Neuer Chip auf Amazons MARS- Veranstaltung – ein Schlüssel für die Zukunft

Silicon Valley, 3.5.2019

An der vor kurzem abgehaltenen MARS-Veranstaltung von Amazon nahmen rund 100 der weltweit wichtigsten Forscher, CEOs und Unternehmer teil. Ihr Hauptinteresse galt einem neuen Chip, der um ein Vielfaches effizienter als herkömmliche Siliziumchips ist. Er wurde in den Labors am MIT entwickelt. Die Besonderheit: eine Vielzahl von Geräten mit begrenzter Leistung versorgt er mit leistungsfähiger künstlicher Intelligenz , die außerhalb der Reichweite der riesigen Rechenzentren liegt.

Diese neu entwickelten Chips können entscheidend für zukünftige Fortschritte in der KI sein. Bisher lief die KI-Software weitgehend auf grafischen Chips, aber neue Hardware könnte die KI-Algorithmen leistungsfähiger machen, was neue Anwendungen freischalten würde. Beispiel: Neue KI-Chips könnten Lagerroboter gängiger machen oder Smartphones fotorealistische Augmented-Reality-Szenarien schaffen lassen.

Mit eben diesem Ziel wurden die Mikrochips entwickelt. Sie sollen mehr aus den „tief lernenden“ KI-Algorithmen herauszuholen, die die Welt bereits auf den Kopf gestellt haben. Und dabei können sie diese Algorithmen selbst zur Weiterentwicklung anregen.

Diese Entwicklung in der Chipherstellung wurde vor allem durch Deep Learning vorangetrieben – einer sehr wirkungsvollen Art und Weise, wie Maschinen lernen, nützliche Aufgaben zu erfüllen. Anstatt einem Computer eine Reihe von Regeln zu geben, denen er folgen muss, programmiert sich eine Maschine selbst. Die Trainingsdaten werden in ein großes, simuliertes künstliches neuronales Netz eingespeist, das dann so optimiert wird, dass es das gewünschte Ergebnis liefert. Bei ausreichender Schulung kann ein tief lernendes System subtile und abstrakte Muster in Daten finden. Die Technik wird auf eine ständig wachsende Anzahl von praktischen Aufgaben angewendet, von der Gesichtserkennung auf Smartphones bis hin zur Vorhersage von Krankheiten aus medizinischen Bildern.

Deep Learning ist nicht so sehr auf das Gesetz von Moore angewiesen. Neuronale Netze führen viele mathematische Berechnungen parallel durch, so dass sie viel effektiver auf den speziellen Grafikchips der Videospiele laufen, die parallele Berechnungen zur Darstellung von 3D-Bildern durchführen. Aber Mikrochips, die speziell für die Berechnungen entwickelt wurden, die dem tiefen Lernen zugrunde liegen, sollten noch leistungsfähiger sein.

Das Potenzial neuer Chip-Architekturen zur Verbesserung der KI hat ein Maß an unternehmerischer Aktivität hervorgerufen, das die Chip-Industrie seit Jahrzehnten nicht mehr gesehen hat. Die hohen Einsätze, die mit Investitionen in KI-Chips der nächsten Generation verbunden sind – und die Aufrechterhaltung der Dominanz Amerikas bei der Chipherstellung insgesamt – gehen der US-Regierung nicht verloren. Die neuen Mikrochips werden mit Unterstützung eines Defense Advanced Research Projects Agency (DARPA)-Programms entwickelt.

Große Technologieunternehmen, die hoffen, KI zu nutzen und zu vermarkten – darunter Google, Microsoft und (ja) Amazon – arbeiten alle an ihren eigenen Deep-Learning-Chips. Für ein schnelllebiges Gebiet wie das Tiefenlernen besteht die Herausforderung für diejenigen, die an KI-Chips arbeiten, darin, sicherzustellen, dass sie flexibel genug sind, um für jede Anwendung angepasst zu werden. Es ist einfach, einen hocheffizienten Chip zu entwickeln, der nur eine Sache kann, aber ein solches Produkt wird schnell überflüssig.