注意啦！GPU加速将掀起人工智能革命

智能机器人和设备将占领家庭？芯片制造商Nvidia正在将这变成现实。Nvidia不会开发一些算法来控制机器人的行为，或安装感应器让其学习这个世界，但它的图形处理单元，即GPUs，可能帮助处理人工智能所需的海量运算。因此在物联网高速发展的今天，GPU加速将掀起人工智能革命。

多数应用程序都不会只使用GPUs，但会将需要大量计算的任务由标准的微处理器交给GPUs，这就是GPU加速。这种处理在超级计算中非常普遍，并在计算机视觉和物体识中别无处不在。Nvidia高级计算组的总经理Sumit Gupta表示，2013年ImageNet图像识别竞赛（一项视觉识别领域的比赛）中80%的参赛者都使用了GPU加速。

2013年3月，谷歌收购了DNNresearch，一家由多伦多大学教授Geoff Hinton联合创立的深度学习方面的创业公司。这家公司的Hinton小组参加了2012年的ImageNet竞赛，并取得了不错的成绩。当时他们由GPU驱动的深度学习模型轻松打败了其他对手。

“事实证明，GPU方式能很好处理深度神经网络问题”，Gupta表示。这是因为深度学习算法通常需要海量计算来处理数据（图像、文本等），和提取数据对象的确定特征。尤其是在训练阶段，模型或算法为了调整精度，需要处理大量数据。

许多公司都在使用Nvidia的Tesla GPUs进行图像和语音识别，其中包括Adobe和中国的百度。Gupta表示，Nvidia也很在意深度学习的其他方面。Netflix在亚马逊的云服务中使用GPU加速改善其推荐系统，俄国的搜索公司Yandex采用这种方式为搜索引擎加速，而IBM也用其改进Hadoop。

Nvidia可能对机器学习很感兴趣，因为它近年来一直致力于将GPUs打造成一个通用计算平台，而不是仅用作图像和游戏芯片，不过结果喜忧参半。为达成这一目的，Nvidia尝试过用自己开发的CUDA语言对处理器进行编程，但Gupta 指出，目前对如何高效使用GPUs仍知之甚少。这也是为什么这项创新技术还只是在一些大公司中使用，因为只有它们才具备同时利用2500个或更多核心（在GPU系统中会更多）的并行处理技术。

不过，除了服务器，Nvidia也考虑在未来十年中将机器学习技术用于机器人。上周，Nvidia发布了可用于超级计算的Jetson TK1开发套装。该套装价值192美元，可用CUDA语言进行编程，并包括了开发者想要的一切端口，和Nvidia的最新移动处理器（Tegra K1 单芯片系统，配有192核的Kepler GPU和ARM Cortex A15 CPU，可进行300千兆的浮点运算）。

在上世纪90年代，这种处理速度在超级计算机中也名列前茅。

Nvidia正在主流机器人所需的计算机视觉、安全和其他计算领域兜售这个套装。Gupta 表示智能设备安装了这种计算工具后，物联网速度将得到极大提升。 Google和Facebook可能会在成百上千的服务器上处理大规模人工智能模型，但在智能手机上运行生成的算法以减少直接发送给云服务器处理的数据量也是一个发展方向。到时温度调节器或无人机拥有300千兆浮点运算能力也不是不可能。

Nvidia预期，机器学习方面的工作将在未来几年内带来相当不错的利润，Gupta 表示，但除了上述例子外，他也无法预测GPUs将地哪些方面有所应用。他表示，“我们目前只开发出了机器学习的几种用途，但绝不会只有这些。”对于Jetson工作套装，他表示：“购买者的想像力会更丰富。”