AWS即将推出云计算实例系列预览,使企业可以在AWS云上训练人工智能(AI)模型,其性价比与显卡比高40%。
预计该实例系列能在2021年上半年应市。AWS日前在旗下的re:Invent线上活动上宣布了该消息,AWS同时还宣布推出用于其他使用案例的计算产品,例如运行数据库和渲染视频内容等使用案例。
AWS计划推出的的AI实例,是基于英特尔公司的Gaudi 芯片,这些芯片针对训练神经网络进行了专门优化。英特尔曾斥资200亿美元收购半导体初创公司Habana Labs Ltd纳入其产品系列。AWS的实例系列最多可提供含八个Gaudi的实例,据Habana 高管Eitan Medina发布的博文称,这可以提供足够的算力以每秒12,000张照片的速度训练人工智能模型,相当于使用行业标准Resnet-50模型时达到的训练速度。
云巨头AWS将在适当的时机推出Gaudi实例。AI模型现在越来越复杂,一部分原因是由于企业机器学习举措趋于成熟,也有部分原因是因为诸如OpenAI等公司在做的研究,使大型神经网络架构成为可行。随着神经网络复杂性的增长,训练神经网络所需的算力需求也在增加,因而也推动了更有效地训练神经网络架构的需求。
这消息亦是英特尔的大胜利。芯片制造商英特尔最近几个季度将旗下中央处理器的核心聚焦领域扩展到其他领域,包括AI芯片市场。云领导者AWS采用英特尔的Gaudi芯片,预计这些芯片还具有高性价比的竞争力,这些事实都在向其他潜在客户发出强大的信号。
云巨头AWS采用Gaudi推动更广泛的策略,进而扩展旗下的云可提供的芯片选项数量。AWS还在re:Invent上宣布了开发Trainium自家AI训练处理器的消息。
AWS表示,Trainium将提供“云端训练机器学习模型的最佳性价比”。亚马逊子公司AWS并没有给出太多Trainium芯片的技术规细节。但AWS透露,Trainium适合于训练各种模型,包括用于图像分类、翻译、语音识别、自然语言处理和产品推荐等神经网络。
Trainium芯片预计将于2021年下半年提供给客户使用。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。