IBM的深度學習獲得重大突破，縮短時間提高效率
科技產業資訊室 (iKnow) - Kyle 發表於 2017年8月14日
圖、IBM分散式深度學習擴展效率
今天的人工智慧技術通常是使用機器學習演算法執行。而機器學習運作的主要部分則是依賴「模仿人類大腦內部工作」的神經網路上。目前，大多數在媒體上提及的先進深度學習是谷歌的AlphaGo，即是由Alphabet旗下的DeepMind創建的Go-playing AI。
無論是微軟、臉書、亞馬遜與谷歌都一直在研發縮短深度學習的時間，讓其模仿人腦的思考可以變得更為即時。一旦深度學習系統消化大量數據的時間，從數天縮短至數小時，則所有透過人工智慧尋找或研發的技術，就能夠更快、更準確地找到，並加快人們應用人工智慧技術。
目前為止，深度學習主要是在單一伺服器上運行，因為在不同電腦之間同一時間處理大量資料的過程太過複雜。甚至於大公司至今都無法在不同伺服器和處理器之間保持資料同步的處理。可是隨著IBM透過DDL，讓這些任務分配到64台伺服器之上，且在256個處理器下執行，速度與精確上的確取得很大進展。
IBM使用了64個自行開發的Power 8伺服器，每一個微處理器都與256顆英偉達繪圖處理器透過NVLink連接起來，讓兩種晶片之間的資料流程進行傳輸。當其開始處理來自ImageNet-22K資料庫的750萬張圖片時，其識別準確率高達33.8%，比起微軟先前的29.8%紀錄還高。另外值得一提的是，微軟一共花費10天才達成，而IBM只花了7個小時。這表示著其不僅準確率提升，而且縮短許多時間。
另外，根據臉書的人工智慧研究部門發表採用較小數據庫以及較小神經網路縮短深度學習模型的處理時間，其大約花費大約1小時即可訓練完成。如果採用IBM的DDL，則其只需要50分鐘就完成。因此，IBM的深度學習系統也比臉書還要來得快上許多。
從理論上來說，將處理器擴容100%應該獲得100%的性能提升。但是實際上運用在深度學習之時，由於複雜的管理和連接問題，這種效益永遠不會發生。但是IBM的DDL卻可以實現了95%的擴展效率，比起臉書的89%的擴展效率又向上提升。（700字）
參考資料：
IBM Claims Big Breakthrough in Deep Learning. Fortune, 2017/8/8
IBM Just Achieved a Deep Learning Breakthrough. Futurism, 2017/8/9
本站相關文章：
1.IBM人工智慧「Watson」將進軍韓國市場
2. IBM結合新創公司 創造Watson新獲利模式
3.100歲IBM仍以創新維持其公司向上動力
4. IBM大筆投資人工智慧
5.利用深度學習 NVIDIA尋求醫療商機
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|