Künstliche Intelligenz: Google entwickelt eigenen Chip für allwissende Dienste

Google hat auf der I/O 2016 den Themen künstliche Intelligenz und maschinelles Lernen viel Aufmerksamkeit gewidmet. In diesem Rahmen kündigte das Unternehmen an, seit Jahren insgeheim an einer neuen Tensor Processing Unit (TPU) für maschinelles Lernen und künstliche Intelligenz gearbeitet zu haben.

Ein System aus diesen anwendungsspezifischen integrierten Schaltungen (ASICs) kommt auch bei Googles Deepmind-Software AlphaGo zum Einsatz, die vier von fünf Spiele des komplexen Go gegen den weltbesten Spieler gewann. Laut Google arbeiten 100 Teams des Konzerns mit maschinellem Lernen, etwa bei Street View, der E-Mail-App Inbox und der Sprachsuche. Die TPU, deren Namen Google nach einem Objekt aus der Linearen Algebra wählte, wurde für die offene Bibliothek TensorFlow angepasst.

1. 

Bild 1 von 2

Fortschritt von „drei Generationen Moore's Law“

Google selbst spricht bei der erbrachten Leistung von einem Vorsprung von sieben Jahren aus heutiger Sicht. Dies entspräche „drei Generationen von Moore's Law“. Die Optimierung auf maschinelles Lernen soll zur Folge haben, dass der Chip weniger Transistoren pro Berechnung benötigt und die Genauigkeit nicht so hoch sein muss. Daraus sollen wiederum mehr Berechnungen pro Sekunde möglich sein und Nutzer schneller Antworten erhalten. Ein gesamtes Board mit einer TPU passe in einen Festplattenschacht im Datencenter.

Zudem möchte Google mit dem Chip zeigen, wie schnell Entwicklung in die Praxis umgesetzt werden könne. Nach eigenen Angaben lagen zwischen dem ersten Testmuster und dem Einsatz im Datencenter nur 22 Tage. Google soll bereits seit fast einem Jahr TPUs einsetzen, wovon auch neue Dienste wie Google Assistant profitieren und möglich geworden sein sollen. Viele der zur Google I/O 2016 vorgestellten Entwicklungen wie die Chat-App Allo, der sprachgesteuerte Lautsprecher Google Home und Android Wear 2.0 profitieren von den Verbesserungen im Bereich der künstlichen Intelligenz.

Durch die Infrastruktur rund um die TPUs zielt Google neben TensorFlow beispielsweise auch auf den Einsatz im eigenen Cloud Machine Learning.