Es un gran paso en rendimiento y potencia.
Google ya ha creado la Unidad de procesamiento de tensor (TPU), un ASIC personalizado creado específicamente para el aprendizaje automático y diseñado para TensorFlow.
Reclamaciones de Goolge
- ¿Cómo pueden los ingenieros industriales ser parte de la próxima revolución industrial, es decir, la inteligencia artificial?
- ¿Los avances actuales [y pronosticados en el futuro cercano] en inteligencia artificial causarán una interrupción importante en el empleo? Si es así, ¿cómo [como se especula] tratarán los gobiernos / la sociedad?
- ¿Cuáles son sus charlas más esperadas en NIPS 2016?
- ¿Cómo se crea una red neuronal capaz de razonamiento abstracto?
- Estoy construyendo un robot que puede navegar y localizar usando un microcontrolador Arduino. Estoy un poco confundido, sé que necesito un controlador de motor. Pero mi pregunta es ¿cómo obtengo la señal de retroalimentación del motor para poder controlar mi robot para recorrer una distancia particular o controlar la velocidad del motor?
Llevamos más de un año ejecutando TPU dentro de nuestros centros de datos y descubrimos que ofrecen un rendimiento por orden de magnitud mejor optimizado por vatio para el aprendizaje automático. Esto es más o menos equivalente a la tecnología de avance rápido dentro de siete años en el futuro (tres generaciones de la Ley de Moore).
Los TPU ya impulsan muchas aplicaciones en Google, incluido RankBrain, utilizado para mejorar la relevancia de los resultados de búsqueda y Street View, para mejorar la precisión y calidad de nuestros mapas y navegación. AlphaGo fue impulsado por TPU en los partidos contra el campeón mundial de Go, Lee Sedol, lo que le permite “pensar” mucho más rápido y mirar más adelante entre movimientos.
Hay una startup llamada Nervana Systems que construye un chip especializado para el aprendizaje profundo, fue fundada por Naveen Rao, el ex jefe de Qualcomm.
Si está buscando implementar Deeplearning en FPGA https://www.altera.com/solutions… este enlace sería útil 🙂
Consulte este documento de microsoft https://www.microsoft.com/en-us/… para obtener información técnica sobre la implementación de CNN en FPGA