„Šendžene esantis superkompiuteris buvo paskelbtas greičiausiu pasaulyje. Jis naudoja tik standartinius mikroprocesorius, o ne specialios paskirties lustus, vadinamus grafikos procesoriais.
Antradienį Kinija atsiėmė iš Jungtinių Valstijų geidžiamą skaičiavimo karūną, paaštrindama nuožmią technologinę konkurenciją, turinčią įtakos mokslui, nacionaliniam saugumui ir geopolitikai.
„LineShine“, didžiulė skaičiavimo sistema Šendžene, Kinijoje, tyrėjų grupės, naudodama standartinių superkompiuterių testų rinkinį, buvo paskelbta greičiausia pasaulyje. Be gryno greičio, sistema išsiskyrė tuo, kad naudoja tik standartinius mikroprocesorius, o ne specialios paskirties lustus, vadinamus grafikos procesoriais, kuriais dauguma aukščiausios klasės superkompiuterių naudojasi atlikdami sudėtingus skaičiavimus.
Šis pagrindinis dizainas galėtų parodyti geresnį būdą derinti dirbtinį intelektą su tradicinėmis mokslinėmis užduotimis, sakė Jackas Dongarra, vadinamojo galingiausių pasaulio superkompiuterių „Top500“ sąrašo organizatorius.
Dr. Dongarra, Tenesio universiteto kompiuterių mokslo ir elektrotechnikos profesorius, neseniai apžiūrėjo naują įrenginį Šendženo debesų kompiuterijos centre. „LineShine“ bandymų rezultatai buvo daugiau, nei 20 procentų, greitesni, nei „El Capitan“ – sistemos, esančios Lawrence'o Livermore'o nacionalinėje laboratorijoje Kalifornijoje, kuri nuo 2024 m. lapkričio mėn. užima pirmąją vietą du kartus per metus skelbiamame superkompiuterių našumo reitinge. Kinija nebuvo įtraukusi įrenginio į sąrašo viršų nuo 2017 m.
„Tai įspūdinga sistema“, – apie „LineShine“ sakė dr. Dongarra. „Jie mus pranoko sukurdami sistemą, kuri nepriklauso nuo GPU.“
Naujasis superkompiuteris dar labiau sustiprina Kinijos ir Jungtinių Valstijų lenktynes dėl technologinio pranašumo. JAV technologijų gigantai, tokie kaip „OpenAI“, „Anthropic“ ir „Google“, sukūrė pirmaujančius dirbtinio intelekto modelius, o kita Amerikos bendrovė „Nvidia“ tapo dominuojančia dirbtinio intelekto lustų tiekėja pasaulyje.
Kinija bandė diegti naujoves įvairiais būdais, pavyzdžiui, Kinijos startuolis „DeepSeek“ praėjusiais metais išleido pažangų dirbtinio intelekto modelį, kuriame naudojama tik labai maža dalis specializuotų dirbtinio intelekto lustų.
Kad Kinija nepasivytų, prezidentas Trumpas įvedė tarifus ir kartais apribojo dirbtinio intelekto lustų eksportą. Tačiau Kinijos standartinių mikroprocesorių, vadinamų procesoriais (CPU), naudojimas, o ne GPU, siekiant sukurti itin greitą superkompiuterį, rodo galimą būdą apeiti šias kliūtis.
„JAV vyriausybė turėtų griežčiau kontroliuoti procesorių eksportą ir gamybą Kinijos rinkai“, – sakė Jimmy Goodrichas, Kalifornijos universiteto Pasaulinių konfliktų ir bendradarbiavimo instituto vyresnysis mokslinis bendradarbis. „Tai yra spraga dabartiniuose reglamentuose.“
Superkompiuteriai, terminas, apibūdinantis didžiausias mokslui skirtas mašinas, nuo septintojo dešimtmečio naudojami tokioms užduotims kaip klimato modelių kūrimas, kodų nulaužimas ir branduolinių ginklų projektavimas. Paprastai jie naudoja didelio tikslumo matematiką, skaičius išreiškiant 64 bitų duomenimis.
Komercinės dirbtinio intelekto sistemos iš tokių kompanijų kaip „Google“ ir „OpenAI“, tuo tarpu gali būti dar greitesnės. Jos gali naudoti apytikslius skaičiavimus tokioms užduotims kaip vaizdų atpažinimas ar kito žodžio sakinyje pasirinkimas, remdamosi vadinamaisiais keturių ir aštuonių bitų skaičiais, kurie leidžia sistemoms atlikti daug paprastesnių skaičiavimų vienu metu.
