Компания Graphcore IPU заканчивает разработку специализированного чипа, предназначенного для ускорения выполнения задач, связанных с глубинным машинным обучением, самообучением и другими составными частями систем искусственного интеллекта. При этом, основной упор делается на низкую стоимость будущих чипов, использование которых позволит существенно сократить расходы на обучение, самообучение и использование искусственного интеллекта для решения практических задач. А испытания первых образцов чипов Graphcore показали, что они способны обеспечить 100-кратное превосходство по производительности по сравнению с самыми быстрыми системами на сегодняшний день, сообщает dailytechinfo.org.

Упомянутое выше ускорение получается не только за счет одних аппаратных средств чипа IPU (Intelligence Processing Unit). Большую роль в этом играет мощная параллельная обработка данных и программная поддержка данных, представленных в виде графов. Широкий набор библиотек дает разработчикам практически неограниченные возможности для использования глубинного обучения и искусственного интеллекта в решении практических задач различного плана.

В настоящее время специалисты компании Graphcore занимаются доводкой архитектуры чипа-ускорителя и набора программного обеспечения, оперирующего графами данных с "фирменной" структурой Poplar. Кроме этого, специалисты Graphcore создали порт программ MXNet и TensorFlow, широко используемых в системах искусственного интеллекта. Эти портированные варианты способны максимально эффективно использовать все возможности ускорителей IPU и работать с графами Poplar.

Интересен тот факт, что первые образцы чипов Graphcore IPU уже используются для высокоточного моделирования более поздних вариантов этих же самых чипов, позволяя специалистам работать не с виртуальными математическими моделями, а с реальными аппаратными средствами.