Der Tesla P100 verfügt über rund dreimal so viele Transistoren wie die Vorgängermodelle des Herstellers, berichtet MIT Technology Review. Mit einem simulierten neuralen Netzwerk könnte eine KI damit etwa in der zwölffachen Geschwindigkeit lernen, mit der es Nvidias bisher beste Prozessoren ermöglichen würden.
Beim Deep Learning werden KIs mit neuralen Netzwerken, also simulierten Neuronen, ausgestattet. Diese lassen sich am besten mit Grafikprozessoren simulieren. Wie Nvidias CEO Jen-Hsun Huang sagte, ist die Zeit reif für Chips, die speziell für diesen Nutzen zugeschnitten sind. Erstmals sei ein Grafikprozessor auf die Entwicklung von KI und Deep Learning spezialisiert. Die neuen Chips sollen neurale Netzwerke von etwa dreißigmal größeren Ausmaßen erlauben, als es bisher möglich war. Derartige Vergrößerungen der Netzgröße hatten bereits in der Vergangenheit zu Sprüngen in den Fähigkeiten von KIs geführt, etwa in der Bilderkennung.
Acht der neuen Prozessoren sollen in einem neuen Modell von Supercomputer gemeinsame Sache machen: Der DGX-1 beinhaltet zu jedem seiner Chips 16 Gigabyte RAM und dazu noch sieben Terabyte Festplatte, um die zu analysierenden Daten auch zu speichern. Das High-Tech-Gerät kommt laut Tech Crunch auf eine Rechenleistung von 170 Teraflops und könnte Projekten für Maschinenlernsysteme eine völlig neue Plattform mit massiver Leistungsfähigkeit bringen. Mehrere Universitäten sollen einen der Supercomputer erhalten. Im freien Handel wird er für 129.000 Dollar erhältlich sein — für einen Großrechner kein allzu hoher Preis.
