我們將世上最快速的人工智慧運算系統，贈送給全球最頂尖的人工智慧實驗室之一。
NVIDIA 執行長黃仁勳今年初將我們的 NVIDIA DGX-1 人工智慧超級電腦贈送給加州大學柏克萊分校的柏克萊人工智慧研究室（BAIR）。
BAIR 的24位教職員和逾百位研究生，正在研發多重模式深度學習、人體相容人工智慧，以及將人工智慧運用在其它科學學科及人文學科上等尖端技術。
「我非常榮幸將首批 DGX-1 的其中一台送給各位。」黃仁勳在 BAIR 慶祝收到 DGX-1 的活動上對一群研究員這麼說。
人工智慧需要更高的運算速度
BAIR 的研究團隊致力於解決來自多個領域人工智慧相關問題，而且他們急於盡量嘗試各種突破性方法。
加州大學柏克萊分校電機工程與計算機科學系助理教授 Pieter Abbeel 說他們為此需要更高的運算速度。
Abbeel 說：「更高的運算能力讓我們能探索、嘗試更多想法，方能明白這些想法是否真有用處。現在一項實驗或許要花上幾小時到數天的時間，要是我們能將運算速度增加十倍，就能縮短時間，也就讓我們能立即試行其它事情。」
自動駕駛
加州大學柏克萊分校電機工程與計算機科學系工程學 Paul and Stacy Jacobs 特聘教授John Canny 說，那項運算速度加上管理海量資料的能力，是推動深度學習領域出現突破性進展的關鍵，也是幫助電腦探查公路等環境的關鍵，跟人類日常的行為一樣。
Canny 說：「駕駛人經由多年長久的駕車經驗，讓他們不斷提升自己的駕車技術，而在機器學習領域裡，深度學習目前尚且無法處理如此大量的資料，因此我們對於收集、處理和利用大批資料，有著深切的興趣。」
加州大學柏克萊分校電機工程與計算機科學系教授 Trevor Darrell 說車輛不只能從自己的經驗裡學習，還能汲取數百萬部車輛的經驗，此舉可大幅提升行車安全。
Darnell 說：「不過那只是冰山一角，在交通運輸與物流方面肯定也會出現變革，要是出現各種大小的自動駕駛車，能將貨物和服務送達四方，我無法推估這會將生產力提升到什麼程度。」
日常機器人
Abbeel 說讓機器具備學習經驗的能力，也是讓機器人從工廠走向更不可預測環境裡的關鍵，像是我們的住家、辦公室及醫療院所。
Abbeel 表示：「這些機器人必須能適應從未見過的新環境，現在最大的難處是發展一項人工智慧技術，讓這些機器人能明白這些新的環境，而且還能做出對的事情。」
常用的網路服務早就採用深度學習來協助機器分類資訊，像是語音和影像辨識，Abbeel 跟他的同事依然探尋著新的方式，協助機器能自行做出決定。
這項稱為「強化學習」的新方法能協助機器明白和探索複雜的環境，Abbeel 這麼解釋。
加州大學柏克萊分校電機工程與計算機科學系助理教授 Sergey Levine 說，打造出不只能從環境裡學習的機器，還能判斷自己面對的風險，是發展更聰明機器人的關鍵。
像是飛行機器人不僅得適應快速變動的環境，還得在飛行中明白自己面對的風險。「我們使用深度學習技術來建立深度神經網路的飛行規則，理解自己身處環境的不確定性，便會在掌握後果的情況下採取行動。」Levine 說。
加速推動人工智慧革命
這些新的作法讓研究團隊最終能發展出更有用的機器。DGX-1 內 GPUs 的運算速度及內建軟體（加上兩者間的連線）將協助 BAIR 以更快的速度探索新的想法。
Darnell 說：「擁有多少運算能力和能運行的實驗數量間有著線性關係，而可運行的實驗數量決定了你能獲得或發現的知識量。」
在此提供更多關於 DGX-1 的資料。有任何問題嗎? 快跟我們聯絡吧。