Yukarıda özetlendiği gibi, son yıllarda yapay zeka araştırmaları için en büyük atılımlar, özellikle derin öğrenme alanında, makine öğrenimi alanında olmuştur.
Bu, kısmen verilerin kolay erişilebilirliği ile sağlandı, ancak daha da çok paralel hesaplama gücündeki bir patlama, bu süre zarfında makine öğrenimi sistemlerini eğitmek için grafik işleme birimlerinin (GPU'lar) kullanımının daha yaygın hale gelmesiyle sağlandı.
Bu kümeler yalnızca makine öğrenimi modellerini eğitmek için çok daha güçlü siste
mler sunmakla kalmaz, aynı zamanda artık internet üzerinden bulut hizmetleri olarak yaygın olarak bulunurlar. Zamanla, Google, Microsoft ve Tesla gibi büyük teknoloji firmaları, hem çalışan hem de daha yakın zamanda eğitim, makine öğrenimi modellerine uyarlanmış özel çipler kullanmaya geçti.
Bu özel yongalardan birine bir örnek, Google'ın TensorFlow yazılım kitaplığı kullanılarak oluşturulan kullanışlı makine öğrenimi modellerinin verilerden bilgi çıkarma hızının yanı sıra, en son sürümü hızlandıran Google'ın Tensör İşleme Birimi'dir (TPU).
Bu çipler, DeepMind ve Google Brain modelleri ve Google Çeviri'yi destekleyen modelleri ve Google Fotoğraflar'daki görüntü tanımayı ve halkın Google'ın TensorFlow Araştırma Bulutu'nu kullanarak makine öğrenimi modelleri oluşturmasını sağlayan hizmetlerde kullanılır. Bu çiplerin üçüncü nesli, Mayıs 2018'de Google'ın I/O konferansında tanıtıldı ve o zamandan beri, saniyede yüz bin trilyondan fazla kayan nokta işlemi (100 petaflop) gerçekleştirebilen pod adı verilen makine öğrenimi güç merkezlerine paketlendi. Devam eden bu TPU yükseltmeleri, Google'ın makine öğrenimi modelleri üzerine kurulu hizmetlerini iyileştirmesine olanak tanıdı; örneğin, Google Çeviri'de kullanılan modelleri eğitmek için geçen süreyi yarıya indirdi.
Comments