研华
books

深度学习达成AI愿景 虚拟化技术至关重要

  • 刘中兴
虚拟化技术将成为深度学习达成AI愿景之关键因素

机器学习在信息领域已经研究了许多年, 但近年来因为应用深度学习的方式大幅提高了判断的准确度, 加上学习时所需的资料大量增加, 以及GPU的运算能力越来越强大, 使得运用深度学习来达成人工智能的想法变得更实际可行, 而AlphaGo以势如破竹的优势大胜人脑之后, 更让人惊觉到人工智能胜过人类已经不是天方夜谭, 带给了人们极大的冲击。

以深度学习的方式, 可以将现有的许多工作自动化, 交由具备人工智能的机器来执行, 因此吸引许多行业如运输、制造、零售、医疗、金融等, 想导入人工智能来改造核心商业模式, 发展新产品或服务, 增加自身的竞争优势。

虽然以运用人工智能建造的未来世界似乎十分美好, 但数码化的世界渐渐趋向赢者全拿的局面, 网络经济由少数几家超级强权所把持, 他们控制了关键入口及使用者资料, 这些数量庞大的消费者资料以及高速运算能力是发展人工智能的基石, 却被少数厂商所寡占。

原本我们期望数码科技能建立更平等的商业环境, 但这些公司却走向柯断, 企图掌控经济发展, 而这种趋势已经在各个产业扩散, 数码化程度的差距变成是企业最关注的议题, 也是影响竞争力的关键因素。

人工智能的发展未来必定会在商业领域造成极大的冲击, 虽然现在日常生活中已经有许多的实务应用, 但大多数的机会其实还没有被开发, 未来人工智能的影响将会扩大, 每个产业都会利用人工智能改造商业流程或商业模式, 但是一方面因为相关人才的不足, 加上缺乏做深度学习所需的GPU高速平行运算环境, 台湾在这方面的进展是相对落后的。

做深度学习有一个重要的环节就是应用GPU进行神经网络的模型训练, 利用GPU平行运算的特性大幅加快训练速度减少开发时间, 在反复尝试错误的训练后提升人工智能的准确度. 但是传统以实体机加GPU卡建造的环境一方面成本太高, 另一方面因为专人专用导致使用率无法提高, 浪费宝贵的运算资源, 阻碍研发进度, 对信息人员在管理上也是一大难题。

随著虚拟化技术的进步, 不只CPU、储存、网络已经可以虚拟化, 现在连GPU都可以用VDI或docker等虚拟化技术达到运算资源分享, 更有效的建立研发人工智能的深度学习环境. 为使有意了解深度学习及GPU分享之企业伙伴能获取进一步技术讯息,泰莹科技特别邀请NVIDIA、VMWARE及EMC三大产业巨头共同举办2017深度学习暨效能分享研讨会,欢迎各界先进于2017年12月12日(二)下午1:30莅临本次盛会。活动请参见官网