Компания Cerebras Systems, занимающаяся чипами искусственного интеллекта, развернула одну из своих систем CS-2 в хорошо финансируемом стартапе, который использует обработку естественного языка для анализа огромных объемов биомедицинских данных.
Как было объявлено в понедельник, nference планирует использовать этот CS-2 для обучения больших моделей трансформаторов, предназначенных для обработки информации из кучи неструктурированных медицинских данных, чтобы предоставить врачам свежие идеи и улучшить выздоровление и лечение пациентов. CS-2 оснащен процессором Cerebras второго поколения Wafer-Scale Engine, названным так потому, что чип имеет размер пластины.
Cerebras заявила, что это развертывание знаменует собой еще одну значительную победу клиентов в области здравоохранения и наук о жизни после установки аналогичных систем в фармацевтических гигантах GlaxoSmithKline и AstraZeneca, а также в Аргоннской национальной лаборатории Министерства энергетики США для исследований, связанных с COVID-19.
Об этом заявил генеральный директор Cerebras Эндрю Фельдман. Регистр эта установка в nference в Массачусетсе является еще одним свидетельством убежденности Cerebras в том, что ее чипы искусственного интеллекта размером с пластину лучше подходят, чем традиционные чипы, такие как графические процессоры Nvidia, для максимально быстрого анализа больших объемов данных, что становится все более важным в таких областях, как здравоохранение. и наук о жизни.
«Все это требует больших вычислительных ресурсов. Это хорошо подходит для этих новых вычислительных методов и искусственного интеллекта. И это именно те методы, которые мы в сотни раз быстрее. [at] чем [Nvidia],” он сказал.
В случае необходимости биомедицинский стартап, финансируемый клиникой Майо, будет использовать систему Cerebras CS-2 для обучения моделей обучения с самостоятельным наблюдением на больших объемах неструктурированных медицинских данных, которые могут включать записи пациентов, научные статьи, медицинские изображения и геномные данные. базы данных.
По словам Cerebras, неструктурированный характер этих данных, который зависит от формата файла, может стать серьезной головной болью для специалистов по обработке данных и исследователей машинного обучения при обработке с использованием традиционных вычислительных методов. Стартап по производству чипов искусственного интеллекта заявил, что это может даже заставить исследователей прибегнуть к скучной и неэффективной задаче просмотра документов вручную.
«Это одни из самых плодотворных областей исследований. Они содержат огромное количество данных, и среди них геном человека и другие геномы. Они невероятно велики», — сказал Фельдман.
Что делает чипы Cerebras такими подходящими для таких больших наборов данных, так это их большой размер. В то время как другие полупроводниковые компании изготавливают несколько чипов из штампов, вырезанных из одной пластины, компания Cerebras из Силиконовой долины изготавливает один чип из цельной пластины. Это позволяет Cerebras размещать огромное количество процессорных ядер — 850 000 в случае последнего процессора — на одном чипе, состоящем из 2,6 триллионов транзисторов.
Фельдман сказал, что это делает чип Cerebras Wafer-Scale Engine в 56 раз больше, чем предыдущий самый большой чип из когда-либо созданных, и, что крайне важно, позволяет большим наборам данных оставаться на чипе во время обработки, что значительно снижает потребность в повторной передаче информации. выход, что требует времени. Он противопоставляет этот супер-кристальный подход архитектуре Nvidia, которая, по его словам, намного медленнее, потому что полагается на межсоединения для передачи информации между отдельными графическими процессорами и центральными процессорами при попытке выполнить тот же уровень обработки.
«Когда нам нужно ее переместить, мы перемещаем ее вокруг чипа. И это самый быстрый способ перемещения информации по запросу», — сказал он. «Поэтому, когда вам нужно перейти от чипа к коммутатору Mellanox или к ЦП, что должны делать графические процессоры, вы будете где-то между 1000 и 10 000 раз медленнее, чем если бы вы могли хранить информацию на чипе и перемещать это на твоем кусочке кремния, — продолжил он.
По словам Фельдмана, что делает систему Cerebras CS-2 особенно привлекательной для сравнения, так это то, что она может работать с более длинными строками последовательности, чем традиционные системы.
«С помощью CS-2 они могут обучать модели трансформаторов с более длинными последовательностями, чем раньше, что позволяет [them] для более быстрой итерации и создания более качественных и проницательных моделей», — сказал он.
