После того, как нейронной сети глубокого обучения удалось победить человека в китайскую игру «Го», господство ИИ в настольных играх стало неоспоримым. Однако для достижения такого результата потребовались огромные усилия. Кроме чистой вычислительной производительности, особую роль играет ПО для обучения ИИ (Google использует здесь TensorFlow), а также специализированное аппаратное обеспечение. Tensor Processing Unit (TPU) используется Google повсеместно – как для компьютера AlphaGo, так и для обучения машинного перевода, а также для ИИ, который вскоре должен победить человека в Starcraft II.
Однако не только Google разрабатывает подобное специальное «железо». Кроме того, некоторые разработчики пытаются использовать обычные CPU и GPU. Японец Cho Chikun сыграл в «Го» против программы под названием Deep Zen. После победы AlphaGo многие производители разработали собственные программы, которые должны противостоять человеку на множестве платформ – от суперкомпьютеров до мобильных телефонов. Насколько «умными» будут эти программы, во многом зависит от вычислительной производительности железа. В случае с «Го» речь идет о 2,08 x 10170 возможных ходах на доске.
В матче Cho Chikun против Deep Zen человек победил со счетом 2:1, но то, что Deep Zen выиграл даже одну игру – огромное достижение, потому что вместо суперкомпьютера разработчик использовал мощную рабочую станцию. Она состояла из двух 22-ядерных процессоров Intel Xeon E5-2699v4 на 2,2 ГГц и четырех NVIDIA Titan X на архитектуре Pascal. Несмотря на столь мощное железо, компьютеру требовалось до 15 секунд на обдумывание хода.
Данный пример отлично показывает, насколько важна роль оборудования в этом сегменте. Однако уже сейчас в некоторых случаях неприглядная по сравнению с суперкомпьютером система с двумя процессорами и четырьмя GPU может решать довольно сложные задачи, связанные с глубоким обучением.