隨著人工智能技術(shù)的發(fā)展，各大科技公司都加大在深度學(xué)習(xí)上的投入，而作為美國國家科學(xué)基金會也同樣如此，當(dāng)下，它通過資助美國幾所大學(xué)的研究人員，促進深度學(xué)習(xí)算法在FPGA和超級計算機上運行。雖然目前看到的還只是代表了深度學(xué)習(xí)的一個趨勢，但是隨著各大科技公司的商業(yè)運營以及更多的深度學(xué)習(xí)走進大學(xué)研究中心以及國家實驗室，對深度學(xué)習(xí)的發(fā)展起到積極的促進作用。

以下為原文：

機器學(xué)習(xí)在過去的幾年里取得了很大的進步，在很大程度上歸功于計算密集型工作負載擴展新技術(shù)的發(fā)展。NSF最新的資助項目似乎暗示我們看到的可能只是冰山一角，因為研究人員試圖將類似深度學(xué)習(xí)的技術(shù)擴展到更多的計算機和新型的處理器上。

由紐約州立大學(xué)石溪分校團隊實施的一個特別有趣項目，該項目旨在證明FPGA（現(xiàn)場可編程門陣列）優(yōu)于GPU，他們發(fā)現(xiàn)深度學(xué)習(xí)算法在FPGA上能夠更快、更有效地運行，這突破了當(dāng)前傳統(tǒng)的認識。

根據(jù)項目概要：

研究人員預(yù)計在GPU上算法的最慢部分，運行在FPGA上將實現(xiàn)明顯的加速，同時，在GPU上算法最快的部分在FPGA上將有類似的運行性能，但是功耗會極低。

實際上，除了不同于GPU，在硬件上運行這些模型想法并不新奇，例如，IBM最近憑借一個新的brain-inspired芯片轟動一時，它聲稱可以完美支持神經(jīng)網(wǎng)絡(luò)和其他cogniTIve-inspired工作負載。微軟在今年7月演示了它的Adam項目，這個項目是重新修改了一個流行的深度學(xué)習(xí)技術(shù)使其在通用英特爾 CPU處理器上運行。

由于其可定制的特點，F(xiàn)PGA有著獨特的優(yōu)勢，今年6月，微軟解釋它如何通過卸載某些進程部分到FPGA來加快Bing搜索。當(dāng)月晚些時候，在Gigaom的Structure大會上，英特爾宣布即將推出的混合芯片架構(gòu)將FPGA在CPU共置在一起（實際上它們會共享內(nèi)存），這主要針對專業(yè)大數(shù)據(jù)負載與微軟必應(yīng)這樣的案例。

然而，F(xiàn)PGA對于深度學(xué)習(xí)模型來說并不是唯一的、潛在的基礎(chǔ)架構(gòu)選擇。NSF還資助紐約大學(xué)的研究人員，讓他們通過基于以太網(wǎng)遠程直接內(nèi)存訪問技術(shù)來測試深度學(xué)習(xí)算法以及其他工作負載，這在超級計算機上廣泛使用，但現(xiàn)在要將它帶到企業(yè)系統(tǒng)，RDMA連接器通過直接發(fā)送消息到內(nèi)存，避免了CPU、交換機和其他組件給進程帶來的延遲，從而加快計算機之間傳輸數(shù)據(jù)速度。

說到超級計算機，另一個新的NSF資助項目，由機器學(xué)習(xí)專家斯坦福大學(xué)（百度和Coursera）的Andrew Ng和超級計算機專家田納西大學(xué)的Jack Dongarra以及印第安納大學(xué)的Geoffrey Fox領(lǐng)導(dǎo)，旨在使深度學(xué)習(xí)模型利用Python可編程，并且將它帶到超級計算機和擴展云系統(tǒng)。據(jù)悉，這個得到了NSF將近100萬美元的資助的項目被稱為Rapid Python Deep Learning Infrastructure。

RaPyDLI將被構(gòu)建成一套開源的模塊，可以從Python用戶界面訪問，但是可以放心地在最大規(guī)模超級計算機或云的C / C++或Java環(huán)境中通過互動分析和可視化執(zhí)行。RaPyDLI將支持GPU加速器和英特爾Phi協(xié)處理器以及廣泛的存儲技術(shù)包括Files、NoSQL、HDFS和數(shù)據(jù)庫。
目前做的所有工作都是讓深入學(xué)習(xí)算法更容易并且改善它們的性能，這三個項目只是一小部分，但是如果這些技術(shù)能夠被科技巨頭用到商業(yè)領(lǐng)域，或者進入研究中心以及國家實驗室利用計算機解決真正的復(fù)雜問題將是非常有益的。