Տեխնոլոգիան աներևակայելի արագ է շարժվում։ Այսօր դուք կարող եք գնել ստանդարտ պլանշետներ կամ հիմնական նոութբուք դպրոցական շրջանի համար: Այնուամենայնիվ, ապագայի իրական կախարդանքը տեղի է ունենում շատ հեռու՝ տվյալների զանգվածային կենտրոններում: Հսկա մեքենաները մշակում են տեղեկատվության լեռներ՝ մեր ամենօրյա էլեկտրոնիկան ավելի խելացի և արագ դարձնելու համար: Այս գրառումը բացատրում է, թե ինչպես են հսկայական հաշվողական հզորությունը և AI-ն ձևավորում այն ​​հարմարանքները, որոնց վրա մենք բոլորս վստահում ենք: Կարդացեք՝ տեսնելու, թե ինչպես է վաղվա սպառողական սարքավորումը նախագծվում այսօրվա ամենաառաջադեմ համակարգերի կողմից:

Ի՞նչ է իրականում սուպերհամակարգիչը և ինչպես է այն հաշվարկվում:

A սուպերհամակարգիչ էապես բարձր հզոր համակարգիչ. Դա կոնկրետ նախատեսված է վազելու համար զանգվածային առաջադրանքներ. Այն կարող է հեշտությամբ լուծել բարդ խնդիրներ որը սովորական մեքենան պարզապես չի կարող հաղթահարել: Երբ ինժեներները չափում են սուպերհամակարգչի կատարումը, նրանք չեն նայում ստանդարտ ժամացույցի արագությանը, ինչպես դուք տնային համակարգչի վրա: Փոխարենը դրա արագությունն է չափվում է լողացող կետով գործառնություններով մեկ երկրորդ. Մենք սովորաբար սա անվանում ենք ա ֆլոպ.

Այս անհավանականին հասնելու համար կատարողականի մակարդակը, սինգլ սուպերհամակարգիչը կարող է պարունակել տասնյակ հազարավոր պրոցեսորներ. Այս փոքր մասերը շատ սերտորեն համագործակցում են՝ որպես մեկ հսկա ուղեղ: Զանգվածային արտադրվում են սուպերհամակարգիչներ ավելի փոքր ֆիզիկական կտորներից, որոնք խմբավորված հաշվողական հանգույցների մեջ. Սրանք հաշվարկային հանգույցներ միաժամանակ լուծել հսկայական գլուխկոտրուկի փոքրիկ կտորները: Նրանք մշակում են տրիլիոնավոր հաշվարկներ մեկ վայրկյանում գլխապտույտ տեմպերով.

Այս զանգվածային հաշվարկել իշխանությունը բացարձակապես կենսական նշանակություն ունի ժամանակակիցի համար AI. Անկախ նրանից, թե կանխատեսում եք գնումների միտումները, թե պատրաստում եք խելացի ձայնային օգնականներ, AI հսկայական ռեսուրսների կարիք ունի. Սուպերհամակարգիչները նույնպես օգտագործվում է ծրագրային ապահովման և ապարատային նախագծերը փորձարկելու համար, որոնք ի վերջո վայրէջք են կատարում սպառողական սարքերի վրա: Յուրաքանչյուր նոր պլանշետ կամ սմարթֆոն օգտվում է ծանրաբեռնվածությունից, որն իրականացվում է a սուպերհամակարգիչ ապրանքը դարակներում հայտնվելուց շատ առաջ:

Ինչպե՞ս սկսվեց սուպերհամակարգիչը համակարգչային պատմության մեջ:

-ի պատմությունը գերհամակարգչ սկսվել է շատ տասնամյակներ առաջ: Այն առաջին սուպերհամակարգիչը ծնվել է այն ժամանակ, երբ վաղ գիտնականները և ռազմական ինժեներները ցանկանում էին ավելի շատ արագություն: Սեյմուր Քրեյ լեգենդար կերպար էր այս վաղ դարաշրջանում: Նա նախագծել է հայտնի CDC 6600 -ում աշխատելիս Control Data Corporation. Շատ պատմաբաններ կոչում են CDC 6600 ժամանակակիցի իրական մեկնարկային կետը համակարգչային տեխնիկա.

