[情报] IBM的深度学习获得重大突破，缩短时间提高效率
http://bit.ly/2vWHL6Q
2017年8月9日，IBM宣布其已经发展出让深度学习处理速度更快的人工智能。以往IBM都在
单一服务器上执行复杂的深度学习模组，新技术将使用多台服务器搭配分布式深度学习软
体（Distributed Deep Learning；DDL）缩短深度学习时间，提高效率。
今天的人工智能技术通常是使用机器学习算法执行。而机器学习运作的主要部分则是依
赖“模仿人类大脑内部工作”的神经网络上。目前，大多数在媒体上提及的先进深度学习
是谷歌的AlphaGo，即是由Alphabet旗下的DeepMind创建的Go-playing AI。
无论是微软、脸书、亚马逊与谷歌都一直在研发缩短深度学习的时间，让其模仿人脑的思
考可以变得更为即时。一旦深度学习系统消化大量数据的时间，从数天缩短至数小时，则
所有透过人工智能寻找或研发的技术，就能够更快、更准确地找到，并加快人们应用人工
智慧技术。
目前为止，深度学习主要是在单一服务器上运行，因为在不同电脑之间同一时间处理大量
资料的过程太过复杂。甚至于大公司至今都无法在不同服务器和处理器之间保持资料同步
的处理。可是随着IBM透过DDL，让这些任务分配到64台服务器之上，且在256个处理器下
执行，速度与精确上的确取得很大进展。
IBM使用了64个自行开发的Power 8服务器，每一个微处理器都与256颗英伟达绘图处理器
透过NVLink连接起来，让两种芯片之间的资料流程进行传输。当其开始处理来自
ImageNet-22K数据库的750万张图片时，其识别准确率高达33.8%，比起微软先前的29.8%
纪录还高。另外值得一提的是，微软一共花费10天才达成，而IBM只花了7个小时。这表示
著其不仅准确率提升，而且缩短许多时间。
另外，根据脸书的人工智能研究部门发表采用较小数据库以及较小神经网络缩短深度学习
模型的处理时间，其大约花费大约1小时即可训练完成。如果采用IBM的DDL，则其只需要
50分钟就完成。因此，IBM的深度学习系统也比脸书还要来得快上许多。
从理论上来说，将处理器扩容100%应该获得100%的性能提升。但是实际上运用在深度学习
之时，由于复杂的管理和连接问题，这种效益永远不会发生。但是IBM的DDL却可以实现了
95%的扩展效率，比起脸书的89%的扩展效率又向上提升。
http://bit.ly/2vWHL6Q