Через тернии к звездам

Что происходит?

Казалось бы, такие разные задачи, что может их объединять? На самом деле большая проблема — массивы данных, с которыми работают исследователи в этих областях. К примеру, существует бесчисленное множество потенциальных молекул, которые впоследствие могут стать лекарством. Поиск лучших вариантов до недавнего времени был сложной задачей.

Искусственный интеллект изменил правила игры. Алгоритмы обучения позволяют быстро и с высокой точностью находить закономерности в объемах данных, что ускорило ключевые процессы в научных открытиях. Теперь, наряду с усовершенствованием программного обеспечения, на горизонте замаячила другая революция.

Аргонский стартап

В ноябре Аргонская национальная лаборатория объявила о начале тестирования нового Cerebras CS-1 — самого быстрого в мире суперкомпьютера. В нем — самый мощный в мире чип, имеющий 400 тыс. ядер. Новое поколение аппаратного обеспечения имеет весьма компактные размеры. «Мы заинтересованы в ускорении приложений искусственного интеллекта, которые у нас есть для решения научных задач», — говорит зам. директора Аргонской национальной лаборатории Рик Стивенс.

Новые технологии

Сейчас используются графические процессоры. Несмотря на первоначальное предназначение (задачи графической обработки), они применяются для высокопроизводительных вычислений. Графические процессоры приблизили революционные изменения, которых удалось достичь с помощью искусственного интеллекта. Но они не оптимизированы для поставленных задач. Это ограничивает скорость, с которой чипы запускают алгоритмы, и заставляет поглощать огромное количество энергии в процессе работы.

Вот почему компании начали разрабатывать новые чипы. Теоретически они смогут справляться с поставленными задачами в тысячи раз быстрее, чем графические процессоры при гораздо меньших затратах энергии. По словам Рика Стивенса, новый чип должен быть в 10 или 100 раз быстрее существующих, надежным и простым в использовании. Кроме того, он должен справляться с основной задачей — работать с разрозненными источниками данных, необходимыми для научных исследований.

Вычислительная мощность суперкомпьютера Cerebras CS-1 эквивалентна вычислительной мощности системы, состоящей из сотен компьютерных стоек, заполненных графическими процессорами, потребляющими сотни киловатт энергии. Предполагается, что время на глубинное обучение нейронных сетей сократится с нескольких недель до нескольких часов. «Мы хотим, чтобы новые технологии были настолько быстрыми, чтобы исследователям не нужно было вспоминать исходные данные к тому моменту, как задача будет решена», — говорит директор Стивенс.

Будущее медицины

Первая задача, которая поставлена перед Cerebras CS-1, — поиск новых лекарств для лечения рака. Необходимо разработать модель глубинного обучения, которая смогла бы предсказать реакцию больного на лекарство или комбинацию лекарств. Затем модель можно использовать в двух направлениях: для разработки новых лекарств-кандидатов или для прогнозирования воздействия кандидата на различные типы опухолей.

Ожидается, что Cerebras значительно ускорит разработку лекарственных препаратов, а также прогресс исследований в других областях — разработке источников питания или лечении черепно-мозговых травм. Задачи невероятно сложные, требуют очень быстрой обработки огромного массива разнообразных данных — изображений мозга, информации о биомаркерах, массивы текстов.

«Будущее исследований кардинально изменится», — утверждает Рик Стивенс. Синергизм нового аппаратного обеспечения и искусственного интеллекта, вероятно, готовит нас к прорывам в науке.