IBM深度學習技術取得重大突破 打破FB擴展效率記錄

IBM 公司本周宣布，自己成功開發出了一種可以大幅縮短處理海量數據，并得出有用結論時間的全新深度學習技術。

簡單來說，IBM 使用的“深度學習”技術是人工智能的其中一個分支，該技術使得電腦可以模仿人腦工作原理，并且已經成為了諸如微軟、非死book、亞馬遜和谷歌這些科技企業的關注焦點。消息稱，IBM 的目標是將深度學習系統分析數據需要的時間從數天縮短到數小時。

“這些改進可以幫助放射學家根據醫學圖像更快、更準確地找到病變部位。”IBM 研究所研究員、系統加速及記憶模塊總監希拉里-亨特（Hillery Hunter）說道。

截至目前，深度學習主要依靠單一服務器運行，因為在不同計算機之間移動大量數據非常復雜。而且，如何處理在不同服務器和處理器之間的數據同步也是一個問題。

當地時間本周二，IBM 宣布已經成功開發出了能夠將這些任務分配到 64 臺服務器的軟件，而這些服務器最高配置有 256 個處理器，可在數據處理速度方面取得巨大進步。而且，只要是使用 IBM Power 系統服務器的客戶以及其他參與測試的技術人員，均可獲得這一技術的使用權限。

據悉，IBM 使用了 64 個自主開發的 Power 8 服務器，每一個都將通用的英特爾微處理器和英偉達圖形處理器連接起來，并使用快速的 NVLink 連接以促進兩種芯片之間的數據流傳輸。

亨特在接受《財富》雜志采訪時表示：“我們的想法是改變訓練深度學習模式的速度，并真正提高人們的工作效率。”

對此，Pund-IT 公司創始人查爾斯-金（Charles King）也表示，自己對 IBM 的這一項目印象深刻，他相信 IBM 已經找到了一種“等量擴大”深度學習系統的方法，并通過額外增加處理器的方式大幅提高運算性能。

簡單來說就是，將設備的處理器擴容 100% 理論上應該可以獲得 100% 的等量性能提升。但實際上，由于復雜的流量管理和連接問題，這種等量增長的效益永遠不會發生。

不過 IBM 卻表示，自己研發的這一軟件系統通過由“加州大學伯克利分校”（University of California at Berkeley）創建的“咖啡因深度學習框架”（the Caffe deep learning framework），成功在 256 個處理器之間實現了 95% 的擴展效率。在此之前，這一等量擴容的記錄是由 非死book 人工智能研究公司創造的，其擴展效率達到了 89%。

所謂的“咖啡因深度學習框架”是在 2013 年由加州大學伯克利分校的賈揚清博士在 Github 上發布。發布伊始，這一框架就得到了廣泛關注，該框架以“Layer 層”為單位對深度神經網絡結構進行了高度抽象，通過一些精巧的設計顯著優化了執行效率，并且在保持高效的基礎上不失靈活性。

“IBM 最新 95% 的擴展效率實在太優秀了，我簡直不敢相信這是真的。”德克薩斯州奧斯丁市 Moor Insights & Strategy 研究公司總裁和創始人帕特里克-莫海德（PatrickMoorhead）驚訝的表示。

具體來說，IBM 的數據顯示該軟件可以在 7 個小時內識別 750 萬張圖片，準確率為 33.8%。在此之前，微軟保持的最高準確率記錄是 29.8%，但用時則達到了 10 天。換句話說就是，IBM 已經開發出了比現有深度學習技術更快、更精確的技術。當然，這一系統也需要同 IBM 的 Power 系統硬件和集群軟件配合使用。

來自: 騰訊科技