免费注册
新闻中心

人机大战Master 60连胜后,留给我们的是什么?

发布时间 :2017-01-06

从2016年12月29日晚,一位注册名为“Master”的神秘高手在围棋界掀起“腥风血雨”,连续战胜多位(包括柯洁、古力、朴廷桓、聂卫平等)顶级职业棋手。2017年1月4日晚,Master斩获了恐怖的60连胜,与此同时,Master宣布它就是AlphaGo…

中国工程院院士、浪潮集团执行总裁王恩东曾在央视《财经评论》节目中谈到:人工智能的目的,是取代部分人原来做的工作。但从根本来讲,人工智能是由人来创造的,它是为人类服务的,所以它会替代部分人的工作,但不会取代所有人。


深度学习是人工智能的实力担当

本次Master的连续胜利让人更加确信:深度学习确实是当下最有希望实现人工智能的技术。

深度学习的概念源于人工神经网络的研究,其动机在于建立、模拟人脑进行分析学习的神经网络,让机器能够像人一样思考。而实从本质上来说,深度学习是一项“大数据工程”,需要通过建立有效的学习模型算法,让机器从数以百万计的图像、声音和文本数据中,自行总结出某种特定事物的特征,从而实现自主学习。

如果说学习模型算法是深度学习的核心的话,那么数据和计算可谓是最重要的支撑了,脱离了数据和计算,人工智能就只能停留在“理论”层面。

AlphaGo在与棋手对决前就已经把大量的棋谱录入学习,还能不断的与人对决学习。而实现机器像人一样思考的一个前提基础是:需要有计算速度可以媲美人脑的高性能计算集群,来快速完成海量数据的“学习”。之前的AlphaGo用了1920个处理器,280个加速芯片,整个机器的计算能力达到3000万亿次。

一切的“智”都来源于计算。以前,计算的终端来源于计算机,而现在及未来,大量传感器、移动终端和可穿戴设备时时刻刻处处感应着物理世界的状态变化,并将其转变为数字化的原始数据,而在后端,这需要一个庞大的数据中心来为前端的终端、为人类提供服务,最终形成智能应用来影响世界、服务生活。所以计算是无处不在,而“智”的本质,就是计算。


人工智能领域有浪潮

在人工智能研究上,异构加速是目前最被看重的计算技术,浪潮在GPU、MIC和FPGA三大异构计算技术领域均有所建树并不断发展,为人工智能提供有力的支撑。

早在数年前,浪潮就分别与Intel、NVIDIA成立了并行计算实验室,致力于MIC和GPU异构加速技术研究。而在2015年,浪潮再次联合可编程逻辑芯片供应商Altera,以及智能语音技术提供商科大讯飞,共同发布了一套基于AlteraArria 10 FPGA平台的深度学习方案,成为具备GPU、MIC和FPGA三项HPC异构计算应用能力的HPC系统厂商。



2016年4月浪潮在美发布新一代Caffe-MPI


同时浪潮还发布全球首款集群版深度学习计算框架Caffe-MPI,此外,并于今年在SC16超算大会展示了6节点D1000产品方案在配置24块Tesla M40 GPU,并部署Caffe-MPI,训练GoogLeNet(Inception V1)网络,每秒可以处理2000张图片,在短短18小时内将GoogLeNet网络的精确度提高至78%。随着训练时间的增加,Caffe-MPI的正确率将进一步提升。

此外,Caffe-MPI具有较高的可扩展性,其节点的扩展效率达到72%,并且Caffe-MPI完全保留了原始Caffe架构的特性,纯粹的C++/CUDA架构,支持命令行、Python和MATLAB接口等多种编程方式,上手快,十分易用。



批量部署SR整机柜的百度数据中心


除深度学习并行应用开发以外,浪潮的深度学习解决方案也包含了专门打造的硬件产品。浪潮基于世界级互联网公司实际应用而打造的SR系列整机柜服务器,推出了面向深度学习的协处理加速产品,实现“CPU+协处理器”协同计算加速。率先发布的GPU整机柜服务器在1U空间里部署了4个Tesla® GPU 加速器,合理分配计算资源,充分释放计算能力,在并行计算方面有绝佳的表现,以高效、低耗、可靠、智能的特性,满足深度学习和人工智能等应用。