Մինչ այդ մեքենայի հայտնվելը, այլ նախագծեր, ինչպիսիք են IBM 7030 գոյություն ուներ. Մասնավորապես, IBM 7030 Ձգվող փորձել է ճեղքել այն սահմանները, թե ինչ կարող է անել մեքենան: Այնուամենայնիվ, Սեյմուր Քրեյ օգտագործեց հովացման խելացի ձևավորումներ և խիտ լարեր՝ իր մեքենան շատ ավելի արագ դարձնելու համար: Վաղ գերհամակարգիչների օգտագործումը էլեկտրագծերի եզակի նախշեր՝ մասերի միջև ազդանշանի ուշացումները նվազեցնելու համար: Դրանք էապես տարբերվում էին այն ժամանակվա կառուցված ամեն ինչից:

Դեռ այդ վաղ օրերին մեքենայի արագությունը երբեմն պարզապես գնահատվում էր միլիոն հրահանգներ վայրկյանում. Դա այսօր աներևակայելի դանդաղ է թվում: Հիմա՝ ժամանակակից AI մոդելները դրանից շատ ավելին են պահանջում: Բայց այդ առաջին օրերը հիմք դրեցին: Նրանք ապացուցեցին, որ մարդիկ կարող են հսկայական մեքենաներ կառուցել՝ խելագար մաթեմատիկա վարելու համար:

Ինչու՞ են սովորական համակարգիչները տարբերվում բարձր արդյունավետությամբ համակարգչից:

Մտածեք ձեր գրասեղանի վրա նստած սարքի մասին հենց հիմա: Ստանդարտ աշխատասեղան կամ բիզնես 16 դյույմ նոթբուք DS160N95 հիանալի է ամենօրյա աշխատանքի համար: Սովորական համակարգիչներ սովորաբար ունեն մեկ հիմնական պրոցեսոր. Նրանք կարող են ունենալ մի բուռ CPU միջուկներ. Բայց ա բարձրորակ համակարգիչ բոլորովին այլ գազան է:

Հիմնական համակարգչային համակարգ միաժամանակ կատարում է մեկ անձի առաջադրանքները. Այն կարող է օգտագործել ստանդարտ օպերացիոն համակարգ ինչպես Windows-ը կամ Android-ը: Ի հակադրություն, զանգվածային հետազոտական մեքենաներ պարունակում է տասնյակ հազարներ մասերից։ Նրանք ունեն տասնյակ հազարավոր հանգույցներ աշխատում է միանգամից. Երբ մուտքագրում եք a նոութբուք, դա քեզ շատ արագ է զգում: Բայց դա չի կարող ղեկավարել գլոբալ AI մարդու գենոմի մոդելավորում կամ մոդելավորում:

Ձեր առօրյան անհատական համակարգիչներ are built for low cost, portability, and low heat. Հսկայական հաստատությունը պետք է ուշադիր կառավարի ծայրահեղությունը էներգիայի սպառումը. Ստանդարտ նոութբուք դանդաղ կում է մարտկոցի հզորությունը: Հսկայական տվյալների բազան բավականաչափ էներգիա է օգտագործում փոքր քաղաքը լուսավորելու համար:

• Նոթբուք: 1 պրոցեսոր, 8-16 ԳԲ օպերատիվ հիշողություն, աշխատում է մարտկոցով, կառուցված է 1 օգտագործողի համար։
• Սուպերհամակարգիչ. Միլիոնավոր միջուկներին՝ petabytes RAM-ին, անհրաժեշտ է էլեկտրակայան, որը կառուցված է տվյալների հսկայական հավաքածուների համար:

Ինչպե՞ս է զուգահեռ մշակումը օպտիմիզացնում համակարգչային կլաստերը:

Մեքենաներն ավելի արագ դարձնելու համար ինժեներները դրանցից հազարավոր կապում են իրար: Սա ստեղծում է մի հսկա ցանց, որը կոչվում է a կլաստեր. Ներսում ա կլաստեր, մասերը պետք է արագ խոսեն։ Նրանք օգտագործում են հատուկ, բարձր արագությամբ փոխկապակցել մալուխային համակարգ. Սա օգնում է օպտիմալացնել տվյալների հոսքը բոլոր մասերի միջև:

