蘇州討債公司【科技在線】

據(jù)北京時間8月8日下午的新聞報(bào)道，ibm正在努力使計(jì)算機(jī)更加智能和人性化。 本周，該公司宣布開發(fā)了一種技術(shù)，可以解決大量數(shù)據(jù)，大大縮短得出有用結(jié)論的時間。

ibm采用的 深度學(xué)習(xí) 技術(shù)是人工智能(ai)的一個分支，可模仿人腦的從業(yè)原理。它也是微軟、facebook、亞馬遜和谷歌的重大關(guān)注焦點(diǎn)。 ibm的目標(biāo)是將深度學(xué)習(xí)系統(tǒng)消化數(shù)據(jù)所需要的時間從數(shù)天縮短到數(shù)小時。ibm研究所的ibm研究員和系統(tǒng)加速及記憶主管希拉里 亨特(hillery hunter)說，這些改進(jìn)可以幫助放射學(xué)家更快、更準(zhǔn)確地找到病變部位，并讀取大量醫(yī)學(xué)圖像。 到目前為止，深度學(xué)習(xí)首要是在單一服務(wù)器上運(yùn)行的，因?yàn)樵诓煌?jì)算機(jī)之間移動大量數(shù)據(jù)的過程太過多而雜。而且，怎么在多個不同服務(wù)器和解決器之間保持?jǐn)?shù)據(jù)同步也是一個問題。 ibm在周二的公告中說，已經(jīng)開發(fā)出了能夠?qū)⑦@些任務(wù)分配到64臺服務(wù)器的軟件，這些服務(wù)器總共有256個解決器，可在速度方面取得巨大飛躍。凡是擁有ibm power系統(tǒng)服務(wù)器的客戶，以及其他想要測試的技術(shù)人員，均可獲得這項(xiàng)技術(shù)。 ibm采用了64個自主開發(fā)的power 8服務(wù)器，每一個都將通用的英特爾微解決器和英偉達(dá)圖形解決器連接起來，并采用快速的nvlink連接，以促進(jìn)兩種芯片之間的數(shù)據(jù)流傳輸。 在此之上，ibm使用了技術(shù)人員所說的集群技術(shù)來管理全部這些移動部件。集群技術(shù)可在給定服務(wù)器的多家解決器和其他63個服務(wù)器中的解決器之間充當(dāng)通信警察。 如果流量管理不正確，一點(diǎn)解決器就會閑置，處于 吃不飽 的狀態(tài)。各個解決器都有自己的數(shù)據(jù)集，并且還需要來自其他解決器的數(shù)據(jù)，以獲得更大的圖像。亨特解釋說，如果解決器不同步，它們就學(xué)不到任何東西。 亨特告訴《財(cái)富》雜志: 我們的想法是改變你訓(xùn)練深度學(xué)習(xí)模式的速度，并真正提高你的從業(yè)效率。 亨特說，將深度學(xué)習(xí)從一個帶有8個解決器的服務(wù)器擴(kuò)展到64個服務(wù)器，各個服務(wù)器有8個解決器，可以將性能提高50-60倍。 pund-it企業(yè)創(chuàng)始人查爾斯 金(charles king)對ibm的項(xiàng)目印象深刻，他說后者已經(jīng)找到了一種 擴(kuò)大 系統(tǒng)的做法，額外增加的解決器能提高性能。 例如，在理論上，將解決器擴(kuò)容應(yīng)該獲得的性能提升。但實(shí)際上，由于多而雜的管理和連接問題，這種效益永遠(yuǎn)不會發(fā)生。 但ibm稱，其系統(tǒng)通過由加州大學(xué)伯克利分校創(chuàng)建的 咖啡因 深度學(xué)習(xí)框架，在256個解決器之間實(shí)現(xiàn)了95%的擴(kuò)展效率。之前的記錄是由facebook人工智能研究企業(yè)創(chuàng)造的，擴(kuò)展效率達(dá)到了89%。 ibm新95%的擴(kuò)展效率似乎太好了，不可能是真的， 帕特里克 莫海德(patrick moorhead)說，他是德克薩斯州奧斯丁市一家研究企業(yè)的總裁和創(chuàng)始人。 ibm表示，在圖像識別方面，ibm系統(tǒng)再次采用了 咖啡因 框架，在7個小時內(nèi)識別了750萬張圖片，準(zhǔn)確率達(dá)到了33.8%。微軟之前的記錄是29.8%，而達(dá)到這一準(zhǔn)確率花了10天時間。 用外行人的話來講，ibm聲稱已經(jīng)開發(fā)出了比現(xiàn)有深度學(xué)習(xí)技術(shù)更快、更的技術(shù)。當(dāng)然，它還需要采用ibm的power系統(tǒng)硬件和集群軟件。

除了咖啡因框架外，ibm表示，流行的Googletensorflow框架也可以用這項(xiàng)新技術(shù)運(yùn)行。 海德拉巴表示，ibm利用了高性能計(jì)算方面的專業(yè)信息，還采用了tensorflow和咖啡因等外部資源，該方法可以更廣泛地應(yīng)用于一系列深度學(xué)習(xí)APP中