史丹佛研究團隊採用 GPU 打造全球最大人工神經中樞網絡
史丹佛研究團隊採用 GPU 打造全球最大人工神經中樞網絡GPU 加速機器學習與資料採礦 促使物件、語音、音訊、圖像與影音辨識能力大增
NVIDIA (輝達) 今天宣佈與史丹佛大學研究團隊合作，攜手打造全球最大、用於模擬人腦學習行為的人工神經中樞網絡。相較於 Google 曾在 2012 年開發，當時為全球最大的人工神經中樞網絡，這次建立的全新網絡是它的 6.5 倍之大。
電腦運算型的神經中樞網絡可以「學習」模擬人腦學習行為的方法，包括辨識物件、人物、語音和音訊的方式。
然而，大型的神經中樞網絡是極為運算密集型和昂貴的應用。例如，Google 當時就使用了 1,000 顆 CPU 伺服器，相當於 16,000 個 CPU 核心，來開發它的神經中樞網絡；該系統透過一系列的 YouTube 影片學習辨識貓。這個 Google 網絡有 17 億項參數，代表著神經中樞細胞之間的連結。
相反的，由史丹佛大學人工智慧實驗室總監 Andrew Ng 帶領的研究團隊，他們建立的人工神經中樞網絡規模與 Google 開發的相同，但只使用了三台採用NVIDIA® GPU的伺服器，就能加速網絡處理龐大的資料。之後，史丹佛研究團隊僅用 16 台由NVIDIA GPU加速的伺服器就建立了一個擁有 112 億項參數的神經中樞網絡─它的規模比 Google 在2012 年開發的神經中樞網絡還大了 6.5 倍。
一份在國際機器學習會議中發表的史丹佛論文指出，越大型、威力越強的神經中樞網絡可以更精準地處理物件辨識工作，讓電腦更能模擬人類的行為。
NVIDIA (輝達) 公司 Tesla 加速運算事業部門總經理 Sumit Gupta 表示：「相較於CPU，GPU 不但可以大幅提升運算效能，還可以將大型神經中樞網絡模擬的應用普遍化。現在只要有幾台採用 GPU 加速的伺服器，任何研究人員或公司就可以透過機器學習的應用來解決現實世界中的各種問題。」
GPU 加速器造就機器學習
機器學習是人工智慧科學中一個快速崛起的領域，主要研究如何使電腦在沒有預先編程的情況下進行推理運算作業。過去十年，機器學習造就了無人車、快速有效的網路搜尋，以及大幅提升了科學家對人類基因的了解。許多研究人員認為機器學習是讓人工智慧逼近真實世界應用的最有力推手。
身為語音辨識和自然語言技術開發先驅的 Nuance 公司，是其中一家採用 GPU 來落實機器學習的公司。Nuance 訓練其神經中樞網絡模型分析好幾 TB 的音訊資料來辨識使用者的語音意涵。經過妥善訓練的模型，可以將話語的模式跟系統先前學到的模式進行對比後，辨識接收到的語音模式。
Nuance 公司技術長 Vlad Sejnoha 表示：「GPU 大幅加快了我們訓練神經中樞網絡的速度，而且可以促使神經中樞網路以極快的速度分析龐大的資料，讓我們能夠大幅探索創新的演算法和訓練方法。目前我們獲得了傑出的成果，我們的神經中樞網絡可讓 Nuance 所有針對醫療保健產業、企業和行動消費市場的核心技術，都能夠更精準地進行推理運算作業。」
NVIDIA (輝達) 在本週 (6月16-20日) 於德國萊比錫舉辦的 2013 年國際超級運算大會 (ISC) 中有相關展示，攤位編號為 220。
關於 NVIDIA (輝達)
# # #
本新聞稿可能包含 NVIDIA 根據目前預期所做出的前瞻性聲明；其中包含 NVIDIA GPU 的效應和特色。這些前瞻性聲明包含可能導致實質結果與預期不符之風險與不確定因素。多項重要因素可能導致實際結果與前瞻性聲明所示之結果出現重大差異，所及範圍有全球經濟情況、我們的產品借重第三方協力廠商之製造、組合、封裝和測試之部分；技術發展和市場競爭之影響；更快或更節能技術之發展；設計、製造或軟體的缺失；消費者偏好或需求之改變；業界標準和介面之改變；整合到系統後無法預期的產品或效能降低之技術缺失；以及我們定期提交給美國證券交易委員會 (SEC) 之 Form10-Q (截止於 2013 年 4 月 28 日之財務季度) 等報告中的其他詳細因素。NVIDIA 在公司官方網站上免費提供定期提交給 SEC 的報告之副本。這些前瞻性聲明不保證未來的效能，只陳述目前的狀態，除非法律規定，否則 NVIDIA 沒有意願或義務因為新資訊、未來事件或其他理由而更新或修改任何前瞻性聲明。
本文為 NVIDIA 公司 2013 版權所有並保留所有權利。 NVIDIA 與 NVIDIA 標誌是 NVIDIA 公司在美國及其他地區的商標和 (或) 註冊商標。所有其他公司及產品名稱乃為所屬個別公司之商標。功能、定價、出貨時程和規格之變更不會另行通知。
頁:
[1]