Ինժեներներ օգտագործել զուգահեռ մշակում բաշխել ծանրաբեռնվածությունը. Հիմնականում, գերհամակարգչությունը ձև է -ից զուգահեռ մշակում. Այն բաժանում է հսկայական աշխատանքը փոքր մասերի: Հետո, հարյուրավոր կամ հազարավոր չիպսերը լուծում են այդ բիթերը ճիշտ միաժամանակ: Այս պարզ գաղափարը զուգահեռականություն այն է, ինչը ստիպում է կախարդանքը տեղի ունենալ: Մտածեք դրա մասին, ինչպես հսկա կերակուր պատրաստելը. մեկ խոհարարը երկար ժամանակ է պահանջում, բայց հարյուր խոհարարներ միասին աշխատում են րոպեների ընթացքում:

Խոսքը գերհամակարգիչը երբեմն օգտագործվում է հոմանիշ հետ HPC (բարձր կատարողական հաշվարկ): Կառավարել ծանր ծանրաբեռնվածություն, վերահսկիչ ծրագրաշարը պետք է շատ խելացի լինի։ Այսօր, AI ծրագրերը կառուցված են, որպեսզի կատարյալ տարածվեն ա կլաստեր. Այս տեխնիկան կոչվում է Զանգվածային զուգահեռ վերամշակում. Այն տալիս է ամբողջ համակարգին անհավանական թողունակությունը և արդյունավետություն։

Ինչպե՞ս է AI-ն կհրաժարվի հաշվողական հզորության սահմաններից:

Այսօր, AI տեխնոլոգիական արդյունաբերության ամենամեծ շարժիչ ուժն է: Նորի վերապատրաստում AI պահանջում է հսկայական քանակությամբ հաշվարկ. Կան կոնկրետ խնդիրներ, որոնք պահանջում են ծայրահեղ մաթեմատիկա լուծելու համար: Այն օգտագործվում են բարդ և խոշոր հաշվարկներ by neural networks are staggering. Փաստորեն, որ խոշոր հաշվարկներ, որոնք օգտագործվում են սուպերհամակարգիչների կողմից այսօր գրեթե հիմնականում համար են AI հետազոտություն.

Այս ծանրությունը կարգավորելու համար հաշվողական բեռնվածություն, ստանդարտ չիպերը պարզապես բավարար չեն: Մենք մեծապես ապավինում ենք գրաֆիկայի մշակման միավորներ կամ GPU-ներ. Ա գրաֆիկական չիպը բացարձակապես կատարյալ է AI. It does many simple math problems at the same time. Ընկերությունները սիրում են Intel և Nvidia-ն հատուկ մասեր են ստեղծում հենց այս պատճառով:

Սրանք AI tasks improve the gadgets you buy every day. For instance, the smart camera features in our10.1 դյույմ պլանշետ X12 Pro ապավինել AI models that were originally trained on massive machines. Անհավանականը վերամշակող հզորություն of a giant facility eventually makes your small tablet smarter and more helpful.

Cloud Computing-ն ընդդեմ տեղական HPC-ի. ո՞րն է հաղթում լայնածավալ AI-ի համար:

Ոչ բոլորն ունեն փող գնելու հսկա սերվերային հաստատություն: Սա հենց այնտեղ է ամպային հաշվարկ քայլեր է անում. Ամպային հաշվարկ lets companies rent power over the internet. Դուք ստանում եք high performance computing առանց սերվերներով լի հսկա, աղմկոտ սենյակ կառուցելու:

Համար լայնածավալ AI նախագծեր, ամպը զարմանալի է: You can rent a small slice of the world's fastest supercomputer ընդամենը մի քանի ժամով: Այն բարձր կատարողական հաշվարկ աշխարհը լիովին ընդունել է այս գաղափարը: Այն ստիպում է HPC accessible to smaller brands and schools.

Այնուամենայնիվ, ոմանց համար տեղական ապարատներ ունենալը դեռ կարևոր է: Որոշ խիստ անվտանգ տվյալներ չեն կարող անցնել հանրային ամպ: Այսպիսով, ընկերությունները կառուցում են իրենց մինիները HPC սենյակներ. Whether you rent it online or buy it, you need massive հաշվարկել ռեսուրսներ՝ այսօրվա պայմաններում մրցունակ մնալու համար AI մրցավազք.

