Nvidia積極培育深度學習開發人才

2017-05-10
作者 Junko Yoshida

眾多線索透露Nvidia將未來發展押注於人工智慧(AI),包括該公司最近公佈的「深度學習機構(DLI)」計畫...

在近日於美國矽谷舉行的一場繪圖處理技術大會(GPU Tech conference)上,Nvidia要傳達的中心思想是「深度學習正在讓運算技術轉型(transforming)」;在這個大主題上,該公司將自己定位為火種、催化劑以及深度學習的推動者,還有──以長期來看──最大的獲利者。

眾多線索透露Nvidia將未來發展押注於人工智慧(AI),包括該公司最近公佈的「深度學習機構(Deep Learning Institute,DLI)」計畫,目標是在今年將深度學習開發者的數量提升到10萬人;在2016年,Nvidia培訓了1萬名深度學習開發者。

Nvidia負責開發者專案的副總裁Greg Estes表示,AI在過去幾年已經進軍科學的各個領域,成為包括癌症研究、機器人、製造業到金融服務、仿冒品檢測以及智慧視訊分析等各種應用的內部元素;Nvidia期望能成為培訓利用AI做為應用程式關鍵元素之開發者的最前線。

20170510_Nvidia_NT02P1

深度學習正在讓運算技術轉型
(來源:Nvidia)

目前「深度學習」在許多學校的資訊科學課程中都有教授,但很少有學校提供專門的AI學位;Estes表示,Nvidia計劃透過DLI為產、官、學界提供實務培訓,目標任務是協助開發者、資料科學家以及工程師們著手進行神經網路的訓練、最佳化與佈署,以解決現實世界跨學科領域的各種問題。

如何將AI融入應用程式?

市場研究機構Tirias Research首席分析師Kevin Krewell接受EE Times採訪時表示,深度學習的挑戰在於很難開始並釐清如何將之融入傳統的應用程式開發:「我認為Nvidia正在嘗試讓更多開發者接受訓練,了解如何將機器學習融入現有的開發專案。」

他指出,不同於傳統程式是佈署演算法來執行任務,機器學習是一個分為訓練與佈署的兩階段程序;而Nvidia的優勢在於能藉由GPU等加速器讓機器學習的性能表現更好,而不只是依靠中央處理器。

根據Nvidia提供的資料,該公司在推動自己的DLI深度學習機構之外,也與Amazon Web Services、Facebook、Google、梅約診所(Mayo Clinic)、史丹佛大學(Stanford University)以及許多支援深度學習「框架」的社群合作,運用Caffe2、MXNe以及TensorFlow等共同發展培訓實驗室;這些合作十分關鍵,因為AI應用程式的開發者會需要取得雲端與深度學習資源。

另一家市場研究機構Tirias Research的首席分析師Jim McGregor表示:「對應用程式開發者來說,最困難的事情是雲端資源以及大型資料集;舉例來說,手機供應商想在裝置上推動機器學習,但為這些裝置開發應用程式,需要雲端/深度學習資源與資料集來進行訓練,但這是手機供應商並沒有提供的。」

McGregor指出,Nvidia可以提供硬體資源以及成熟的軟體模型,但:「開發者仍需要服務供應商以及資料集。」而NVIDIA則表示,該公司還與 Microsoft Azure、IBM Power以及IBM Cloud 等團隊合作,攜手將實驗室內容移植到他們的雲端解決方案。

根據NVIDIA的新聞稿,其DLI已在全球各地訓練許多開發人員,客戶包括Adobe、阿里巴巴 (Alibaba)、SAP等知名企業;以及美國國家衛生研究院(NIH)、美國國家科學與技術中心、巴塞隆納超級運算中心等官方研究機構以及新加坡淡馬錫理工學院、孟買印度理工學院等高等學術機構。

長期作戰

Krewell認為,Nvidia深度學習策略的獨特之處在於「現場實務課程」這個部分:「其他非學校的專案看來都是線上培訓,例如Udacity/Google的免費課程;」而在他看來,Nvidia的DLI可望加速深度學習在實際軟體程式的應用,並因此在長期上有助於該公司的GPU銷售。

20170510_Nvidia_NT02P2

Nvidia的DLI可提供之課程內容
(來源:Nvidia)

那麼其他晶片供應商,例如也推動其FPGA在深度學習領域應用的Xilinx,難道不能也提供類似的培訓計畫?

 
繼續閱讀:深度學習催生新一代癌症診斷方案

編譯:Judith Cheng

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

Junko Yoshida

暫無

發表評論

訂閱EETT電子報