Maschinelles Lernen: Google Brain gegen Titan Z







<p class="">Google arbeitet mit der Stanford University am Google Brain mit einer Milliarde Synapsen, das auf CPU-Server setzt. Die Forscher führten auch Testreihen mit vergleichbaren GPU-Servern durch – mit erstaunlichen Ergebnissen.
<p class="">Â*
<p class="">Â*
<p class="">Â*


Eins der oft gehörten Stichwörter der diesjährigen GPU Technology Conference (GTC) im kalifornischen San Jose heißt maschinelles Lernen. Dabei untersucht ein Computer über einen fest definierten Zeitraum eine bestimmte Anzahl von Objekten und soll dabei Gesetzmäßigkeiten erkennen. Auch Google arbeitet an dem Thema und entwickelte mit Wissenschaftlern der kalifornischen Stanford University das Google Brain.


Â*


Â*


Roland Austinat Dabei handelt es sich um 1000 CPU-Server mit 2000 CPUs beziehungsweise 16.000 Kernen, die eine Milliarde Synapsen simulieren – bei einem Kostenpunkt von 5Â*Millionen US-Dollar und einem Energiebedarf von 600 kW. Drei Tage lang lief das Google Brain und untersuchte dabei zehn Millionen 200 × 200 Pixel große Fotos auf Gemeinsamkeiten. Am Ende des Testlaufs stellten die Forscher fest: Das System hatte in zwei Tagen viele Gesichter von Menschen und Katzen gesehen und gelernt, diese zu erkennen.

Bienenhirn


Das Google Brain ist dabei nicht besonders schlau: Die Zahl seiner Synapsen entspricht der einer Biene. Ein menschliches Gehirn besitzt hingegen 100 Milliarden Neuronen mit je 1000 neuronalen Verbindungen. Würde man einen vergleichbaren Lernprozess mit dem Google Brain starten, müsste es 500 Millionen Bilder untersuchen – in 40.000 Jahren. Von einem aus "Terminator" bekannten Skynet sind wir also noch weit entfernt.


In einem weiteren Experiment untersuchten die Forscher des KI-Labors der Stanford University die Frage, ob sich das Google Brain wenigstens preisgünstiger nachbauen ließe. Die Antwort: Ja, das funktioniert, und zwar mit drei GPU-Servern, die insgesamt zwölf GPUs und 18.432 Kerne besitzen. Deren Energiebedarf sinkt dramatisch: Statt 500 benötigen sie nur 4Â*kW und mit 33.000 US-Dollar bleiben die Serverkosten weit unter den 5Â*Millionen US-Dollar des Google Brains.

Halbierter Energiebedarf


In einem dritten Experiment setzten die Forscher die auf der GPC 2014 erstmals vorgestellten Grafikkarten vom Typ GeForce Titan Z ein. Damit sinken Preis und Energieverbrauch noch einmal. Statt drei Servern ist nun ein einziger Titan-Z-Server ausreichend. Darin befinden sich drei der High-End-Grafikkarten mit insgesamt 17.280 Kernen. Der Energiebedarf halbiert sich auf 2 kW, die Kosten fallen auf 12.000 US-Dollar. Vielleicht sind wir vom Skynet doch nicht mehr so weit entfernt. (Roland Austinat) / (anw)


Â*


Quelle: heise.de