آمازون 110 میلیون دلار در تحقیقات هوش مصنوعی ترانیوم سرمایه گذاری می کند

آمازون در حال انجام یک سرمایه گذاری بزرگ در تحقیقات هوش مصنوعی است زیرا این شرکت به دنبال کاهش اتکای خود به Nvidia و توسعه تراشه های داخلی خود است.

AWS Trainium یک تراشه سفارشی یادگیری ماشینی (ML) است که برای آموزش یادگیری عمیق و وظایف استنتاج طراحی شده است.

این سرمایه گذاری از تحقیقات مولد هوش مصنوعی در دانشگاه ها با استفاده از تراشه های Trainium پشتیبانی می کند. به گفته آمازون، این برنامه که Build on Trainium نام دارد، توانایی توسعه معماری‌های هوش مصنوعی جدید، کتابخانه‌های یادگیری ماشین و بهبود عملکرد را برای AWS Trainium UltraClusters توزیع‌شده در مقیاس بزرگ، گروه‌هایی از شتاب‌دهنده‌های هوش مصنوعی که به طور هماهنگ بر روی وظایف محاسباتی پیچیده کار می‌کنند را در اختیار محققان قرار می‌دهد.

آمازون در بیانیه‌ای گفت: «این برنامه به طیف گسترده‌ای از تحقیقات هوش مصنوعی، از پیشرفت‌های الگوریتمی تا افزایش عملکرد شتاب‌دهنده هوش مصنوعی، تا تحقیقات سیستم‌های توزیع‌شده بزرگ، پاسخ می‌دهد». به عنوان بخشی از Build on Trainium، AWS یک UltraCluster تحقیقاتی Trainium با حداکثر 40000 تراشه Trainium ایجاد کرد که به طور بهینه برای حجم کاری منحصر به فرد و ساختارهای محاسباتی هوش مصنوعی طراحی شده است.

https://www.youtube.com/watch?v=4nfkonjjICo

آمازون گفت هرگونه پیشرفت هوش مصنوعی ایجاد شده از طریق این برنامه منبع باز خواهد بود و به محققان و توسعه دهندگان این امکان را می دهد تا به پیشرفت نوآوری های خود ادامه دهند.

در ماه اوت آمازون اعلام کرد آمازونسرمایه گذاری 4 میلیارد دلاری در کلود توسعه دهنده و OpenAI رقیب آنتروپیک.

مرتبط:AWS مسیرهای بازار را با هوش مصنوعی مولد به نمایش می گذارد

برنامه Build on Trainium همچنین بودجه ای را برای تحقیقات جدید و آموزش دانش آموزان اختصاص می دهد و آمازون قصد دارد چندین دوره جوایز تحقیقاتی را برگزار کند که به پیشنهادهای منتخب اعتبار آموزشی AWS و همچنین دسترسی به Trainium UltraClusters برای تحقیقات آنها را می دهد.

گروه تحقیقاتی کاتالیست دانشگاه کارنگی ملون در این برنامه شرکت می کند.

تاد سی. مووری، استاد علوم کامپیوتر در دانشگاه کارنگی ملون، گفت: «ابتکار Build on Trainium AWS به اساتید و دانشجویان ما امکان دسترسی در مقیاس بزرگ به شتاب‌دهنده‌های مدرن، مانند AWS Trainium، با یک مدل برنامه‌نویسی باز را می‌دهد. “این به ما امکان می دهد تا تحقیقات خود را در مورد کامپایل برنامه تانسور، موازی سازی ML، و ارائه و تنظیم مدل زبان بسیار گسترش دهیم.”