"The cloud democratized access to extreme compute power. Now, any startup can train an AI model."

Ինչպե՞ս է փոխվում եղանակի կանխատեսումը գերհաշվարկների շնորհիվ:

Զանգվածային մեքենաների դասական օգտագործման դեպքն է եղանակի կանխատեսում. Supercomputers can be used կանխատեսել ուժեղ փոթորիկներ և կլիմայական փոփոխություններ: Գործակալություններ, ինչպիսիք են Ազգային օվկիանոսային և մթնոլորտային վարչություն մեծապես ապավինել նրանց: Նրանք ամեն օր կլանում են արբանյակների տվյալների միլիարդավոր կետերը:

Նրանք ճշգրիտ օգտագործում են տվյալների այս օվկիանոսը մոդելավորել մթնոլորտը։ Դրանով նրանք կարող են կանխատեսել էքստրեմալ եղանակային իրադարձություններ դրանք լինելուց օրեր առաջ։ Նրանք ապահովում են իրական ժամանակում նախազգուշացումներ, որոնք փրկում են կյանքեր և ունեցվածք: Սա պահանջում է միլիոնավոր անգամ կատարել բարդ մաթեմատիկա վայրկյանում.

Այն հաշվողական եղանակային մոդելները բավականին նման են AI մոդելներ. Նրանք երկուսն էլ մեծ քանակությամբ տվյալների կարիք ունեն սովորելու համար: Մի սինգլ հաշվարկ կարող է երկար չպահանջվել նորմալ լինելու համար համակարգիչ. Բայց դրանք միանգամից միլիարդավոր անելը պահանջում է լուրջ, նվիրված իշխանություն:

Ո՞րն է հատուկ նշանակության սուպերհամակարգիչների դերը AI-ում:

Երբեմն, ընդհանուր մեքենան պարզապես լավագույն գործիքը չէ աշխատանքի համար: Սա այն դեպքում, երբ հատուկ նշանակության սուպերհամակարգիչներ փայլել. Դրանք կառուցված են ի սկզբանե մեկ կոնկրետ աշխատանքի համար: Նրանք են նախատեսված է վազելու համար մեկ ճշգրիտ տեսակ հաշվարկ կատարյալ, առանց էներգիա վատնելու այլ բանի վրա:

Օրինակ, հետազոտողները մեքենաներ են կառուցում պարզապես ուսումնասիրելու համար քվանտային մեխանիկա. Ֆիզիկական ճարտարապետություն լարված է բացառապես այդ ճշգրիտ գիտության համար: -ում AI աշխարհում, ընկերությունները հատուկ չիպեր են կառուցում հենց նեյրոնային ցանցերի համար: Սրանք չեն սովորական համակարգիչներ որոնք աշխատում են զննարկիչով կամ բառի պրոցեսորով:

Քանի որ նրանք ամբողջությամբ կենտրոնանում են մի բանի վրա, նրանք աներևակայելի արդյունավետ են: Նրանք հեշտությամբ կարող են լինել 10 անգամ ավելի արագ այդ մեկ աշխատանքում, քան ընդհանուր մեքենան: Նրանք էներգիա չեն վատնում առօրյայի վրա օպերացիոն համակարգ. Նրանք պարզապես ճռճռում են այն թվերը, որոնց համար կառուցվել են: Սա բարձր կատարողականություն թույլ է տալիս բեկումներ կատարել AI դա անհնար էր մեկ տասնամյակ առաջ:

Արդյո՞ք սուպերհամակարգիչը մի օր կտեղավորվի նոութբուքում:

Տեխնոլոգիան միշտ փոքրանում է ժամանակի ընթացքում: Շատ ամենաարագ սուպերհամակարգիչը քսան տարի առաջ հազիվ ուներ ժամանակակից սմարթֆոնի ուժը: Այսպիսով, արդյո՞ք այսօրվա հսկաները, ի վերջո, կտեղավորվեն փոքրի մեջ նոութբուք? Պատասխանը և՛ այո է, և՛ ոչ:

Ժամանակակից սուպերհամակարգիչներ ֆիզիկապես զանգվածային են. Օրինակ, որոշ մեքենաներ հասնում են շունչը կտրելու արագությունը 442 պետաֆլոպս. (Ա petaflops մեկ կվադրիլիոն է լողացող կետով գործողություններ վայրկյանում) Դուք պարզապես չեք տեղավորի այդքան ջերմություն և էներգիա ա նոութբուք ցանկացած ժամանակ շուտով! Մեր նման սարք 14,1 դյույմ ամուր նոթբուք DS141 չափազանց կոշտ է, բայց այն չի կարող հաղթահարել մեգավատները էներգիայի սպառումը դրա համար անհրաժեշտ է.

