A gépi tanulás ma abszolút sláger a szerverpiacon, és erről az Intel sem szeretne lemaradni, bár eddig sem vetették meg ezt a területet. Most azonban nagyobb figyelmet kapnak a gyorsítók, mivel a Knights Mill kódnevű, direkt gépi tanulásra szánt Xeon Phi mellé érkezik pár másik fejlesztés is, amely a nemrég felvásárolt Nervana technológiáit alkalmazza.
A Nervana természetesen a felvásárlás előtt is komolyan munkálkodott a megfelelő rendszeren, tehát az Intel számos készülő terméket csak befejez. Ilyen például a Lake Crest, amely 12 darab, direkt gépi tanulásra kialakított processzorklasztert tartalmaz, amelyeket 4096 bites buszon bekötött HBM2 memória szolgál ki, a memórialapkák összkapacitása pedig 32 GB.
Ezt a lapkát a TSMC 28 nm-es node-jához tervezte a Nervana, és ezen a hírek szerint az Intel már nem akar változtatni, mert túl nagy késést eredményezne a saját gyártástechnológiára való átültetés. A cél tehát egyértelműen a következő év első felére vonatkozó megjelenés tartása, vagyis az eredeti projekt befejezése. Utóbbi nem rossz döntés, a megjelenés előtt egy évvel eleve nagyon nem ajánlott belenyúlni a tervekbe.
(forrás: Forbes) [+]
A Lake Crest mint termék igazából annyira nem fontos az Intelnek. Azért érdemes kiadni, hogy a piac nagy részére eljusson az architektúra, így egyre nagyobb szoftveres bázis épüljön ki rá. Ez azért lényeges, hogy a következő Knights Crest kódnevű fejlesztést már kiépített szoftverkörnyezet várja.
A Knights Crest fejlesztésében már sokkal nagyobb szerepet vállal az Intel, a Nervana technológiáját ugyanis vegyíteni akarják a Xeon processzorokkal. Erről a dizájnról még nincsenek pontos adatok, de üzletileg itt kezd kritikussá válni a felvásárolt alap, és ez lesz az a termék, amely igazán számít az Intelnek, de persze ebben az esetben a megjelenés még legalább két évre van.
A gépi tanulásra használt hardverek egyébként eléggé át fognak alakulni a jövőben. A legtöbb ilyen gépet GPU-s gyorsítással építik, de valójában a GPU-k sem olyan jók ebben. A legfőbb követelmény a mátrixszorzás hatékony végrehajtása, amit egy GPU nyilván teljesít, egy központi processzorhoz képest nagyságrendekkel jobb energiahatékonyság mellett, de sokkal célszerűbb kifejezetten mátrixszorzásra kigyúrt gyorsítókat tervezni, amelyek még a GPU-kat is állva hagyják az energiahatékonyság tekintetében.
A Lake Crest például ezért vonzza a figyelmet, ugyanis a Nervana korábban azt ígérte, hogy ez a lapka jelentősen gyorsabb lesz a GPU-knál, miközben jóval kevesebb energiát igényel. Ezt úgy érik el, hogy azokat a funkciókat, amelyek nem szükségesek a gépi tanuláshoz be sem építek. A Lake Crestben többek között ezért nincs lebegőpontos végrehajtó, a rendszer 8 bites fixpontos operációk végrehajtására van tervezve, a teljesítménye pedig 55 TOPS közelében lesz.
Persze ki kell emelni, hogy a gépi tanulásnak vannak különböző szakaszai. A Lake Crest főleg a tréning szakaszban remekel, míg a GPU-k leginkább az dedukcióban, azaz a következtetésre vonatkozó feldolgozásban. Utóbbihoz érkezik ugye a fentebb már említett Knights Mill, de valójában ez sem jobb, mint egy tradicionális GPU.
Ezek a terjedőben lévő általános gyorsítók tényleg sok dologra használhatók, de a gépi tanulás pont olyan probléma, amire készülnek a jóval hatékonyabb megoldások. Emiatt hosszabb távon mindegyik aktuális, vagy rövid időn belül érkező konstrukció hátrányba kerül majd, mivel a Knights Crest fejlesztésének célja pont az, hogy egyben oldja meg a tréning és a dedukció szakaszát, méghozzá a célirányosan tervezett gyorsítóknak hála az aktuális, általánosan tervezett gyorsítóknál nagyságrendekkel hatékonyabban. Ezzel csak úgy lehet majd tartani a lépést, ha a gépi tanulás iránt érdeklődő cégek is célirányosan tervezik majd a hardvert, specifikusan a célzott területen fontos szempontokat figyelembe véve és minden más piacot háttérbe helyezve.
