自動駕駛車、偵測腫瘤的電腦，即時語音翻譯。
只不過幾年前，訓練電腦辨識模式和物體，一如人腦運作方式的深度學習技術，只是少數人工智慧和資料科學的研究領域，但現在情況不是這樣了。
現在頂尖專家運用這項技術做到一些令人驚奇的事情，並且繼續推動發展它的無盡潛力。
那正是紐約大學資料科學中心（CDS）與 NVIDIA 攜手合作大規模 GPU 加速系統開發下一代深度學習應用和演算法的原因。
由深度學習領域先驅學者，也是 Facebook 人工智慧研究單位主管 Yann LeCun 創立的紐約大學資料科學中心，是多個 NVIDIA 與之合作的頂尖研究機構，目的為推動以 GPU 為基礎的深度學習。
推動深度學習技術發展
更精細成熟的新演算法是未來推動深度學習技術發展的基礎。這些演算法是設計為協助電腦達到，或超越人腦的能力。
而它們也需要最新、最先進的電腦運算技術。
這就是 GPU 技術派上用場的地方。GPU 搭配深度學習技術，將訓練神經網路的時間減少到數天，甚至是數月。
但直到現在，許多研究人員還是使用僅搭載一個 GPU 的系統，但這限制了訓練參數的數量及開發模型的規模大小。
研究人員要是將深度學習過程分給多個 GPU，就能擴大訓練的模型規模及受測的模型數量。結果：創造出更精準的模型和新的應用方式。
紐約大學發現這一點，日前安裝了名為「ScaLeNet」的深度學習運算新系統，擁有八個節點 Cirrascale 叢集及64張頂尖 NVIDIA Tesla K80 雙 GPU 專業顯卡。
這套新的高效能系統讓 NYU 的研究人員能進行更艱難的研究，創造出電腦如人腦一般認知工作的深度學習模型。
「配備多 GPU 的電腦系統對於日後推動人工智慧及深度學習是不可或缺的工具。它可能運用在自動駕駛車、醫療影像分析系統、即時語音翻譯，還有真正瞭解自然語言、能與人類進行對話的系統」LeCun 說。
CDS 的諸多教職員、研究科學家、博士後研究人員及研究生將使用 ScaLeNet 進行各項研究案及教學課程。
讓我們期待日後的重大成果吧。
LeCun 說：「CDS 的研究案將機器和深度學習技術運用到物理、生活和社會科學上。這包括宇宙論及高能物理學的貝氏模型（Bayesian model）、視覺和運動皮質的運算模型、醫學和生物影像分析的深度學習系統，以及社會行會和經濟的機器學習模型。」
LeCun 期望紐約大學的研究工作能成為一種模範，以促進深度學習領域的發展，並且訓練新一代的人工智慧專家。
如需更多資訊，LeCun 與多位他在 Facebook 和紐約大學的同事，將在五月於聖地牙哥召開的國際學習表徵會議（International Conference on Learning Representations）上發表研究報告。報告內容討論高速、多 GPU 執行卷積網絡的情況（卷積網路是用於瞭解影像和影片內容的一種深度學習模型）。
如需更多資訊或報名，請至會議官方網站。