saluzirobot 2018-05-24
深度学习的突破和硬件的突飞猛进,使得人工智能“第n春”焕发蓬勃生机。这是历史上第一次,机器可以在如人脸识别等‘人类’工作上做得比我们人类更好。
人工神经网络有许多‘隐藏’或计算层,实现深度学习要对特定人工神经网络架构进行一系列的特定配置,可以提供数据让系统自我训练(training)或推断(inference),最终从输出神经元层读取数值结果。
AI变革的除了软件层面复杂度增加之外,其计算模式还带来了新的硬件需求。比如:
1 加入更加符合的SIMD(Single Instruction Multiple Data)计算模型,可以使得处理器、矢量处理器、加速器、FPGA和定制芯片等高效运转。
2 是否需要引入专用芯片如ASICS FPGA?CPU GPU如何搭配使用?
3 训练集必须足够大,以充分利用设备所有的并行计算能力,否则造成性能浪费。
4 在训练期间,硬件处理所有并行计算的能力更多地取决于高速缓存和内存子系统的性能。那么,各种内存需要准备多大呢?
……
AI一体机,通过本地化AI部署的形态,将阿里云技术产品化输出,包含视频、语音和自然语言处理(NLP -Natural Language Processing)产品家族,借助AI技术加速用户的业务效率。
其技术优势在于:
AI一体机解决方案已经进入商业化阶段, 据悉目前已经应用于传媒行业的图片视频内容审核等场景。
本文作者:木环