實習記者張庭銉／綜合報導
「藍色巨人」IBM 不斷致力於電腦的智慧與人性化，日前公佈新開發的深度學習（Deep Learning）技術，模仿人腦的工作原理，可以大幅縮短巨量數據的處理，以及資料彙整得出有用結論的時間。深度學習是人工智慧（AI）的一個分支，也是當今科技巨頭 Facebook、Amazon 和 Google的發展重點。
▲IBM 深度學習技術打破微軟紀錄。（圖／翻攝自IBM FB）
據《財星》（Fortune）報導，IBM 的目標是將深度學習系統消化資料所需要的時間，從數天縮短到數小時。IBM 研究所的系統加速及記憶體研究部門（The Systems Acceleration and Memory department）負責人兼總監杭特（Hillery Hunter）表示，這些改進可以幫助放射治療學家更快、更準確地找到病變部位，並讀取大量醫學圖像。
目前為止，深度學習（DL）主要是在單一伺服器上運行的，因為在不同電腦之間移動大量資料的過程太過複雜，如何在許多不同伺服器和處理器之間保持資料同步也是一個問題。IBM 日前聲稱，已開發出能夠將這些任務分配到不同伺服器的軟體，可在處理速度方面有驚人的躍升。
IBM 使用了 64 個自主開發的 Power 8 伺服器，每一個都配置 Intel 微處理器和 Nvidia GPU，並使用快速的 NVLink 連接，以促進兩種晶片之間的數據快速流動。IBM 更運用集群（clustering）技術管理這些移動部件，該技術在大量處理器之間進行流量監管，如果流量不正確，一些處理器就會閒置以等待處理程序。
每個處理器都有自己的數據集，同時還需要來自其他處理器的程序、數據，以獲得更大的成效。杭特解釋說，如果處理器不同步，它們就「學」不到任何東西，「我們的概念是：改變你訓練深度學習模式的速度，並真正提高你的工作效率。」亨特說，將單一 8 核處理器的深度學習伺服器，擴展到 64 個伺服器，可以將性能提高 50-60 倍。
在圖像識別方面，裝配 256 個處理器的 IBM 系統，使用了「咖啡因」DL 框架達到 95% 的擴展效率，在 7 個小時內識別了 750 萬張圖片，準確率達到了 33.8%。微軟之前的記錄是 29.8%，而達到這一準確率花了 10 天時間。
資料來源：《Fortune》
讀者迴響