人工智能機(jī)器學(xué)習(xí)在單處理器上訓(xùn)練 200 億參數(shù)的 AI 模型

Cerebras 展示了其第二代晶圓級(jí)引擎的功能，宣布它創(chuàng)造了有史以來在單個(gè)設(shè)備上訓(xùn)練的最大 AI 模型的記錄。

首次在單臺(tái)設(shè)備上訓(xùn)練了具有 200 億個(gè)參數(shù)的自然語言處理網(wǎng)絡(luò) GPT-NeoX 20B。這就是為什么這很重要。

為什么我們需要訓(xùn)練這么大的模型?

一種新型的神經(jīng)網(wǎng)絡(luò)，變壓器，正在接管。如今，Transformer 主要用于自然語言處理 (NLP)，其注意力機(jī)制可以幫助發(fā)現(xiàn)句子中單詞之間的關(guān)系，但它們正在擴(kuò)展到其他 AI 應(yīng)用程序，包括視覺。變壓器越大，精度越高。語言模型現(xiàn)在通常有數(shù)十億個(gè)參數(shù)，并且它們正在迅速增長，沒有任何放緩的跡象。

使用大型變壓器的一個(gè)關(guān)鍵領(lǐng)域是在醫(yī)學(xué)研究中的應(yīng)用，例如表觀基因組學(xué)，它們被用來模擬基因的“語言”——DNA序列。

為什么這在單個(gè)設(shè)備上完成很重要?

今天的大型模型大多使用多處理器系統(tǒng)進(jìn)行訓(xùn)練，通常是 GPU。Cerebras 表示，它的客戶發(fā)現(xiàn)在數(shù)百個(gè)處理器上劃分巨大的模型是一個(gè)耗時(shí)的過程，這對(duì)于每個(gè)模型和每個(gè)特定的多處理器系統(tǒng)都是獨(dú)一無二的，基于模型的屬性和每個(gè)處理器的特性(即，什么它是一種處理器，它有多少內(nèi)存)和 I/O 網(wǎng)絡(luò)的特性。這項(xiàng)工作不能移植到其他模型或系統(tǒng)。

通常對(duì)于多處理器系統(tǒng)，有三種類型的并行在起作用：

· 如果模型適合單個(gè)處理器，則可以將其復(fù)制到其他處理器上，并且每個(gè)處理器都使用數(shù)據(jù)子集進(jìn)行訓(xùn)練——這稱為數(shù)據(jù)并行性，相對(duì)簡單。

· 如果模型不適合一個(gè)處理器，則模型可以在處理器之間拆分，每個(gè)處理器上運(yùn)行一個(gè)或多個(gè)層——這稱為流水線模型并行性。但是，這些層需要按順序運(yùn)行，因此用戶必須手動(dòng)評(píng)估每層需要多少內(nèi)存和 I/O，以確保沒有瓶頸。它比數(shù)據(jù)并行更復(fù)雜。

· 如果模型的一層太大以至于它無法容納在一個(gè)處理器上，它甚至?xí)訌?fù)雜。張量模型并行性必須用于跨處理器拆分層，增加了另一個(gè)維度的復(fù)雜性，這也會(huì)對(duì)內(nèi)存和 I/O 帶寬造成壓力。

大型模型，例如 Cerebras 公告中的 GPT-NeoX 20B，需要所有三種類型的并行性進(jìn)行訓(xùn)練。

Cerebras 的 CS-2 避免了模型并行化的需要，部分原因在于其處理器的龐大尺寸——它實(shí)際上是一個(gè)巨大的850,000 核處理器，位于單個(gè)晶圓大小的芯片上，足以容納最大的網(wǎng)絡(luò)層——部分原因是 Cerebras從計(jì)算中分離出內(nèi)存?？梢蕴砑痈鄡?nèi)存來支持更多參數(shù)，而無需添加更多計(jì)算，從而保持系統(tǒng)計(jì)算部分的架構(gòu)相同。

無需使用并行性，無需花費(fèi)時(shí)間和資源手動(dòng)劃分模型以在多處理器系統(tǒng)上運(yùn)行。此外，如果沒有流程的定制部分，模型變得可移植。在具有多個(gè)參數(shù)的 GPT 模型之間進(jìn)行更改只需更改一個(gè)文件中的四個(gè)變量。類似地，在 GPT-J 和 GPT-Neo 之間切換也只需要幾次按鍵。據(jù) Cerebras 稱，這可以節(jié)省數(shù)月的工程時(shí)間。

對(duì)更廣泛的行業(yè)有何影響?

