Vodilni svetovni izdelovalec čipov
Zamudil je odlično priložnost pri mobilnih napravah. S pohodom umetne inteligence je družba dobila novo priložnost, da se izkaže.
Davnega leta 1997 je Andy Grove, takratni direktor Intela, postal eden prvih gospodarskih velikanov, ki so prisluhnili naukom predavatelja s harvardske poslovne fakultete, Claytona Christensena. Grove je slutil, da bi Intel pri čipih za osebne računalnike lahko prehiteli tekmeci s cenejšimi izdelki, zato je Christensena povabil, naj njegovi ekipi predava o vodilnih preteklih imenih v panogi, ki so čakala predolgo, preden so se odzvala na porajajočo se grožnjo. V nekaj četrtletjih je Intel na trgu predstavil več cenejših čipov Celeron za osebne računalnike in s tem bolj ali manj zatrl sanje svojih posnemovalcev, kot je bilo podjetje Advanced Micro Devices. Tako je uspešno razrešil »inovatorjevo dilemo«.
Intel ni več študija primera za prilagodljivost. Nasprotno, pogorel je na trgu z mobilnimi čipi za pametne telefone in tablice, kar je bila daleč najboljša nova priložnost za izdelovalce čipov v zadnjem desetletju. Intel je 19. aprila, istega dne, kot je napovedal, da bo zaprl 12.000 delovnih mest, ustavil razvoj nekaterih čipov atom za mobilne naprave, čeprav je dolga leta veliko vlagal vanje. In zdi se, da je največji izdelovalec čipov na svetu v zadnjih nekaj letih spregledal še en morebiten cvetoč trg: čipe, namenjene tehniki umetne inteligence, znane kot globoko učenje.
Ta nekoč obskurni kotiček raziskav na področju umetne inteligence se je razcvetel v enega najbolj vročih tehnoloških trendov. Velika internetna podjetja jo uporabljajo za uvajanje internetnih storitev, ki razumejo podobe in govor, čipe za globoko učenje pa razvijajo in vgrajujejo v brezpilotna letala, avtomobile brez voznikov in druge izdelke v internetu stvari, ki je zdaj nadvse aktualen. To je še posebej nevarno za Intel, ker je direktor Brian Krzanich povedal, da bo prihodnost družbe odvisna od tega, kako uspešna bo pri velikih podatkovnih središčih in internetu stvari.
Intel šele zdaj uvaja prvi čip, razvit posebej za globoko učenje. To je nova različica soprocesorja Xeon Phi, ki deluje v navezi z Intelovimi aduti, mikroprocesorji x86. A čeprav je čip zelo primeren za številna opravila v zvezi z globokim učenjem, družba, ki je s svojo strategijo Intel Inside tako rekoč ustvarila monopol na trgu z osebnimi računalniki, še vedno daleč zaostaja pri razvijanju programskih orodij, ki jih kupci potrebujejo za takšne čipe. Manjši tekmec, Nvidia, je že zgodaj prevladal s ponudbo takšnih orodij, je pojasnil Bryan Catanzaro, eden bolj izkušenih raziskovalcev pri Baiduju, velikem uporabniku strojne opreme za globoko učenje. Ko njegovo podjetje gradi te sisteme, Baidu porabi štirikrat več čipov Nvidie kot Intela. »Intel je lahko pomemben, a gre za prioritete,« je razložil Catanzaro. »Trenutno omejuje naložbe na številnih področjih, zato se človek vpraša, ali sploh ima voljo za razvoj novosti.«
Za zdaj je Intel utrpel minimalno finančno škodo. Amazon, Google in drugi velikani oblakov bodo letos kupili za dobrih 133 milijonov dolarjev čipov, ki bodo poganjali sisteme za globoko učenje, ocenjujejo v podjetju za tržne raziskave Tractica. To je vbogajme v primerjavi z Intelovimi lanskimi prihodki v višini 56 milijard dolarjev. Intel ne obljublja revolucionarnih novosti, temveč namiguje, da bodo njegovi trenutni čipi zadostovali za številna opravila in da ima inženirsko znanje za razvoj novih čipov, zdaj ko trg dozoreva, je povedal Catanzaro. Družba je tudi odločena, da se ne bo osredotočila na globoko učenje na račun drugih pristopov do umetne inteligence. Ne nazadnje so Intelovi veterani doživeli, kako so se v preteklosti množile modne muhe umetne inteligence; bojijo se, da globoko učenje ni tako vsestranska rešitev, kot upajo mnogi. »Takšnim zgodbam smo že bili priča,« je potrdila tudi Nidhi Chappell, direktorica strojnega učenja v Intelovi skupini Data Center Group.
