紐約大學採用 NVIDIA DGX-1 超級電腦拓展 AI 人工智慧界限

作者 Jim McHugh

紐約大學(New York University)的資料科學中心(Center for Data Science)做為該領域的尖端機構,擁有開創性的內涵,在機器學習、自然語言處理、電腦視覺以及智能化機器等方面皆有著墨。

由於運算速度在加速實驗,以及精進研究時十分重要,該中心的智能、學習、視覺與機器人電腦運算實驗室(Computational Intelligence, Learning, Vision and Robotics, CILVR),最近採購了 NVIDIA DGX-1 的 AI 人工智慧超級電腦,預備要以前所未有的高速運算進行科學研究。

CILVR 實驗室乃以”非監督式學習(unsupervised learning)”作為開發重心。實驗室中的教職人員、研究科學家以及研究所學生,皆致力於開發讓機器能夠從粗糙而未標籤的資料中自主學習的方法,這些技巧可能是讓機器去觀察影片、閱覽照片,或是聽人家演講。

這些技巧與方法,之後將應用於電腦視覺的情境中,像是能夠理解周遭環境的自動駕駛車輛,能夠在初期偵測腫瘤或疾病的醫療影像分析,甚至比傳統醫學判斷方式更正確。還有自然語言處理技術,能夠翻譯語言、回答問題,或是與人們進行對話。

Yann LeCun,NYU 資料科學中心的創始董事,同時也是 AI 領域的先驅者說道: “DGX-1 幾乎將會用在我們的每一個研究計畫中,學生們簡直迫不急待要使用它。”

CILVR 實驗室在進行的非監督式學習演算法,需要大量的運算效能才能完成。研究人員必須嘗試非常多的版本,才能夠找出哪個才是最有效的方法。數以千計的實驗以平行的方式在運行,只要得出結論的時間越短,研究人員就越快能確認何種設定調適是正確的。

LeCun 更表示,”擁有一台高速的機器對於計畫能否成功至關重要。”

DGX-1 是無可匹敵的,足以提供高達 170 TFLOPS 的運算效能,大約等同於 250 台傳統的伺服器,並且只佔用大概一個公事包的體積。

預測性分析的力量

CILVR 實驗室更在預測性分析領域上大刀闊斧,由 Claudio Silva 主持的研究工作,應用於城市系統及運動分析領域。

目前在主要都市中,計程車輛皆使用 GPS 來追蹤定位,司機的調查資料將可用機器學習的模式來接管。這些資料是以實際的交通模式為基礎,成千上萬的計程車,日以繼夜的駕駛時數與司機習慣來分析,結果可真實反映路面交通是如何運作。

在運動分析領域,Silva 使用深度學習,擷取棒球員行為模式的錄影畫面,達到以往從未實現過的資料細緻度。Silva 已經與大聯盟合作,利用系統追蹤每個球員在場上的每個動作,每次投球以及每次擊球,甚至球本身的運動模式都被記錄下來。

然而,這些資料量相當龐大。一個賽季就有將近 700,000 的打數,等同於約 1.5 兆位元(terabyte)的資料量。

有了較大的電腦模型,諸如 Silva 之類的研究者可以探究更大而更深的問題,譬如究竟是什麼讓投球變得有效,球員需要改變身體的哪些擺盪動作,還有哪些球員可能比較容易受傷等等。

“倘若沒有 GPU,我們根本沒有辦法有效地進行這樣的機器學習工作,會耗費太多時間。”Silva 表示,”有了類似 DGX-1 這樣的系統,讓我們能夠處理這些龐大的資料,創建更有效的預測性模型。”