漫谈深度学习 这个领域有点火！

ZDNet至顶网服务器频道 03月31日 评论消息（文/于泽）：深度学习（deep learning），无疑是IT界近两年比较流行的一个热词。它是什么意思呢？理解起来，与人工智能、机器学习比较接近，目的是想让计算机能够像人脑一样智能地识别图片、语音……，因此无论是深度学习还是人工智能都是实现目标的手段。 

为了更好地理解本文，这里再多做一点解释，人脑认知事物的过程其实是分层的，每一层都会识别出一定的特征，然后不断地向上汇聚，最终识别出这个事物是什么。当然，整个过程的层级很多，而且识别过程是极其快速的。现在的深度学习、人工智能就是要计算机模拟人脑对于事物的识别过程。 

那问题来了，得多么强大的机器才能达成这样的目的？可能你对这个没概念，这里提供一些参考数据。在2012年6月，《纽约时报》披露的Google Brain项目中，著名的斯坦福大学的机器学习教授Andrew Ng和大规模计算机系统方面的世界顶尖专家JeffDean用16000个CPU Core的并行计算平台训练一种称为“深度神经网络”（DNN，Deep Neural Networks）的机器学习模型，在语音识别和图像识别等领域获得了巨大的成功。 

16000个CPU Core，很多吗？其实也不算多，现全球最快的超级计算机天河2号的CPU核数是312万个。这么大体量的超级计算机，用来干什么？用途很多，上述的图像、语音识别只是其中的一部分，更多像气象预报、地质勘探等才是它的主业，这就更多到了传统HPC（高性能计算）的范畴。

说到底，无论是之前的气象预报、地质勘探，还是现在所提的人工智能、深度学习，都属于HPC的范畴。只不过前者由来已久，后者虽还并不为太多人所知，但发展趋势无疑是明显的。今年两会上，百度董事长李彦宏就提出了“中国大脑”计划，并给出四个方面的建议。一是以智能人机交互、大数据分析预测、自动驾驶、智能医疗诊断、智能无人飞机、军事和民用机器人技术等为重要研究领域；二是支持有能力的企业搭建人工智能基础资源和公共服务平台；三是改变传统“相马模式”的科研机制，引入“赛马模式”的市场机制；四是在人工智能技术成果的转化与共享方面，充分引入市场机制。 

如果以阴谋论的角度来看，李彦宏这样的提案完全是在为百度的下一步铺路。为什么这么说，因为百度在深度学习、人工智能方面已经有了很多实质性的进展。在3月中旬由NVIDIA主板的GTC2015大会上，来自百度美国研发中心的专家分享了其在深度学习、人工智能方面的一些成果、心得，而这些成果其实已经在百度得到了应用，涵盖图片识别、语音识别等多个层面。而在谈到为什么在美国建立研发中心时，百度副总裁兼任百度美国研发中心总经理郑子斌直言不讳，人才是很重要的一个原因。这也正是国内环境所缺乏的。

伴随深度学习、人工智能的进一步发展，其实也带来了新的问题。众所周知，CPU的强项在于数据处理，而面对越来越多的图片、语音等，该怎么办？这倒也不是一个新的课题，因为在过去的HPC应用中，已经有大量使用GPU的成功经验。所不同的是本届GTC大会，NVIDIA将深度学习作为一个重点课题进行了讲解，而这也预示着其下一步的努力方向。

在大会主题演讲阶段，NVIDIA CEO黄仁勋也带来了最新产品与前代产品的对比结果，如果借助初代Titan X和CUDA技术的力量，时间就可以大幅减少至一周。而最新的Titan X和改进后的cuDNN平台，更是可以将时间进一步削减到三天！

NVIDIA深度学习合作伙伴一览，其中不乏我们所熟悉的知名厂商，包括Adobe、百度、阿里巴巴、Facebook、Google、Yahoo！、IBM、爱奇艺、搜狗等。

除此之外，为了帮助人们更好地进行深度学习方面的研究、或者开发基于神经网络的应用，NVIDIA还宣布了名为“DIGITS”的开发框架、以及被称之“DIGITS DevBox”的开发系统——后者包括了四路Titan X显卡，并且预装了常用的深度学习应用程序。

虽然深度学习听起来有些生涩，但毫无疑问，基于深度学习的系统将在未来对我们的生活产生难以估量的影响，比如，深度学习网络的图片识别和语音识别等服务将彻底改变我们的搜索习惯以及信息获取过程，影响医学等科学领域的发展，包括癌症识别以及分子动力学模拟等在内的一系列前沿领域都将从中获益。而且这些并非科幻或者空中楼阁，实际上我们正在使用的大量产品，包括百度图片搜索及语音功能，都是基于深度学习系统所推出的实际产品。