英特爾與百度聯手開發加速AI模型訓練的類神經處理器NNP-T,具24個計算叢集,搭載32GB HBM2和SPRAM記憶體,與同類型處理器相比,其AI訓練的效能高上10倍;與英特爾先前推出的NNP-L 1000處理器相比,效能更提高了3到4倍。

重點新聞(0629~0705)

  百度    英特爾     AI處理器  

英特爾聯手百度,要開發AI神經網路處理器加速DL模型訓練

英特爾在日前百度的AI開發者大會上,宣布與百度聯手開發代號為Spring Crest、用來加速AI模型訓練的Nervana類神經處理器NNP-T。英特爾指出,NNP-T是一款新型高效能的深度學習系統硬體,可加速大規模分散式訓練,除了優化百度的PaddlePaddle深度學習框架,也優化圖像辨識能力。在硬體設計上,英特爾將架構中的標準快取記憶體(standard cache hierarchy)拿掉,採用晶載記憶體(on-chip memory)設計,由軟體直接管理。

NNP-T有24個計算叢集,搭載32GB HBM2和SPRAM記憶體,與同類型處理器相比,其AI訓練的效能提高10倍之多;與英特爾先前推出的代號Lake Crest的NNP-L 1000處理器相比,更提高了3到4倍的效能。英特爾預計今年下半年推出10nm Nervana神經網絡處理器NNP-I,為一款基於英特爾Ice Lake架構通用處理器內核的AI推理晶片。(詳全文)

  臺灣AI晶片聯盟    AI裝置 

臺灣AI晶片聯盟正式成立,要搶全球AI裝置市場商機

看準AI將成為國內半導體業的新機會,在行政院科技會報辦公室、經濟部與科技部支持下,正式成立臺灣AI晶片聯盟(AITA),串接起國內的半導體設計、測試、封裝等上下游產業,如台積電、聯發科、群光電子、臺灣微軟、鈺創、南亞科、日月光、台達電、鴻海、廣達等50多家半導體業者加入,還有臺大系統晶片中心、成大晶片系統研發中心、清大AI研發中心參與。

為助國內晶片設計業者掌握AI晶片的彈性自主設計能力,AITA聯盟要整合各界資源,讓業者能減少研發成本,降低10倍晶片研發費用、縮短6個月以上的開發時間。AITA將打造多工、彈性、低耗電的新興AI 晶片架構,確保我國位居全球前三的位置。參與聯盟的會員可獲得技術交流,例如技術論壇、專題演講、專利布局及分析資料,以及先取得相關技術,如軟體開源碼、AI晶片標準的開發模組。(詳全文)

臉書     深度學習     DLRM  

臉書開源深度學習推薦模型DLRM,強化處理分類型資料的能力

臉書近日開源深度學習模型DLRM(Deep Learning Recommendation Model),可用來打造個人化的推薦系統。臉書表示,由類神經網路打造的推薦模型越來越重要,但這些模型與其他深度學習模型有很大的差異,也就是要能夠處理分類型資料(Categorical data)。分類型資料指的是有固定範圍的變數,比如眼睛的顏色,通常用來描述更高階的屬性。對類神經網路模型來說,處理這種資料是一大挑戰。

因此,臉書運用推薦系統的基本原理,結合條件篩選和預測分析,在DLRM中先利用內嵌(Embedding)來處理稀疏的分類型特徵,而底部的多層感知器(MLP)則來處理連續特徵。接著,模型處理不同特徵的二階交互計算,最後透過頂部的MLP來處理計算結果,再將結果輸入sigmoid函數,來算出點擊的機率。另一方面,臉書DLRM benchmark提供了PyTorch和Caffe 2兩種版本,另也提供一組Glow C++變異版。臉書表示,DLRM還可介接開放資料集,比如Kaggle Display Advertising Challenge Dataset。(詳全文)

  臉書   自然語言搜尋    程式碼 

臉書讓開發者用自然語言就能搜尋程式碼

為了讓開發者快速找到所需的程式碼,臉書開發了新的程式碼搜尋工具NCS(Neural Code Search),讓開發者可直接使用自然語言來搜尋程式碼。

NCS是一套結合自然語言處理(NLP)和資訊檢索(IR)的模型,還搭配了UNIF擴充套件,使用監督式模型來改善NCS表現。臉書利用開源AI工具如PyTorch、fastText和FAISS來打造NCS與UNIF,也利用GitHub中的程式碼來訓練模型,而NCS和UNIF都可將自然語言的查詢和程式碼以向量型式呈現彼此的相關程度。後來,臉書也評量了NCS對查詢的反應,也就是計算出現在Stack Overflow解答前1、前5以及前10的次數。在提出的287個問題中,NCS的回答出現在前10的有175個,相當是整個資料集的60%。(詳全文)

D3M    宇宙模擬    深度學習  

研究人員首次應用AI模擬宇宙外觀,計算結果又快又準

由柏克萊大學、日本卡弗里數物連攜宇宙研究機構、英屬哥倫比亞大學以及卡內基美隆大學研究員組成的研究團隊,開發出D3M(Deep Density Displacement Model)模型,能快速、精確地模擬宇宙樣貌。

研究團隊使用PyTorch深度學習框架和GPU,以8,000種不同的模擬訓練資料,進行深度神經網路訓練。模型訓練完後,研究員就用來模擬6億光年的箱型宇宙,並把模擬結果與其他模型比較,包括需要數百小時運算的高精準度模型,以及只需數分鐘的高速模型。D3M模型計算時間僅花費30毫秒,產生的結果相對誤差只有高精確度模型的2.8%,也就是說在省下大量運算時間的同時,還保有一定的精確度。而與高速模型相比,高速模型花了更多時間,得到相對誤差卻有10%。(詳全文)

Yahoo    精準行銷    廣告生成  

Yahoo奇摩原生廣告整合AI,不只作精準行銷,還能自動生成廣告內容

Yahoo奇摩近日和中華民國全國中小企業總會聯手發表「中小企業AI行銷白皮書」,以線上問卷調查國內約350家中小企業,結果顯示近7成的中小企業開始或計畫應用AI解決方案,已開始應用(37%)的中小企業,顧客互動、數據蒐集、行銷廣告是三個主要的AI應用領域。

看準中小企業AI數位行銷的需求,Yahoo奇摩已整合AI技術,在去年12月時,旗下的原生廣告就開始整合AI技術,推出AI原生廣告,包括動態智慧投遞、智慧模擬受眾、動態場景廣告等三個方案。其中的動態智慧投遞透過數據分析、串接廣告主的資料庫,自動取得相關數據和廣告素材如商品照片、價格資訊,自動產生對應不同版位的廣告文案內容,並對合適的對象投放廣告。(詳全文)

圖片來源/臉書、Simons Foundation

 AI趨勢近期新聞 

1. Google推出YouTube-8M Segments時間定位資料集

2. Google推深度學習容器,用戶能在本地和雲端建立一致的開發環境

3. 公車客運時刻表不準?Google Maps新增巴士誤點預測,還能顯示車廂人潮

4. LG與Qt擴大合作,要將webOS帶上汽車、機器人與智慧家庭裝置

資料來源:iThome整理,2019年7月


Advertisement

更多 iThome相關內容