NLP 模型已經(jīng)變得如此龐大，以至于在實(shí)踐中，只有少數(shù)公司擁有足夠的資源——無論是計(jì)算成本還是工程時(shí)間——來訓(xùn)練它們。

Cerebras 希望通過在云中提供其 CS-2 系統(tǒng)，以及幫助客戶減少所需的工程時(shí)間和資源，它可以為更多的公司提供大規(guī)模的模型培訓(xùn)，即使是那些沒有龐大系統(tǒng)工程團(tuán)隊(duì)的公司. 這包括加速科學(xué)和醫(yī)學(xué)研究以及 NLP。

單個(gè) CS-2 可以訓(xùn)練具有數(shù)千億甚至數(shù)萬億參數(shù)的模型，因此對(duì)于未來的巨大網(wǎng)絡(luò)以及今天的網(wǎng)絡(luò)來說，都有足夠的空間。

CEREBRAS 有真實(shí)世界的例子嗎?

生物制藥公司艾伯維(AbbVie)正在使用 CS-2 進(jìn)行生物醫(yī)學(xué) NLP 轉(zhuǎn)換器培訓(xùn)，這為公司的翻譯服務(wù)提供支持，使龐大的生物醫(yī)學(xué)文獻(xiàn)庫可跨 180 種語言進(jìn)行搜索。

“我們在編程和訓(xùn)練 BERT LARGE模型時(shí)遇到的一個(gè)常見挑戰(zhàn)是在足夠長的時(shí)間內(nèi)提供足夠的 GPU 集群資源，”生物制藥公司 AbbVie 的人工智能負(fù)責(zé)人 Brian Martin 在一份聲明中說?！癈S-2 系統(tǒng)將提供可緩解大部分挑戰(zhàn)的掛鐘改進(jìn)，同時(shí)提供更簡單的編程模型，通過使我們的團(tuán)隊(duì)能夠更快地迭代和測試更多想法來加速我們的交付。”

葛蘭素史克公司使用第一代 Cerebras 系統(tǒng) CS-1 進(jìn)行表觀基因組學(xué)研究。該系統(tǒng)啟用了使用數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)，否則該數(shù)據(jù)集會(huì)非常大。

GSK 人工智能和機(jī)器學(xué)習(xí)高級(jí)副總裁 Kim Branson 在一份聲明中說：“葛蘭素史克通過其基因組和基因研究生成了極其龐大的數(shù)據(jù)集，這些數(shù)據(jù)集需要新的設(shè)備來進(jìn)行機(jī)器學(xué)習(xí)?！?“Cerebras CS-2 是一個(gè)關(guān)鍵組件，它允許 GSK 使用以前無法達(dá)到的規(guī)模和大小的生物數(shù)據(jù)集訓(xùn)練語言模型。這些基礎(chǔ)模型構(gòu)成了我們許多人工智能系統(tǒng)的基礎(chǔ)，并在發(fā)現(xiàn)轉(zhuǎn)化藥物方面發(fā)揮著至關(guān)重要的作用?！?

其他 Cerebras 用戶包括 TotalEnergies，他們使用 CS-2 加速電池、生物燃料、風(fēng)流、鉆井和 CO 2儲(chǔ)存的模擬;國家能源技術(shù)實(shí)驗(yàn)室使用 CS-2 加速基于物理的計(jì)算流體動(dòng)力學(xué);阿貢國家實(shí)驗(yàn)室一直在使用 CS-1 進(jìn)行 Covid-19 研究和抗癌藥物;還有更多的例子。