Hon gör IBM:s ai-system 1000 gånger mer effektiva

2020-03-13 11:15  

Det må vara stort att superdatorer klått oss i Jeopardy, men baksidan är att det kräver stora mängder energi. Irem Boybat på IBM Research utvecklar nästa generations energieffektiva ai-system.

IBM:s superdator Watson har blivit väldigt omskriven för att den tävlade och vann i Jeopardy mot två mänskliga deltagare i februari 2011. Men för att klara detta behövde Watson hela 85 000 watt, att jämföra med de 20 watt som en mänsklig hjärna kräver. Superdatorn konsumerade alltså tusentals gånger mer energi än sina medtävlande.

Vi lever i en era av big data, som möjliggör allt kraftfullare ai-system. Men det finns begränsningar. De dataplattformar vi bygger allt på kan inte utnyttja teknikens fulla potential.

– Dagens system bygger på principer från runt 1940, där vi har en separat processorenhet och en separat minnesenhet. Vi måste ständigt flytta data mellan dessa två, fram och tillbaka. Detta leder till ett stort energislöseri och tidsförluster, eftersom det saktar ner farten på systemet, förklarar IBM-forskaren Irem Boybat.

Läs mer: Nya superdatorn Shasta har 590 TB ramminne

Irem Boybat jobbar med ett område på IBM Research i Zürich som kallas ”Neuromorphic & In-memory computing”, och det är det arbetet hon var i Sverige för att berätta om under den årliga Women in Tech-konferensen i Stockholm.

– Om du har stora, väldigt komplicerade ai-system i dag tar det ändå mycket tid för dem att träna sig på en enkel uppgift. Att träna sig på en enda djupinlärnings-modell kan ta dagar eller veckor. Med nästa generations system skulle det här gå väldigt mycket snabbare.

Tillsammans med sina kollegor försöker hon hitta nya sätt att utforma system som gör det möjligt att utnyttja ai:ns fulla kapacitet. De utvecklar nästa generation av ai-system, som kan bli 1 000 gånger mer effektiva än dagens.

Inspirerat av hur våra egna hjärnor fungerar

Forskargruppen arbetar på att hitta en lösning för att göra beräkningar direkt i datorns minne, utan att den behöver skyfflas fram och tillbaka mellan de olika komponenterna. Det är detta som kallas ”in-memory computing”, förklarar hon.

Detta är löst inspirerat av hur våra egna hjärnor fungerar. För det är ju inte så att ena hjärnhalvan sköter allt som har med vårt minne att göra, och den andra utför alla beräkningar. Allt är mer sammanvävt, säger Irem Boybat.

– Som ingenjör försöker du hitta de bästa, mest optimerade lösningarna. Det tycker jag är intressant, för du behöver tänka utanför ramarna och tänja på gränserna. Det är spännande att kunna bidra inom ett nytt fält till ett framtida system, där det ännu inte finns någon färdig produkt, men där det finns en idé som kan bli verklighet.

Mer om Irem Boybat

Irem Boybat är forskare på IBM Research, där hon jobbar med "Neuromorphic & In-memory computing" och nästa generations energieffektiva ai-system. Hon har doktorerat vid École Polytechnique Federal de Lausanne i Schweiz.

Ania Obminska

Mer om: Watson IBM

Kommentarer

Välkommen att säga din mening på Ny Teknik.

Principen för våra regler är enkel: visa respekt för de personer vi skriver om och andra läsare som kommenterar artiklarna. Alla kommentarer modereras efter publiceringen av Ny Teknik eller av oss anlitad personal.

  Kommentarer

Debatt