Spis treści:
Ein Bereich der Informatik, der sich in den letzten Jahren immer schneller entwickelt hat, ist die künstliche Intelligenz, die so genannte AI (Artificial Intelligence). Das Thema hat in der Öffentlichkeit extreme Emotionen geweckt. Einige sehen in der KI eine Bedrohung, die viele Menschen in Zukunft arbeitslos machen könnte, weil sie Aufgaben automatisiert, die derzeit von Menschen ausgeführt werden. Für die zweite Gruppe ist die künstliche Intelligenz eine Möglichkeit, besser auf potenzielle Krisen in der Zukunft zu reagieren oder den Prozess der Entwicklung neuer Medikamente zu verbessern. Unabhängig von der Meinung muss man jedoch der Tatsache zustimmen, dass für die Weiterentwicklung der AI Rechenleistung erforderlich ist.
AI von Meta
Diese Tatsache wird von den Vorständen der großen Technologieunternehmen sehr wohl erkannt. Seit Jahren gibt es immer mehr Versuche, den Markt für künstliche Intelligenz zu revolutionieren, und immer mehr Unternehmen entwickeln ihre eigenen AI-Chips. Der klare Spitzenreiter ist hier NVIDIAdessen CUDA-basierte Grafikprozessoren maschinelles Lernen und parallele Datenverarbeitung recht gut beherrschen. Darüber hinaus sind auch TPU-Chips (Tensor Processing Unit) von Google, die für die Tensor-Verarbeitung angepasst wurden, und Apples Sillicon-Prozessoren, die AI zur Steigerung der Leistung und Energieeffizienz nutzen, auf den Markt gekommen. Ein weiteres Unternehmen, das beschlossen hat, auf den AI-Zug aufzuspringen, ist Meta, zu dem Webseiten wie Facebook und Instagram gehören.
Was sind AI-Prozessoren?
Die heute in Computern und Smartphones verbauten Prozessoren bieten unvergleichlich mehr Leistung als die noch vor wenigen Jahren verwendeten Chips. Man könnte sich fragen, warum diese Chips nicht für AI-bezogene Berechnungen verwendet werden? Die Antwort ist ganz einfach: Gewöhnliche CPUs können aufgrund ihrer Vielseitigkeit nicht mit künstlicher Intelligenz umgehen. Herkömmliche Chips sind für ein sehr breites Aufgabenspektrum ausgelegt und ermöglichen die Ausführung von AI-basierten Programmen, aber ihre Leistung ist im Vergleich zu speziellen AI-Chips viel geringer. Aus diesem Grund produzieren immer mehr Unternehmen ihre eigenen Chips, die auch als AI-Beschleuniger bezeichnet werden.
Bei den AI-Chips handelt es sich in der Regel um einzelne SoC-Chips, in denen sich die für den Betrieb erforderliche Komponenten befinden, die speziell für die Datenverarbeitung im Zusammenhang mit künstlicher Intelligenz entwickelt wurden. Sie basieren auf einzigartigen Architekturen, die für maschinelles Lernen, natürliche Sprachverarbeitung oder Bilderkennung optimiert sind. In AI-Chips finden wir Komponenten wie Tensor Processing Units (TPUs), Deep Learning Units (DLUs), neuronale Einheiten (neural units) oder spezielle Datenverarbeitungsblöcke.
MTIA, also Meta AI Prozessor
Der Meta Training and Inference Accelerator, kurz MTIA, ist der erste maßgeschneiderte AI-Chip, den Meta für Berechnungen im Bereich der künstlichen Intelligenz vorgestellt hat. Die Algorithmen, die von den Social-Media-Plattformen des US-Unternehmens verwendet werden, profitieren schon seit einiger Zeit von den Vorteilen der AI. Die Generierung von personalisierter Werbung sowie der Feed, d.h. der dem Nutzer angezeigte Inhalt, wird durch künstliche Intelligenz unterstützt. Der MTIA-Chip wurde speziell zur Unterstützung dieser Prozesse entwickelt.
Bislang wurden in den Meta Rechenzentren vor allem Grafikprozessoren eingesetzt, die jedoch nicht die optimale Lösung für die Berechnung von Empfehlungen, d. h. von Inhalten, die dem Nutzer angezeigt werden, darstellen. Die Entwickler von Meta haben dies erkannt und einen voll funktionsfähigen ASCI-AI-Chip als Teil einer Komplettlösung entwickelt, bei der sowohl die Software als auch der Siliziumchip zusammen entwickelt werden, um die Leistung zu maximieren. Die Entwicklung von Hardware auf diese Weise ist von Apple bekannt, wo Hardware und Software so entwickelt werden, dass sie in einem geschlossenen System arbeiten, damit die Leistung des Gesamtsystems so gut wie möglich ist.
