Компания Intel известна прежде всего тем, что она производит самые высокоскоростные процессоры для персональных компьютеров, серверов и суперкомпьютеров. Несмотря на огромную вычислительную мощность этих чипов, они не являются самым эффективным решением для создания систем, работающих на принципах глубинного машинного обучения и самообучения, которые уже используются в настоящее время для решения тяжелых вычислительных задач, таких, как обеспечение компьютерного видения, распознавание изображений и голосовой информации. Подобные задачи решаются преимущественно путем сложных вычислений, данные для которых представлены в виде матриц огромных размеров, для чего архитектура процессоров семейств Core или Xeon подходит не самым лучшим образом. И для того, чтобы закрыть этот пробел, специалисты компании Intel разработали первый специализированный процессор Nervana Neural Processor (NNP), выпуск которых начнется уже в конце текущего года.

В отличие от универсальных процессоров, которые являются «сердцем» практически всех компьютеров, процессор Nervana NNP является ASIC-чипом (application-specific integrated circuit), ориентированным исключительно на задачи глубинного машинного обучения и самообучения. Схемы, размещенные на кристалле процессора Nervana NNP, выполняют на аппаратном уровне функции сложения матриц, нахождения пересечений и ряд других матричных операций. А специальные алгоритмы позволяют динамически переконфигурировать память процессора так, что ее архитектура становится оптимальной для выполнения конкретной текущей операции.

Процессор Nervana NNP оснащен быстродействующими шинами данных, обеспечивающими двунаправленный обмен большими массивами информации. При помощи этих шин можно соединять большое количество процессоров Nervana в один большой «виртуальный» процессор, который практически без потери эффективности сможет решать более сложные задачи, обеспечивая работу многоуровневых нейронных сетей.

Еще одной особенностью процессора Nervana NNP является то, что в основе его работы лежит математика с целыми числами пониженной точности Flexpoint. «Нейронные сети весьма устойчивы по отношению к шумам» — пишут представители компании Intel, — «И эти шумы иногда помогают им находить оптимальные решения». А «бонусом» использования математики с пониженной точностью является увеличение степени параллелизма выполняемых задач, уменьшение задержек и увеличение полосы пропусках внешних шин данных.

Целью создания процессора Nervana NNP является создание универсальной, гибкой и масштабируемой архитектуры, способной справляться с любой нагрузкой при работе систем искусственного интеллекта. И тем самым компания Intel хочет «откусить» себе долю рынка, на котором очень прочно обосновались графические процессоры компании NVIDIA, которые идеально подходят для массивных параллельных вычислений, хотя и разрабатывались изначально для совершенно иных целей.

Тем не менее, компании Intel, при выходе на рынок систем искусственного интеллекта, придется столкнуться с жесткой конкуренцией, которая только начинает набирать обороты. И среди ближайших конкурентов компании Intel в этой области находятся весьма известные и влиятельные компании, такие, как Qualcomm, IBM со своим процессором True North, Google с процессором «Tensor Processing Unit» (TPU), и, конечно, NVIDIA со своими графическими чипами последнего поколения V100.