Nvidii pa globoko učenje počasi pomaga povečevati prihodke. Prodaja velikim družbam za računalništvo v oblaku je v prvem četrtletju poskočila za 63 odstotkov. Nvidia, ki ima sedež blizu Intela v Santi Clari v Kaliforniji, je čipe za grafično obdelavo nekoč prodajala predvsem izdelovalcem osebnih računalnikov in igralnih konzol. Ko pa so velike internetne družbe odkrile, kako dobro se grafični čipi znajdejo tudi z opravili, povezanimi z umetno inteligenco, je prevzela vodilni položaj na porajajočem se trgu za globoko učenje. Kot so povedali v družbi, danes sodelujejo s 3500 kupci v različnih panogah, od avtomobilske do farmacevtske in finančnih storitev.
Nvidia ni edina družba, ki skuša kovati dobiček, medtem ko se Intelu nikamor ne mudi. Qualcomm na trgu predstavlja programska orodja, s katerimi kupcem omogoča, da mobilne čipe uporabljajo za globoko učenje. Inovativna podjetja, kot sta Knupath in Nervana, pa razvijajo celo še bolj korenito prilagojene čipe za globoko učenje. Tactica napoveduje, da se bo na tem trgu leta 2024 obrnilo 3,6 milijarde dolarjev.
Knupath, ki ga je ustanovil Dan Goldin, nekdanji šef Nase, je napovedal čip za umetno inteligenco z imenom Hermosa skupaj s programsko opremo, s katero bo mogoče povezati 512.000 Hermos in drugih čipov. Prva različica bo namenjena predvsem prepoznavanju nepričakovanih glasov v hrupnem okolju – tako da se bo uporabnik lahko prijavil v svojo elektronsko banko samo z glasom, medtem ko se bo vozil v kabrioletu s prižganim radiem. Družba je zbrala sto milijonov dolarjev finančnih sredstev ob predpostavki, da ustroj obstoječih čipov ne bo dohajal prihodnjega povpraševanja. »Vstopamo v čisto prvo fazo strojne inteligence in strojnega učenja. Kot bi osvajali Divji zahod,« je komentiral Goldin. »Zgodilo se bo marsikaj popolnoma norega.«
Vrzel na trgu
Podjetja, kot so Facebook, Google in Microsoft, programsko opremo naučijo odkrivati vsebino podob in prepoznavati govor z vgrajevanjem tako imenovanih nevronskih mrež, v katerih velikanske količine podatkov predeluje na tisoče povezanih procesorjev. Sčasoma znajo stroji samostojno prepoznavati vzorce in jih presojati. Januarja je Googlova nevronska mreža enega najboljših igralcev namizne igre go premagala v štirih od petih dvobojev.
V takšnih aplikacijah Intelovi mikroprocesorji x86 praviloma ne počnejo dosti več od digitalnega gospodinjenja. Medtem ko ima najboljši Intelov procesor več kot dovolj sape, da poganja neskončne finančne bilance in programsko opremo za podjetja, čipi, namenjeni globokemu učenju, določene vrste nalog – na primer razumevanje glasovnih navodil in prepoznavanje podob – razbijejo na milijone obvladljivih delcev. Ker grafične procesne enote, kot jih ima Nvidia, sestavlja na tisoče majcenih procesnih jeder, stlačenih skupaj na zaplato silicija, zmorejo obdelati na tisoče teh delcev hkrati. Če bi zaupali takšno nalogo Intelovemu procesorju, bi s tem samo tratili vire, saj je v vsakem od teh procesorjev nekaj deset jeder, razvitih za obdelovanje zapletenih algoritmov. Čipom za globoko učenje pri vseh teh mikro nalogah ni treba toliko razmišljati. Jedra grafičnih procesorjev imajo ravno prav aritmetičnih mišic za hiter pregled, da ustrezno razporedijo podobo ali drug posamezen podatek.
