【譯】Facebook為實時過濾內容設計自己的晶元

來自專欄大數據分析挖掘

作者： Lucian Armasu

來源：toms HARDWARE

參與：Cynthia

翻譯：本文為天善智能編譯，未經容許，禁止轉載

Facebook希望能夠實時過濾內容，包括實時視頻流。該公司在巴黎的一個技術會議上說，它將設計自己的機器學習(ML)處理器來實現這一目標。Facebook此前曾為數據中心設計了自己的伺服器架構、主板和自己的通信晶元。

• 高性能的內容過濾

Facebook的首席人工智慧科學家Yann LeCun說，公司想要刪除攻擊性的視頻，比方說有人直播的謀殺或自殺。然而，這種能力需要「大量的計算能力」，同時也需要消耗大量的電能。

在Viva技術會議上，LeCun指出:

「設計更節能的晶元很有必要。」很多公司都在致力於這方面的工作，包括Facebook。

我們已經能從英特爾、三星、英偉達等硬體公司看到這一趨勢。但現在我們開始看到人們越來越少地在管道中使用他們自己的需求或是使用他們自己的硬體。」

當公司確實取締暴力視頻或仇恨言論時，能夠實時過濾內容聽起來並不像是個壞主意，但同樣的技術也可以讓公司以閃電般的速度審查某些自由言論或其他類型的非攻擊性內容。這意味著很少有人會意識到，重要內容會被審查，除非發布內容的人可以通過其他渠道提高對其的認識，並公開Facebook的行為。

• 軟體公司支持ML硬體

谷歌公司是另一個正在構建自己的ML硬體，以更好地滿足自己的需求的例子。谷歌在2015年建立了它的張量處理單元(TPU)，當時很多人驚訝不已(於2016年宣布），目的是在更快的硬體上運行AlphaGo AI。公司承諾該晶元將是向前飛躍了三代，其推理性能比Nvidia的Tesla K80 gpu更高。

在2017年，谷歌推出了更強大的TPU 2.0，它將訓練的優先順序置於推理之上。該公司最近也宣布了TPU 3.0，這也預示著公司業績將再次大幅提升。

針對ML硬體的不僅僅是大型網路服務企業。例如，智能手機製造商也越來越多地將ML處理器應用到他們的設備中，為某些ML任務提供了更高的效率，比如提高照片質量、管理電池壽命、組織客戶端智能照片等等。

這一趨勢沒有任何放緩的跡象，因此可以期待未來更多的公司在他們的數據中心或消費產品中採用ML加速器。

原文地址：https://www.tomshardware.com/news/facebook-chips-real-time-content-filtering,37122.html

推薦閱讀：