Der MTIA-Chip wird in einem 7nm (Nanometer)-Technologieprozess vom taiwanesischen Unternehmen TSMC hergestellt und läuft mit 800 MHz. Das mag nicht viel erscheinen, aber er bietet eine Leistung von 102,4 TFLOPS für konstante Zahlenberechnungen (INT8) und 51,2 TFLOPS für Gleitkommaoperationen (FP16). Der Leistungsbedarf dieser Konstruktion beträgt nur 25 W .
Beim Design setzt MTIA auf bewährte Lösungen; der Chip basiert wie die Entwürfe anderer Hersteller auf einem Raster von vierundsechzig Kernen in einer Acht-mal-Acht-Struktur. Sie bilden ein Array, in dem Daten direkt zwischen den einzelnen Elementen übertragen werden können, was dem Chip eine sehr gute Leistung verleiht.
Um die Array-Struktur herum befinden sich sechzehn LPDDR5-Controller für externen Speicher mit einer maximalen Kapazität von 64 GB. Darüber hinaus verfügt der Chip über 128 MB SRAM, auf den wesentlich schneller zugegriffen werden kann. Seine Funktion besteht darin, die Daten zu speichern, die für den gerade ausgeführten Prozess benötigt werden. Der MTIA hat auch einen eigenen Controller, der mit dem Rest des Systems kommuniziert.
Das Kernelement des MTIA-Systems ist eine Struktur namens PE (eng. Processing Element). Es basiert auf zwei RISC-V-Kernen, die über einen gemeinsamen Datenbus kommunizieren. Dabei handelt es sich jedoch nicht um die üblichen RISC-V-Kerne, die von anderen Prozessoren bekannt sind. Meta hat sie für spezielle Aufgaben wie Matrixmultiplikation, nichtlineare Funktionsberechnungen und Datentransfer maßgeschneidert. Diese Strukturen werden durch 128 KB sehr schnellen lokalen Speicher unterstützt.
Im Vergleich zu anderen AI-Beschleunigern ist MTIA insofern recht ungewöhnlich, da er für zwei Phasen der Datenverarbeitung – Training und Inferenz– angepasst wurde. Training ist die Phase, in der der Algorithmus mit immer mehr Daten gefüttert wird, bis er wie erwartet funktioniert. Der eigentliche Einsatz von neuronalen Netzen ist die Inferenzphase, in der der Chip auf Benutzeranfragen reagiert. In der Regel sind Systeme der künstlichen Intelligenz nur für eine Stufe der Informationsverarbeitung optimiert.
Der AI-Chip von Meta hat eine sehr gute Leistung bei Gleitkommaberechnungen. Bei komplexeren Operationen mit neuronalen Netzen bleibt der Chip jedoch hinter den GPUs zurück. Der Hersteller versichert, dass in zukünftigen Versionen des Chips die Leistung in diesem Bereich verbessert wird.
Nicht nur AI
Neben dem MTIA-Chip hat Meta vor kurzem auch einen speziellen Chip für die Videoverarbeitung vorgestellt. Nach Angaben des Herstellers verbringt die Mehrheit der Nutzer von Social-Media-Plattformen ihre Freizeit mit Videos schauen. Um den ständig steigenden Qualitätsansprüchen gerecht zu werden, muss das Unternehmen seine Rechenzentren verbessern. Der Meta Scalable Video Processor ist ein Chip, der für eine effizientere Komprimierung und Dekomprimierung von in sozialen Medien veröffentlichten Videos entwickelt wurde.
Zusammenfassung
Das AI-Wettrennen hat begonnen, und Meta ist das nächste Unternehmen, das sich daran beteiligt. Man kann ohne Zweifel sagen, dass die Veröffentlichung eines AI-Chips namens MTIA erst der Anfang ist. Für die Zukunft kündigt das Unternehmen bereits weitere Beschleuniger für künstliche Intelligenz an, deren Leistung die des Meta Training and Inference Accelerator weit übertreffen wird.
Quellen:
https://www.zdnet.com/article/meta-unveils-first-custom-artificial-intelligence-chip/
https://ai.facebook.com/blog/meta-training-inference-accelerator-AI-MTIA/
https://encord.com/blog/meta-ai-chip-mtia-explained/
https://www.nvidia.com/en-us/data-center/a100/
