaminare nei dati: è il sistema che scopre le caratteristiche chiave di un fenomeno direttamente dai dati, estraendone milioni di parametri caratterizzanti invece di pochi e definendo i modelli su questi. “Un esperto impara nello stesso modo”.
Compiere il salto evolutivo, perchè e come?
Il salto evolutivo del Nervana Engine è necessario perché bisogna ridurre i tempi necessari per addestrare un modello di machine learning. Laddove ci vogliono settimane dovremo arrivare a minuti e le prestazioni dei sistemi di AI diventano proporzionali alla quantità di dati analizzata. Da qui la necessità di gestire velocemente la memorizzazione dei dati con memorie su chip e di incrementare il parallelismo tra processori.
Nell’approccio di Nervana questi comunicano fra loro abbastanza velocemente da operare come un unico chip che condivide lo stesso modello per avere analisi più precise.
Il futuro ci riserva il “matrimonio” tra il Nervana Engine e l’approccio Intel. Se il primo (ormai Lake Crest) è progettato sin da zero per essere un processore di deep learning, Xeon Phi è un approccio più tradizionale ma è pesantemente multicore e si adatta bene al deep learning.
La loro combinazione nel futuro processore Knights Crest è quindi “meno strana di quanto possa sembrare inizialmente”, anche tenendo conto delle differenze concettuali dell’approccio di Nervana da quello classico. Con il vantaggio di poter contare sui processi produttivi di Intel, con microlitografia a maggiore densità del progetto iniziale del Nervana Engine.
leggi anche questo articolo.
ulteriori approfondimenti li puoi trovare qui.
