W ramach inicjatywy Open Compute Project i na zasadach open source udostępnione szczegółowe informacje na temat architektury serwerów stworzonych m.in. na potrzeby wykorzystania algorytmów sztucznej inteligencji w ramach usług firmy Facebook.
Rozwijana w ramach projektu znanego pod nazwą kodową „Big Sur” architektura sprzętowa ma znajdować zastosowanie m.in. w kontekście opartych na algorytmach uczenia maszynowego operacjach analitycznych. Zaprojektowane przez inżynierów firmy Facebook serwery bazują na układach graficznych, które – w zastosowaniach opartych na algorytmach uczenia maszynowego – często dysponują wydajnością wyższą niż taktowane podobną częstotliwością układy CPU.
Wśród potencjalnych zastosowań sprzętu serwerowego „Big Sur” wymienia się m.in. analizę obrazów, wykrywanie nadużyć finansowych, czy wiadomości typu spam. Oparty na projekcie „Big Sur” sprzęt może być także wykorzystywany na potrzeby tzw. trenowania sieci neuronowych.
Wiadomo również, że sprzęt rozwijany w ramach projektu „Big Sur” jest wykorzystywany m.in. na potrzeby rozwoju sieci neuronowych i opiera się na licznych doświadczeniach zespołu inżynierów firmy Facebook – także w kontekście bieżącego serwisowania sprzętu. Architektura serwerów firmy Facebook zakłada m.in. ograniczenie liczby rzadko wykorzystywanych komponentów, a także uproszczenie prac administracyjnych. I tak, wszystkie elementy, które mogą lub powinny podlegać obsłudze serwisowej są zbudowane z materiałów w kolorze zielonym, zaś jedynym elementem wymagającym zastosowania narzędzi – przy czym jedynym narzędziem potrzebnym do prac serwisowych ma być śrubokręt – jest radiator procesora. Jednocześnie, wymiana dysku twardego lub układu pamięci ma być kwestią sekund, zaś wymiana płyty głównej – jednej minuty.
Wymiana dysku twardego lub układu pamięci ma być kwestią sekund, zaś wymiana płyty głównej – jednej minuty.
Dodatkowo, z deklaracji przedstawicieli firmy Facebook wynika, że architektura serwerów rozwijanych w ramach projektu „Big Sur” cechuje się wysoką efektywnością energetyczną. Oznacza to, że do chłodzenia zaprojektowanych w oparciu o tą architekturę serwerów nie są wymagane żadne specjalistyczne systemy. Ma to – obok podejścia zakładającego uproszczenie architektury – gwarantować relatywnie niskie koszty budowy i obsługi sprzętu serwerowego.
Zastosowane w nowej generacji sprzętu mechanizmy mają także gwarantować większą skalowalność systemów wykorzystujących moc obliczeniową układów graficznych. Rozwijany przez firmę Facebook sprzęt bazuje na układach graficznych firmy Nvidia.
Architektura sprzętu pozwala na wyposażenie jednego serwera „Big Sur” w maksymalnie osiem wysokiej wydajności układów GPU o poborze mocy rzędu 300W każdy. Serwery mogą być też niemal dowolnie konfigurowane za sprawą dodatkowych modułów wykorzystujących interfejs PCIe. Co ważne, na zasadach open source udostępnione zostaną założenia architektoniczne nowej generacji serwerów firmy Facebook. Mają one charakteryzować się m.in. dwukrotnie wyższą wydajnością niż rozwiązania sprzętowe wykorzystywane przez operatora najpopularniejszego serwisu społecznościowego wcześniej. Zastosowane w nowej generacji sprzętu mechanizmy mają także gwarantować większą skalowalność systemów wykorzystujących moc obliczeniową układów graficznych. Rozwijany przez firmę Facebook sprzęt bazuje na układach graficznych firmy Nvidia.
Udostępnienie szczegółów platformy sprzętowej „Big Sur” w ramach inicjatywy Open Compute Project ma ułatwić organizacjom mniejszej wielkości oraz start-up`om, a także jednostkom naukowym dostęp do sprzętu wykorzystywanego na potrzeby różnego rodzaju operacji analitycznych. Wśród potencjalnych zastosowań sprzętu serwerowego „Big Sur” wymienia się m.in. analizę obrazów, wykrywanie nadużyć finansowych, czy wiadomości typu spam. Oparty na projekcie „Big Sur” sprzęt może być także wykorzystywany na potrzeby tzw. trenowania sieci neuronowych. Dotychczas wskazano jednak konkretnego terminu włączenia efektów projektu „Big Sur” do programu Open Compute Project.
Przedstawiciele firmy Facebook poinformowali również o zwiększeniu nakładów na prace badawczo-rozwojowe w obszarze architektury GPU. Efekty prac badawczych mają pozwolić na rozszerzenie skali użycia sieci neuronowych na potrzeby usług firmy Facebook.
