深度学,人工智能的未来
AlphaGo的连续胜利让人更加确信,深度学确实是当下最有希望实现人工智能的技术。深度学的概念源于人工神经网络的研究,其动机在于建立、模拟人脑进行分析学的神经网络,让机器能够像人一样思考。
从本质上来说,深度学是一项“大数据工程”,需要通过建立有效的学模型,让机器从数以百万计的图像、声音和文本数据中,自行总结出某种特定事物的特征,从而实现自主学。因此,实现机器像人一样思考的一个关键前提是,需要有计算速度可以媲美人脑的高性能计算集群,来快速完成海量数据的“学”。据说,AlphaGo的“单机版”性能至少是当年“深蓝”的1000倍。
与AlphaGo和李世石之间的最终胜负无关,这场人机大战的重要意义在于:有更多人愿意相信深度学代表着人工智能未来之路,而这也势必会让本已“大红”的深度学变成“大紫”。
浪潮,为深度学提供动力
深度学是浪潮未来最看重的技术发展方向之一。2015年,浪潮发布了首款高性能MPI集群版的Caffe深度学计算框架,在8节点上并行计算效率上可提升10.7倍,为深度学的用户提供了更便捷、更高效的应用手段。
同年,浪潮联合可编程逻辑芯片供应商Altera,以及智能语音技术提供商
科大讯飞,共同发布了一套基于AlteraArria 10 FPGA平台的深度学方案,成为具备GPU、MIC和FPGA三项HPC异构计算应用能力的HPC系统厂商。
目前,浪潮的深度学解决方案,在腾讯、
百度、阿里、奇虎、科大讯飞、
京东等
互联网运营商都有应用。