Այնուամենայնիվ, ի պրոցեսոր ձեր տան ներսում համակարգիչ կշարունակի շատ ավելի լավանալ: Մի սինգլ միջուկը այսօր շատ է անգամ ավելի արագ քան հին հիմնական սարքերը: Այժմ մենք ունենք մասեր Intel որոնք մրցակցում են 1990-ականների ամբողջ սերվերային սենյակներին: Ձեր ապագան նոութբուք կզբաղվի տեղական AI առաջադրանքներ անհավատալի հեշտությամբ:

Ինչպիսի՞ն է հաշվողական AI-ի ոլորտը վաղը:

Հուզիչ հաշվողական դաշտ գիտությունը լիովին միաձուլվում է AI. Մենք տեսնում ենք հսկա համակարգեր, որոնք գործում են այնպիսի վայրերում, ինչպիսիք են Լոս Ալամոսի ազգային լաբորատորիա և Oak Ridge ազգային լաբորատորիա. Նրանք անընդհատ մղում են բացարձակ սահմանները, թե ինչ ա համակարգիչ կարող է անել.

Ապագա մեքենաները անխափան կերպով կխառնվեն նորմալ կենտրոնական մշակման միավորներ բոլորովին նոր տեխնիկայով։ Մենք կտեսնենք ավելի մասնագիտացված վեկտորային համակարգիչներ օգտագործվում է։ Ա վեկտոր չիպը հիանալի է մաթեմատիկայի հատուկ տեսակների համար, որոնք AI սիրում է. Նրանք կօգտագործեն Զանգվածային զուգահեռ վերամշակում մարզվել AI նույնիսկ ավելի արագ, քան այսօր:

Վերևը սուպերհամակարգիչներ աշխարհում կշարունակի արագության նոր ռեկորդներ խփել. Շուտով փոխարենը կխոսենք էկզաֆլոպների մասին petaflops. Եվ այս ամենը հաշվողական իշխանությունը ի վերջո կհասնի մեզ: Այն կդարձնի ամեն համակարգիչ մենք օգտագործում ենք՝ սկսած ամպի սերվերներից մինչև ձեր ձեռքի պլանշետը, ավելի լավ, արագ և շատ ավելի խելացի:

Ամփոփում

Երբ մենք նայում ենք անհավատալի թռիչքներին հաշվարկել տեխնոլոգիան, պարզ է, որ զանգվածային վերամշակումը ձևավորում է մեր ապագան: Վերապատրաստումից առաջադեմ AI Եղանակի կանխատեսման համար ծայրահեղ սարքավորումները ժամանակակից կյանքի անտեսանելի ողնաշարն են:

• A սուպերհամակարգիչ զանգվածային է համակարգիչ կառուցված է բարդ մաթեմատիկա շատ արագ վարելու համար:
• Կատարումը հիմնականում չափվում է լողացող կետով գործառնություններով մեկ երկրորդը, որը հայտնի է որպես ա ֆլոպ.
• AI մեծապես հենվում է հաշվողական կողմից տրամադրվող հզորությունը գրաֆիկայի մշակման միավորներ (GPU):
• Ժամանակակից հարմարություններ օգտագործել զուգահեռ մշակում մեծ աշխատանք բաժանել հարյուրավոր կամ հազարավոր չիպսերի.
• Ամպային հաշվարկ կազմում է բարձր կատարողական հաշվարկ հասանելի փոքր բիզնեսի համար:
• Այն հաշվողական դաշտ գիտությունը շարունակում է զարգանալ՝ առաջ մղված լաբորատորիաների և նոր պրոցեսոր նմուշներ.