IBM深度学习技术创新纪录 资料处理时间缩短到几小时
「蓝色巨人」IBM 不断致力于电脑的智慧与人性化，日前公布新开发的深度学习（Deep Learning）技术，模仿人脑的工作原理，可以大幅缩短巨量数据的处理，以及资料汇整得出有用结论的时间。深度学习是人工智慧（AI）的一个分支，也是当今科技巨头 Facebook、Amazon 和 Google的发展重点。
▲IBM 深度学习技术打破微软纪录。（图／翻摄自IBM FB）
据《财星》（Fortune）报导，IBM 的目标是将深度学习系统消化资料所需要的时间，从数天缩短到数小时。IBM 研究所的系统加速及记忆体研究部门（The Systems Acceleration and Memory department）负责人兼总监杭特（Hillery Hunter）表示，这些改进可以帮助放射治疗学家更快、更准确地找到病变部位，并读取大量医学图像。
目前为止，深度学习（DL）主要是在单一伺服器上运行的，因为在不同电脑之间移动大量资料的过程太过复杂，如何在许多不同伺服器和处理器之间保持资料同步也是一个问题。IBM 日前声称，已开发出能够将这些任务分配到不同伺服器的软体，可在处理速度方面有惊人的跃升。
IBM 使用了 64 个自主开发的 Power 8 伺服器，每一个都配置 Intel 微处理器和 Nvidia GPU，并使用快速的 NVLink 连接，以促进两种晶片之间的数据快速流动。IBM 更运用集群（clustering）技术管理这些移动部件，该技术在大量处理器之间进行流量监管，如果流量不正确，一些处理器就会闲置以等待处理程序。
每个处理器都有自己的数据集，同时还需要来自其他处理器的程序、数据，以获得更大的成效。杭特解释说，如果处理器不同步，它们就「学」不到任何东西，「我们的概念是：改变你训练深度学习模式的速度，并真正提高你的工作效率。」亨特说，将单一 8 核处理器的深度学习伺服器，扩展到 64 个伺服器，可以将性能提高 50-60 倍。
在图像识别方面，装配 256 个处理器的 IBM 系统，使用了「咖啡因」DL 框架达到 95% 的扩展效率，在 7 个小时内识别了 750 万张图片，准确率达到了 33.8%。微软之前的记录是 29.8%，而达到这一准确率花了 10 天时间。
资料来源：《Fortune》