過去数年間、人工知能は街の話題になっています。 私たちは、人工知能が人類にとって危険である可能性があるという専門家の意見と同様に、AIの弱い形態の分野での新しい開発について話している。 しかし、専門家は、AIの脆弱なフォームを徐々に改善し、より効果的かつ生産的にしているということです。 たとえば、IBMは自社製品の多くとサードパーティ製品にWatsonコグニティブシステムを徐々に導入しています。 GoogleはAlphaGoで他の先を行っており、DeepMindの部門は新しい形のAIを作成しています。
このようなプロジェクトで重要な役割を果たしているのは機械学習です。 この分野も急速に発展しており、科学、技術、人間の生活のさまざまな発展分野に徐々に現れています。 ロボモービル、オンラインマーケティング、サイバーセキュリティ、金融取引、軍事関係。 これは、機械学習が使用される領域のほんの一部であり、機械学習がなければAIは不可能です。 ここに含まれるハードウェアは非常に強力でなければなりません。 すべての開発者が必要な機器を購入できるわけではありません。 そして、ここで専門的なデータセンターが助けになります。
Cirrascaleが最近カリフォルニアに登場し、AIと機械学習用に設計されたデータセンターを構築しました。 Cirrascaleは、高性能機器を供給するPowayの子会社です。 Powayはクラウドサービスプロバイダーでもあります。 Cirrascaleは現在、ディープラーニング用のインフラストラクチャを設計しています。 会社のデータセンターは、SaaS（サービスとしてのソフトウェア）の形式で提供されるクラウドサービスを提供します。 原則はAmazon Webサービスに似ていますが、大きな違いがあります。
まず、ここでは仮想インスタンスは使用されませんが、電力消費インジケーターがかなり高い強力なサーバーのみが使用されます。 企業クライアントは、特殊なソフトウェアを起動するためのサーバー（または複数）を自由に受け取ります。 これは、クライアントがプロジェクトのソフトウェア部分の開発にのみ関与するように行われます。 鉄はデータセンターから提供されます。 実際のところ、すべての開発者がHPCクラスターを組み立てることができるわけではなく、継続的な運用が保証されています。
Cirrascaleデータセンターでは、すでに述べたように、ハードウェアは多くのエネルギーを消費します。 ここでは、1つのラックが約30 kWを占めていますが、平均的なデータセンターでは、ラックは3〜5 kWを占めており、めったに約10を占めません。
強力な機器は大量の熱を発生すると想定できます。 そして、本当にそうです。 サーバーの冷却には、ScaleMatrixが開発した独自の液体冷却システムがここで使用されます。 さらに、空冷システムも使用されます。 ここでのみ、空気はラックに沿って移動するのではなく、非常に高速で下から上に移動します。 各サーバーラックには、水冷システムと空気循環システムを備えた独自の微気候があります。 これにより、ラックが互いの温度条件に影響しないことを確認できます。
サーバーに関しては、通常のデータセンターのサーバーとも異なります。 ここでは、各サーバーのグループ全体で、GPUが主な役割を果たします。 基本的に、これらはIntel Xeonプロセッサで動作するNvidiaのTesla GPUです。 データセンターで最も強力なクラウドシステムは、指定されたタイプの16個のGPUを備えたサーバーです。 もちろん、そのコストはかなり大きいです。 毎月のレンタルは7500ドルかかります。
1つのシステム内のGPUは特別な方法で相互に接続されているため、すべての要素は単一の全体です。 これにより、最大のスループットが確保され、高いパフォーマンスとスケーラビリティが維持されます。
DGX-1スーパーコンピューター内の個々の要素の場所
Nvidia DGX-1のスーパーコンピューターも同様の構成です。 GPUテクノロジーNVLinkを相互接続して、ディープラーニング専用に設計されています。
現在、ディープラーニングについて多くの記事が作成され、話されています。Google、Facebook、および他のいくつかの企業は、この分野での開発を積極的に実施しています。 それでも、ほとんどの企業はディープラーニングとAIを導入する道の始まりに過ぎません。 その理由は上に示されました-誰もが理論的発展を実行するための機器を持っているわけではありません。
ご覧のとおり、ソフトウェアコンポーネント用のハードウェアを提供している企業があるため、ディープラーニングのトピックに関するプロジェクトがさらに増えるでしょう。 結果はすでに表示されています。 たとえば、Cirrascaleのクライアントの1つは、運転用の弱いAIフォームを作成します。 さらに、状況を評価するために、この車は別々の画像ではなくビデオを使用します。 強力な機器がなければ、そのようなシステムでの作業は困難です。
この会社の代表者は、サーバー内でGPUを相互に接続することは、ニューラルネットワークの発展に伴い、近い将来標準になる技術であると確信しています。 おそらく時間の経過とともに、GPUは別のものに置き換えられますが、これまでのところこれは遠いです。 しかし、ニューラルネットワーク、ディープラーニング、AIの分野で働く科学者や企業へのサービスと機器のプロバイダーは、ますます増えています。 ところで、投稿を書く過程で、同様のサービスがGoogleによって提供されるようになりました 。
