AI-tekniken deep learning har fått ett snabbt genomslag i elektronikvärlden. Olika avdelningar på Intel har utvecklat egen teknik och Intel har köpt på sig lösningar från flera håll.

Nu är det dags att fokusera resurserna och standardisera, tycker Intel, och bildar den nya organisationen AIPG (Artificial Intelligence Products Group). Hela branschen skulle ha nytta av att standardisera på Intel, anser företaget och lovar sänka kostnaderna så att deep learning blir åtkomlig inte bara för institutioner, myndigheter och stora företag – vilket enligt Intel är förhållandet idag.

Den som annonserar AIPG är dess chef Naveen Rao, tidigare vd på Nervana systems. Intel köpte hans företag i augusti. Det utvecklar molntjänst, mjukvara, verktyg och hårdvara för deep learning.

Deep learning är en nyckelteknik för ADAS och självkörande bilar, och det knyts bland annat också stora förhoppningar till dess användande inom medicinteknik. Naveen Rao nämner tillämpningen smarta fabriker som en bubblare, och generellt alla tillämpningar som handlar om att söka efter användbara strukturer i stora mängder dynamiskt genererade data.

Att utveckla en deep learning-algoritm som löser ett specifikt problem – att träna ett nät – är en extremt beräkningstung uppgift. Grafikkort från Nvidia dominerar den marknaden helt idag.

Inferens – att använda det färdigtränade nätet – är många magnituder mindre komplext och kan i princip göras i en vanlig seriell cpu. Men skräddarsydd logik kan dra ner strömförbrukningen i batteridrivna produkter, och i en molntjänst få upp genomströmningen via parallellisering.

Intel har idag hårdvara för både träning och inferens på flera håll i sin produktportfölj. Tekniken är både inköpt och egenutvecklad. 

Alteras FPGA:er – Intels egendom sedan 2015 –  kan konfigureras med algoritmer för deep learning, både för träning och inferens. PCIe-kort med Altera-FPGA:n Arria 10 finns eller kommer att finnas i Intels moln att användas för inferens.  

Alteragrupen har en uppenbar nytta av det som kommer att komma ut från AIPG och kommer säkert, gissar Elektroniktidningen, att ha representanter i det labb på AIPG som ska utveckla nya arkitekturer och algoritmer.

Vad gäller träning av deep learning-nät är Intel redan i färd med att anpassa både sin superdatorprocessor Xeon Phi och sin serverprocessor Xeon för deep learning. De pushas som konkurrenter till Nvidias grafikkort. Xeon Phi Knights Mill är hårt optimerad för deep learning och ska släppas i volym i år.

Det här arbetet har en uppenbar överlappning med Nervanas teknik. Det är svårt att beskriva Knights Milll och Lake Crest – det första Nervanachip som släpps i provexemplar i år – som något annat än  konkurrenter och Intel har redan tidigare annonserat att en kommande Xeon Phi-processor med det suggestiva namnet Knights Crest kommer att använda Nervanas teknik.

Ett färskt inköp med AI-hårdvara i röret är israeliska Mobileye vars processorer är fokuserade på bildanalys för självkörning.

Det är sedan tidigare sagt att Mobileyes utveckling kommer att ske i Israel. Elektroniktidningen tror att Mobileye kommer att fortsätta i ett eget spår eftersom företaget lagt ner mycket arbete på att hårt optimera sina chips och algoritmer på bildanalys och självkörning. 

Bildprocessortillverkaren Movidius – ett inköp från september – ska däremot sorteras in i AIPG, säger Intel uttryckligen. Företagets Fathom är en bildanalysmaskin på en USB-sticka som exempelvis kan pluggas in i en industrirobot. Intels smarta djupkameror Realsense tolkar gester med hjälp av en AI-teknik som numera kan köras på Movidius chips, så även dessa kameror kommer att finnas representerade i AIPG.

Neurala nät finns i knappdatorprocessorn Quark, och i oktober 2015 annonserade Intel sitt köp av Saffron som gör AI-algoritmer som är anpassade för IoT-enheter. Tekniken i både Quark och Saffron ligger dock lite grand utanför det som idag är mainstream för maskininlärning, deep learning, så det är inte självklart att det går att hitta en syntes mellan dem och AIPG.