深度学习那么火，它究竟能做些什么？

ZD至顶网服务器频道 04月13日 新闻消息（文/于泽）：说到深度学习，你可能很难理解。但举个例子估计你就能明白，家里的水管坏了，上淘宝买了一根，然后几乎每天都会收到淘宝推送的水管信息……相信有这样经历的人不在少数。其实这就属于深度学习所要解决问题的范畴，但从当前的情况来看，这一问题无疑还没很好的得到处理。

当然，这只是深度学习最终应用的一个体现，即利用大量的数据分析用户需求，并匹配其需要的信息，购物平台如此、现在很多资讯推荐APP也是如此。除此之外，深度学习最终价值的体现其实还有很多，比如AlphaGo大战李世石，背后深度学习起着非常重要的作用，再比如自动驾驶、语音识别、图像识别，都是深度学习的研究范畴。

毫无疑问，深度学习正在潜移默化地改变着我们的生活方式，而背后支撑深度学习的GPU计算也正变得越来越普及。在日前召开的NVIDIA GTC 2016（2016 NVIDIA GPU技术大会）上，作为国内最大的自营电商平台，京东也分享了其在深度学习领域的研究、应用。

依托庞大的数据量，京东正围绕其主要的业务方向，包括电商、金融和云，进行相关的数据分析、深度学习，最终体现在应用中，涵盖商品推荐、JIMI机器人、精准广告、物流仓储等各个环节，京东集团首席技术顾问翁志在接受采访时介绍说。他表示，在深度学习方面，京东确实做了不少工作，也取得了一定的进展，不过他也坦言，要真正实现智能还有很长一段路要走。 

比如就开篇提到的商品推荐问题，翁志就讲到，目前在这方面京东还是有很大提升空间的，而他们也在努力提升这方面的能力。同时他也指出，这其中的难度还是很大，比如即便京东在数据质量（包括数据类型、数据准确性等）方面是同行中算是出类拔萃的，但是由于平台每天都有大量新的数据产生，再加上这些新数据的准确性又没办法准确评估，非常容易导致最终的分析结果出现偏差。 

从中可以看出这其中既有技术层面的问题，也有数据质量方面的不足，而且这不是京东一家面临的问题，几乎是全行业所要面对的。一方面需要继续增强计算能力（因为机器需要学习的内容太多、需要的计算量太大，所以只有并行计算这种方式才能满足，而GPU就是并行计算的典型代表，而这也是为什么NVIDIA大谈特谈深度学习的一个主要因素）。另一方面，企业则要在数据质量方面多下功夫。前者由像NVIDIA这样的技术平台主导，而后者则需要相关企业多把关，当然这其中也涉及到技术能力，毕竟靠人力审核的时代已经过去了。

所以说简单点，要提升人工智能的水平，关键之处还是在于计算能力、GPU技术水平的提升。而就在本次GTC上，NVIDIA也发布了全新的下一代GPU计算加速卡Tesla P100。在主题演讲中，黄仁勋用“奇迹（MIRACLES）”来形容Tesla P100带来的改变，全新的Pascal架构、16nm制程、HBM2显存架构（提供高达720GB/s的超高带宽）、支持NVLink技术和全新的AI算法，支持高达21.2 Teraflops的峰值FP 16运算性能。

除此之外，针对深度学习领域，NVIDIA还重磅发布了全球第一款基于Tesla P100打造的面向深度学习的专用设备——DGX-1。相比传统的双路至强平台，DGX-1在性能上提升了近60倍，节点带宽提升了10倍以上，训练时间缩短75倍。根据NVIDIA针对13.3亿照片进行训练的测试结果显示，相比去年发布的Maxwell产品在性能提升上达到了12倍。

短短一年时间，提升了12倍，这样的结果几乎是不可想象的。翁志对此也表现出了很强的兴趣。他说，尽管短时间内他们还不会考虑采购DGX-1，但在某些特定需求上，比如大量数据的集中处理分析，DGX-1是非常有优势的。据翁志介绍，京东用于深度学习线下模型训练的GPU卡在1k~2k之间，应该说这是一个不小的量（此前在采访科大讯飞时，他们透露的数据是几百块），未来这一体量还可能继续增加，毕竟距离真正的智能还比较远。 

毫无疑问，以深度学习为代表的高性能计算领域近年来确实受到了越来越多人的关注。不可否认，他们所做的事情正在使我们的生活变得更美好，但是同样的他们还在面临技术上存在的一些挑战。可以预见的是包括NVIDIA，以及围绕在其周边的产业伙伴正在针对性的做一些解决方案，以应用为主的一方则在考虑如何更好地优化、提升。随着双方的不断精进，未来像AlphaGo战胜李世石的事情会越来越多，那时我们或许考虑的将不再是语音识别、图片搜索、无人驾驶等改善生活方式的，而是人工智能到底是不是我们所想要的？