„Tai, ką Kinija čia padarė, yra pastebima ir įspūdinga, tačiau jie negali lygintis su šiais didžiuliais dirbtinio intelekto superkompiuteriais, kuriuos sukūrė Amerikos dirbtinis intelektas.“ „laboratorijos“ ir kitos, – sakė p. Goodrichas.
JAV nacionalinės laboratorijos, kurios yra pagrindinės kai kurių didžiausių superkompiuterių pirkėjos, nori naudoti dirbtinį intelektą savo mokslinio darbo aspektams paspartinti. Todėl jos vis dažniau taiko šiuos mažiau tikslius skaičiavimus kartu su 64 bitų versija.
Nors JAV įmonės istoriškai dominavo pačių didžiausių superkompiuterių gretas, užsienio sistemos kartais išsiverždavo į viršų. Pavyzdžiui, Japonijos sistema nuo 2020 iki 2022 m. užėmė pirmąją vietą sąraše.
„Daug kalbama, kad Amerika yra vienintelė šalis, galinti turėti tokias sistemas“, – sakė Addisonas Snellas, šį sektorių stebinčios įmonės „Intersect360 Research“ analitikas. „Tada pamatai, kad ir kitos įmonės turi tokių galimybių.“
Galingos sistemos iš Kinijos ir Japonijos reguliariai skatina Energetikos departamentą ir kitas JAV agentūras siekti didesnio finansavimo superkompiuteriams. Lapkritį Trumpo administracija pradėjo „Genesis“ misiją, kurios tikslas – panaudoti JAV nacionalinių laboratorijų ir privačių įmonių superkompiuterius, siekiant sustiprinti dirbtinį intelektą ir mokslinius tyrimus.
GPU, kuriuos daugiausia kuria „Nvidia“ ir „Advanced Micro Devices“, buvo labai svarbus ginklas pastarojo meto superkompiuterių lenktynėse. Šie lustai puikiai atlieka daug užduočių vienu metu, įskaitant vadinamuosius vektorinius skaičiavimus, naudojamus moksle, ir matricų daugybą [1], kuri yra daugelio dirbtinio intelekto užduočių pagrindas.
Kai JAV pareigūnai apribojo Kinijos prieigą prie GPU ir kitų galingų lustų, taip pat apribojo eksportą kai kurių mašinų, skirtų gaminti pažangiausius puslaidininkius, todėl „investicijos į architektūrų ir technologijų kūrimą, siekiant efektyviai turėti superkompiuterius, kurie būtų tokio pat lygio kaip ir JAV našiausios sistemos“, – sakė dr. Dongarra.
Kinijos „LineShine“ sistema neatskiria tradicinių mikroprocesorių ir GPU darbų, kaip tai daro dauguma aukščiausios klasės sistemų. Vietoj to, ji integruoja GPU stiliaus užduotis su specializuota grandine, kuri pagreitina matricų ir vektorių skaičiavimus. Ši galimybė įdiegta lustuose, kuriuose iš viso yra beveik 14 milijonų skaičiavimo branduolių arba mažyčių elektroninių smegenų, įdiegtų 90 aparatinės įrangos spintelių.
Šie lustai yra originalus dizainas, pagrįstas instrukcijų rinkiniu, licencijuotu „Arm Holdings“, britų bendrovės, kurią kontroliuoja Japonijos konglomeratas „SoftBank“. „Arm“ technologija geriausiai žinoma dėl išmaniųjų telefonų maitinimo, tačiau pastaruoju metu ją pritaikė „Nvidia“, „Amazon“, „Qualcomm“ ir kitos įmonės, kad galėtų naudoti duomenų centruose.
„Arm“ jau seniai veikia Kinijoje. „Arm“ veikia visame pasaulyje, įskaitant Kiniją, laikydamasi galiojančių eksporto kontrolės įstatymų ir reglamentų“, – sakė bendrovės atstovė spaudai.
„LineShine“ dizaineriai, kurie yra Kinijos superkompiuterių veteranai, neatskleidė informacijos apie tai, kuri įmonė pagamino lustus ar kokio lygio lustų gamybos technologija buvo naudojama, sakė dr. Dongarra.
Jis ir kiti ekspertai jau seniai manė, kad Kinija turi sistemas, galinčias užimti pirmąją vietą, tačiau ten esančios laboratorijos neseniai nepateikė bandymų rezultatų.
„Manęs nestebina, kad yra kiniškas įrenginys, galintis užimti pirmąją vietą“, – sakė p. Snellas. „Stebina tai, kad jie norėjo pripažinimo.“
Dr. Dongarra, kuris parašė išsamią ataskaitą apie naująją sistemą, vizito Kinijoje metu buvo pasakyta, kad sistema buvo sukurta be vyriausybės finansavimo, todėl dizaineriai manė, kad leidžiama pateikti bandymus „Top500“ reitingui, sakė jis.