Catanzaro, ki je pomagal pripraviti Nvidiin napad na fronti globokega učenja, preden se je preselil v Baidu, preizkuša soprocesor Xeon Phi in pravi, da nekatera opravila pri globokem učenju opravi z 90-odstotno učinkovitostjo grafičnega procesorja. Kljub temu ima pomisleke. Ne le, da Intel ni razvil takšnih programskih orodij, kot jih ponuja Nvidia, s katerimi kupci laže izboljšujejo in vzdržujejo nevronske mreže, temveč bi se moral po njegovem mnenju tudi bolj potruditi, da bi njegovi čipi prišli v roke velikanom globokega učenja, ki pripomorejo k napredku na tem področju. Doslej je bil Intel pri prodaji Xeon Phi osredotočen na velike družbe, ki ga potrebujejo za dobro znane aplikacije, pravi Catanzaro. »Navijam za Intel,« je dodal Catanzaro, »saj ne bo dobro za nikogar, če bo edina spodobna alternativa Nvidia, zato na tem trgu potrebujemo tudi Intel. A moral se bo bolj potruditi.«
Maja je Google presenetil svet umetne inteligence z novico, da že dobro leto dni uporablja čip lastne izdelave, imenovan tenzorska procesna enota, TPU. Čeprav Google v svoje futuristične projekte, kot so samovozeči avtomobili, z veseljem vlaga na milijarde dolarjev, je bilo to prvič, da se je zakopal v drago in zahtevno področje čipov. Zakaj se sploh trudi? To je bil edini način, da doseže napredek pri svojih aplikacijah, ki temeljijo na strojnem učenju, je v elektronskem sporočilu zapisal Norm Jouppi, znani inženir za strojno opremo pri Googlu. Ta družba bo tudi v prihodnje uporabljala Intelove procesorje za svojo računalniško infrastrukturo, je še dodal, vendar so potrebovali nekaj več, kot je bilo na voljo na trgu.
Vroča tla pod petami
Intel miruje tudi v drugem obetavnem kotičku trga za globoko učenje: to so čipi, ki si vtisnejo v spomin modrosti, kot so se jih naučile nevronske mreže v telefonih, avtomobilih in drugih napravah, za katere bi radi, da bi postale še pametnejše. DJI, največji izdelovalec brezpilotnih letal na svetu, je razvil vizualno procesno enoto, ki jo izdeluje Movidius, vgrajena pa je v njegov novi model, Phantom 4. Ta čip obdela, kar prestrežejo Phantomove kamere, da se letalo lahko izogne strmoglavljenjem, ki jih pilot morda ne bi zmogel preprečiti s tal. Načrtovan je tako, da porablja zelo malo energije – in tudi to je nekaj, po čemer se Intel ne odlikuje.
Ti čipi bodo nemara veliko manj dobičkonosni kot procesorji, zaradi katerih je Intel navzoč v tako rekoč vsakem domu, a bi utegnil biti obseg kljub temu zanimiv, če bodo sestavni deli postali standardni v pametnejših napravah MRI, proizvodnih robotih in nadzornih kamerah, je prepričan Jim McGregor, ustanovitelj raziskovalnega podjetja na področju čipov Tirias Research. Najbolj mamljiv je trg s samovozečimi avtomobili, ki bi lahko dosegel več deset milijonov enot na leto. Če bi vsako vozilo imelo veliko takšnih čipov, bi se že samo ta tržni segment po velikosti lahko kosal s trgom osebnih računalnikov.
Chappellova iz Intela ne omalovažuje teh napovedi, pripominja pa, da se priložnost za njeno podjetje skriva v širšem, pragmatičnem pogledu na trg. Največji izziv za raziskovalce na področju umetne inteligence je poiskati načine, kako veliko hitreje učiti nevronske mreže – recimo v enem popoldnevu namesto v nekaj tednih. Novi čip Xeon Phi bo pomagal rešiti takšne težave, je povedala, deloma zato, ker ga raziskovalci lahko uporabijo za zasnovo sistema usposabljanja na svojih računalnikih in nadaljujejo z njihovo rabo, tudi ko se razširijo na večje mreže strežnikov in postopoma tudi na veliko večji obseg v oblaku.
Dolgoročno bi Intel lahko razvil vsestransko uporabne čipe tako za učenje sistemov do nepotratnih naprav na internetu stvari, pravi Chappellova. V tem primeru bi bili grafični procesorji in drugi specializirani čip za globoko učenje na slabšem v primerjavi s splošnimi mikroprocesorji, mojstri za vse. Po zaslugi Intelovih inženirskih sposobnosti in proizvodnih zmogljivosti bi družbi vezja za globoko učenje morda uspelo stlačiti v nove procesorje, ne da bi s tem bistveno povečali stroške. Če bo Intel ustvaril splošen nabor programskih orodij za upravljanje vsega, od nevronskih mrež do brezpilotnih letal, bi globoko učenje postalo dostopno za veliko več podjetij – Intel pa bi dobil strateški pomen za njihovo poslovanje.
To so zvijače, ki so Intelu pomagale pridobiti monopol v panogi osebnih računalnikov. Še danes ni veliko ljudi, ki bi Intel izključili iz enačbe. »Kolikor vem, ima podjetje v žepu 15 milijard dolarjev in pametno vodstvo,« priznava tudi direktor Movidiusa, Remi El-Ouazzane. »A vsaj za zdaj nam še ne gori pod nogami.«
Copyright 2016 Technology Review, distribucija Tribune Content Agency.