แม้ว่าในช่วงหลังเราจะมีระบบ Machine Learning ให้บริการตามท้องตลาดอยู่จำนวนหนึ่ง แต่ปัญหาสำคัญคือพลังของการประมวลผลซึ่งงานลักษณะนี้ต้องใช้ทรัพยากรอย่างเช่นเครื่องคอมพิวเตอร์แม่ข่ายหรือเมนเฟรมใหญ่ๆ จำนวนหลายเครื่องหรือคอมพิวเตอร์แบบพิเศษ (ตัวอย่างเช่น IBM Watson ตอนแรกที่ยังไม่เป็นบริการบนคลาวด์) เพื่อให้มีสมรรถภาพพอที่จะประมวลผลและตอบสนองได้ ซึ่งเป็นปัญหาพอสมควรในเชิงการลงทุน ซึ่งทำให้นักวิจัยจากศูนย์วิจัย T.J. Watson ของ IBM (ศูนย์เดียวกับที่เป็นต้นกำเนิดของ IBM Watson) นำเสนองานวิจัยและแนวคิดใหม่ด้วยการสร้าง "Resistive Processing Unit" (RPU) เพื่อเข้ามาใช้ในงานลักษณะนี้โดยเฉพาะ
RPU เป็นการนำเอา CPU และหน่วยความจำแบบไม่ลบเลือน (non-volatile memory) เข้ามารวมกันเป็นชุดเดียว เพื่อเพิ่มความเร็วในการประมวลผลข้อมูลและการดึงข้อมูลมาใช้งาน ซึ่งทำให้ในภาพรวมสามารถลดได้ทั้งการฝึกระบบโดยรวม พลังงานที่ใช้ และแน่นอนที่สุดคือทรัพยากรและเงินลงทุนที่ต้องใช้ไป โดยงานวิจัยอ้างว่าสามารถทำให้เร็วขึ้นได้กว่า 30,000 เท่า เมื่อเทียบกับ microprocessor ในปัจจุบัน ทำให้งานบางอย่างที่อาจจะต้องใช้ศูนย์ข้อมูลขนาดใหญ่ที่กินเวลาประมวลผลนานเป็นวัน ลดลงมาเหลือเพียงหลักชั่วโมงหากใช้ RPU เพียงตัวเดียว
ทั้งนี้ เคยมีแนวทางในการแก้ไขปัญหาลักษณะนี้จากนักวิจัยบางกลุ่มที่เสนอให้ใช้ resistive RAM หรือหน่วยความจำที่เข้าถึงด้วยความเร็วใกล้เคียงหรือระดับเดียวกับ DRAM แต่งานวิจัยชิ้นนี้ของ IBM เสนอให้นำเอา resistive RAM เข้าไปเป็นส่วนหนึ่งของ RPU ไปแทน โดยในปัจจุบัน RPU ยังถือเป็นงานวิจัยเท่านั้น และ เทคโนโลยีอย่าง resistive RAM เองก็ยังไม่ถูกใช้งานเชิงพาณิชย์ ดังนั้นกว่าจะได้เห็นจริงอาจจะต้องกินระยะเวลาอีกสักระยะครับ
ที่มา - Engadget, เปเปอร์งานวิจัย
Comments
"ทำให้งานหลายอย่างที่อาจจะต้องใช้ศูนย์ข้อมูลขนาดใหญ่ ลดลงมาเหลือเพียงไม่กี่ชั่วโมงหากใช้ RPU"
ตรงนี้เทียบกับคนละหน่วยนะครับ (หรือาจจะเขียนไม่ครบ)
เพราะต้นฉบับบอกว่า จาก ศูนย์ข้อมูลขนาดใหญ่ x หลายวัน กลายเป็น RPU ตัวเดียว x หลายชั่วโมง
เขียนตกจริงๆ ครับ ขอบพระคุณที่ชี้แนะ
I'm ordinary man; who desires nothing more than just an ordinary chance to live exactly what he likes and do precisely what he wants.
เร็วขึ้นได้ว่า ?
resistive RAM อันเดี๋ยวกับที่ 3D XPoint หรือเปล่าครับ?