Šendženo mokslininkai taip pat siekė pripažinimo už naująją sistemą, pateikdami 14 paraiškų Gordono Bello premijai, kuria skatinamas sudėtingų mokslo problemų sprendimas, sakė dr. Dongarra. Trys sistemos yra šio apdovanojimo finalininkės, o trys – susijusio apdovanojimo klimato mokslo srityje.
Dr. Dongarros ataskaitoje teigiama, kad „LineShine“ buvo naudojama tokiuose projektuose kaip sudėtinga Žemės simuliacija, apimanti atmosferą, vandenyną, sausumą ir ledo komponentus, taip pat sudėtinga žmogaus smegenų simuliacija. [2]
1. Matricų daugyba yra pagrindinis matematinis variklis, valdantis šiuolaikinį dirbtinį intelektą. Giliojo mokymosi metu praktiškai visi duomenys – vaizdai, tekstas ar garsas – paverčiami skaitmeninėmis gardelėmis, vadinamomis matricomis. Šias matricas dauginant iš vidinių „svorių“, DI modeliai mokosi pasikartojančių formų, daro prognozes ir generuoja turinį.
Kodėl matricų daugyba yra DI pagrindas?
Mikroskopiniu lygmeniu neuronų tinklą sudaro tūkstančiai ar milijardai imituotų neuronų. Kiekvienas neuronas gauna įvestis, padaugina jas iš konkrečių išmoktų svorių ir perduoda jas kitam sluoksniui.
Užuot apdoroję šiuos neuronus po vieną, kūrėjai naudoja matricų daugybą, kad vienu metu apskaičiuotų visų sluoksnių išvestis. Šis procesas, žinomas kaip vektorizavimas, sutraukia milijonus atskirų skaičiavimų į vieną didžiulę matematinę operaciją.
Visur esančios, DI užduotys
Skirtingos DI architektūros įvairiais būdais remiasi matricų daugyba:
• Dideli kalbos modeliai (LLM): Tokie modeliai, kaip „ChatGPT“ ar „Llama“ remiasi transformatorių blokais, kurie naudoja didžiules matricų daugybas „dėmesio mechanizmams“ maitinti. Šiuose mechanizmuose DI matematiškai įvertina žodžių kontekstą – konvertuoja juos, kad paversti žetonais, įterpimais ir numatyti vėlesnes sekas. Įterpimai mašininiame mokymesi yra matematiniai realaus pasaulio duomenų, tokių, kaip tekstas, vaizdai ar garsas, atvaizdavimai, paverčiami skaičių sąrašais (vektoriais). Įterpimai, išdėstydami panašius objektus arti vienas kito ištisinėje geometrinėje erdvėje, leidžia dirbtinio intelekto modeliams suprasti semantinę reikšmę, būdingas savybes ir ryšius. Daugiau, nei 83 % LLM skaičiavimo laiko praleidžiama atliekant šias operacijas.
• Kompiuterinė rega: Vizualinėse užduotyse vaizdas iš esmės yra pikselių reikšmių matrica. Matricos daugyba, veikianti, kaip „konvoliucijos“ arba tiesinės transformacijos, leidžia dirbtiniam intelektui filtruoti vaizdus, aptikti kraštus ir atpažinti objektus.
• Atgalinis dauginimas: Modelio mokymo etape matricos operacijos apskaičiuoja gradientus visame tinkle atgaline tvarka, leisdamos dirbtiniam intelektui koreguoti savo vidinius parametrus ir „mokytis“.
Dirbtinio intelekto ir aparatinės įrangos sąjunga
Kadangi matricos daugyba apima kiekvienos išvesties tinkle esančios ląstelės reikšmių apskaičiavimą atskirai, ji yra labai lygiagreti.
• GPU: Grafikos apdorojimo įrenginiuose yra tūkstančiai mažų branduolių, specialiai sukurtų lygiagrečiai matricų matematikai atlikti, atliekant milijardus daugybos operacijų. per sekundę.
• Optimizuota aparatinė įranga: specializuoti aparatinės įrangos moduliai, tokie, kaip „NVIDIA“ „Tensor Cores“, yra specialiai sukurti šiam matricos daugybos-kaupimo procesui pagreitinti.
Greitesnių algoritmų paieška
Kadangi matricų daugyba reikalauja daug skaičiavimo išteklių, net ir nedideli pagrindinių algoritmų patobulinimai užtikrina didžiulį našumo pagerinimą ir energijos taupymą duomenų centruose. Pramonė ir toliau plečia ribas šioje srityje.
2. China Takes Supercomputer Crown From U.S. for First Time Since 2017. Clark, Don. New York Times (Online) New York Times Company. Jun 23, 2026.
Komentarų nėra:
Rašyti komentarą