Microsoft использует FPGA Intel для ускорения результатов поиска
Microsoft была одной из первых компаний, которые экспериментировали с ПЛИС в центрах обработки данных; компания начала тестирование FPGA с проектами Project Catapult еще в 2011 году. Эта работа продолжалась и сегодня, с последующим поколением FPGA, развернутых для улучшения результатов поиска и снижения времени отклика. Сегодня Microsoft и Intel выпустили совместные заявления о том, как внедрение новейших семейств Arria и Stratix от Intel позволяет Bing улучшить свои общие результаты и ускорить доставку.
Все это развертывается, чтобы управлять тем, что MS и Intel называют Intelligent Search. Вы также можете подумать об этом как о попытке Microsoft превратить Bing из поисковой системы, которую вы посещаете, чтобы найти веб-сайты, чтобы узнать что-то, на веб-сайт, на котором вы изучаете вещи напрямую. Microsoft отмечает, например, что вместо поиска «Tundra Biome» и нажатия ссылки вы можете теперь искать «факты тундры Биома» и посмотреть быстрый набор данных о биоме тундры.
Мы решили проверить эту возможность, но не смогли найти категории, которые могли бы вызвать ее. Поиск текущих актуальных политических вопросов, таких как «Дональд Трамп», «Бурные Дэниелс», «Школьные съемки» и «Марш для нашей жизни» (все вопросы и отдельные лица, которые были частью общего новостного цикла в последние недели), не возвращать разные результаты, когда мы добавляли слово «факты» к каждому поиску. Также не искали компании («AMD» или «Intel») или искали многие исторические события («Революционная война», «Гражданская война», «Вторая мировая война», «Всемирный торговый центр бомбардировки»). Общий поиск республиканских и демократических партий также не принес результатов.
Единственным поисковым термином, который вызвал отдельный результат, когда мы добавили слово «факты», было «изменение климата». Собственный пресс-релиз Intel, по-видимому, подразумевает, что Bing будет способен к более тонкому анализу, чем просто требовать слово «факты», когда он пишет :
Intel FPGAs используют технологию, которая позволяет Bing быстро обрабатывать миллионы статей в Интернете, чтобы получить контекстуальные ответы. Используя компьютерное обучение и понимание прочитанного, Bing теперь быстро предоставит интеллектуальные ответы, которые помогут пользователям быстрее находить то, что они ищут, вместо списка ссылок для проверки пользователями вручную. Теперь вы можете проверить это самостоятельно для множества типов вопросов, таких как «Кофе хорош для вас?» Или «Каковы преимущества йоги?», Которые генерируют множественные перспективы. Или даже спросите: «Сколько калорий у хот-дога?», А Бинг будет делиться калориями и количеством минут, необходимых для сжигания потребляемых калорий.
Но на самом деле не ясно, какие результаты суммируются и представляются как точные, а какие нет. В собственном примере Bing используется фраза «Суммировано из 3 источников». Найдите «Факты изменения климата», и вы увидите ту же формулировку. Но поиск «в чем преимущества йоги для психического здоровья» и ответ, который вы получаете, перечислены как «Ответ из 3 источников».
Короче говоря, идея, что Bing пытается превратиться из поисковой системы в сайт ответа, интересна. Это может привести к тенденциям, которые изменяют, как люди используют Интернет. Но это подход, который в настоящий момент кажется довольно ограниченным и вряд ли повлияет на большинство результатов поиска.
Читать далее
IBM обещает в 2021 году ускорение квантовых вычислений в 100 раз
Intel планирует в этом году ускорить квантовые рабочие нагрузки до 100 раз благодаря новым программным инструментам и улучшенной поддержке классических и квантовых рабочих нагрузок.
Отчет: ускорение потребительского SSD ускоряется
SSD теперь выходит на корабль жестких дисков в потребительских системах по широкому запаю. Диски NVME доступны на даже самых дешевых компьютерах.
Отчет: Tesla Model X, ускоренный к барьеру перед смертельным исходом
Согласно NTSB, не только автопилот Tesla направлялся в бетонный разделитель, он действительно ускорялся.
MIT разрабатывает алгоритм ускорения нейронных сетей в 200 раз
Исследователи ИИ нашли метод определения вероятных архитектур нейронных сетей, которые в 200 раз быстрее, чем предыдущие методы. Цель? Демократизация ИИ.