Warum Facebook bei der künstlichen Intelligenz Gas gibt

Stell dir einmal die Rechnerleistung vor, die nötig ist, um die Online-Aktivität von 1,23 Milliarden Nutzern zu verarbeiten, die 100 Millionen Stunden an Videomaterial anschauen und 95 Millionen Posts voller Fotos und Videos hochladen. Facebook (WKN:A1JWVX) verarbeitet das, und noch viel mehr, an jeden einzelnen Tag. Stell dir vor, du müsstest dir all diese Daten ansehen, um Gesichter zu erkennen, den Inhalt von Fotos und Videos zu beschreiben und um den Newsfeed mit relevantem Content zu füllen. Diese Aufgaben werden von den Servern von Facebook gemeistert, die mit selbst entwickelter künstlicher Intelligenz laufen.

Das alles läuft hinter den Kulissen von Facebook ab und wird von der künstlichen Intelligenz namens Big Sur gemanagt, die das übrigens schon seit 2015 macht. Das System war in den letzten beiden Jahren das Herzstück der künstlichen Intelligenz von Facebook und wird jetzt von einem neueren und schnelleren Modell ersetzt. Facebook enthüllte in einem Blogpost, dass der Nachfolger Big Basin heißen wird und dass die neue Plattform beeindruckendes leisten kann: Der neue Server schafft 30 % mehr, und das in etwa der Hälfte der Zeit.

Facebook-Datenzentrum in Prineville, Oregon. Bildquelle: Facebook.

Wenn du schon einmal Facebook benutzt hast, dann hast du auch künstliche Intelligenz benutzt

Maschinenlernen ist eine Kombination von Softwaremodellen und Algorithmen, die mit hoher Geschwindigkeit Daten verarbeiten, um – basierend auf diesen Daten – Dinge abzuleiten. Das klingt jetzt etwas futuristisch, aber so funktioniert die Technologie, die heutzutage benutzt wird. Ein Beispiel dafür ist die Gesichtserkennung von einem gerade hochgeladenen Foto, das mit all den bereits bestehenden Fotos in der Datenbank verglichen wird. Dann wird einem ein Name vorgeschlagen. „Wenn du dich schon einmal bei Facebook eingeloggt hast, dann ist es sehr wahrscheinlich, dass du die eine oder andere Art von künstlicher Intelligenz benutzt hast, die wir hier entwickeln“, sagt Kevin Lee, technischer Programm-Manager bei Facebook und Autor des Blogs.

Lee sagt, das neue System wäre um die GPUs von NVIDIA (WKN:918422) aufgebaut, um dieses neue Niveau der künstlichen Intelligenz zu erreichen. Die Plattform hostet acht Tesla P100 GPU-Beschleuniger, die NVIDIA als „den am weitesten fortgeschrittenen Datenzentrum-GPU, der jemals gebaut wurde“ beschreibt. Das System verfügt auch über NVIDIA NVLink, mit dem die GPUs verbunden werden. Wenn es Probleme bei den Verbindungen gibt, werden diese Systeme langsamer. NVLink scheint das zu verhindern. Lee deutete auch an, dass die Bauweise dem DGX-1 von NVIDIA, dem Supercomputer mit künstlicher Intelligenz, ähnlich wäre.

Mehr Rechnerleistung war nötig

Facebook konzentriert sich in letzter Zeit immer mehr auf Live-Video-Streaming. Das führte jedoch zu Problemen, da dieser Dienst von den Nutzern sehr schnell angenommen wurde. Größere und komplexere Datensätze erfordern zusätzliche Rechnerleistung bei höherer Geschwindigkeit. Das Unternehmen benutzt die künstliche Intelligenz nicht nur für die Klassifizierung von Videos in Echtzeit, sondern auch in anderen Anwendungen wie Sprache und Übersetzung von Text. Diese neue Plattform bietet die Kapazität und die Geschwindigkeit für die nächste Generation der künstlichen Intelligenz bei Facebook.

Das Unternehmen plant in naher Zukunft die Design-Spezifizierung des Servers mit der künstlichen Intelligenz über ein Open-Compute-Projekt zu veröffentlichen. Sobald es soweit ist, kann jeder ehrgeizige Computerfachmann mit genug Zeit und Geld eines dieser Systeme in seinem eigenen Keller bauen.

Der Big-Basin-Server kann Datensätze, die 30 % größer sind, in der Hälfte der Zeit bearbeiten als sein Vorgänger. Bildquelle: Facebook.

Bahnbrechender Chip

Facebook ist aber nicht das einzige Unternehmen, das über innovative Anwendungen der künstlichen Intelligenz verfügt. Google von Alphabet (WKN:A14Y6H) stellte sein Tensor Processing Unit (TPU) vor. Dabei handelt es sich um einen besonderen Chip, der dafür designt wurde, Systeme mit künstlicher Intelligenz zu betreiben. Diese nennen sich neurale Netzwerke. Diese maschinellen Lernsysteme werden geschaffen, indem Algorithmen und Software zu einem neuralen Netzwerk nach Vorbild des menschlichen Gehirns gebaut werden. Sie lernen, wenn sie große Datenmengen analysieren.

In einem Blogpost von Google beschrieb der Hardware-Experte Norm Jouppi die Fähigkeiten des TPU-Chips. Er sagte, dass er die Arbeit 15- bis 30-mal schneller als konventionelle CPUs und GPUs verrichten könnte, während gleichzeitig der Energieverbrauch und das 30- bis 80-fache niedriger wäre. Google erkannte vor sechs Jahren, dass die Spracherkennung, die das Unternehmen einsetzte, jede Menge Daten verschlang. Daher machte man sich Sorgen, dass man die Zahl der Datenzentren vielleicht verdoppeln müsste, nur um mit diesem Volumen mithalten zu können. Daher ist die Entwicklung des TPUs eine Konsequenz der Verbesserungen bei Google Translate, Image Search und Google Photos.

Schlussgedanken

Es ist schwer, den Wert dieser Innovationen zu quantifizieren. Immerhin werden diese Technologien auch mit dem Rest der Welt geteilt. Wenige Unternehmen, die Forschung im Bereich künstliche Intelligenz betreiben, sprechen von direkten finanziellen Vorteilen, obwohl die Fortschritte ihrer Produkte diese für die Kunden nützlich machen. Daher beeinflusst die Technologie die Dinge, die wir tun, und die Produkte, die wir benutzen.