1
今年8月，雷锋网将在深圳举办盛况空前的“全球人工智能与机器人峰会”，届时雷锋网将发布“人工智能&机器人Top25创新企业榜”榜单。目前，我们正在拜访人工智能、机器人领域的相关公司，从中筛选最终入选榜单的公司名单。
如果你也想加入我们的榜单之中，请联系：2020@leiphone.com。
NVIDIA公司CEO黄仁勋(Jen-Hsun Huang)在3月的一次活动上，探讨深度学习如何进行人脸图像分析。图片来源：NVIDIA CORP.
计算机用户其实对NVIDIA一点也不陌生，你们在电子游戏中与敌人战斗的时候，就是依靠了NVIDIA公司的技术来打造屏幕上呈现的虚拟世界。现在，有一些研究人员相信，这些技术不仅可以在游戏中杀敌，还能在真实世界中拯救生命。
麻省综合医院最近在波士顿设立了一个中心，计划使用NVIDIA的芯片用于CT和其他医疗成像中检测异常情况，目前为止这项工作都是由人类放射学家完成。该项目的基础是100亿张现成的图像，设计用于“训练”系统帮助医生监测癌症、老年痴呆症和其他疾病，可以在疾病更早阶段、更加精确地进行诊断。
“计算机不会疲倦。”Keith Dreyer说，他是麻省综合医院中心的执行总监和放射科副主席，“毫无意外，这会改变我们医疗从业的方式，显然这是一个好的改变。”
这是许多例子中的一个，这些例子让我们看到了芯片技术的进步——尤其是图像处理单元的进步，这个领域的先锋是Nvidia——如何推动了机器学习的爆炸性成长，这种方法让计算机不需要外界的明确指令，就能自己进行学习，基于学习所得进行决策。
最积极的玩家之中包括了谷歌、Facebook、微软、Twitter和百度等互联网巨头，使用这种叫做GPU的芯片，让服务器学习海量的照片、视频、声音文档，以及社交媒体上的信息，来改善搜索和自动化照片标记等各种各样的软件功能。一些汽车制造商在利用这项技术，开发可以感知周围环境、避开危险区域的无人驾驶汽车。
一些公司认为，GPU会被更加垂直专业化的芯片所取代。谷歌上周突然宣布，除了Nvidia的GPU，公司还使用了一种内部开发的处理器，专门用于机器学习。还有人宣传推广专门化的处理器，包括硅谷创业公司Movidius，公司称其销售的芯片为“视觉处理单元”，还有机器学习服务商Nervana Systems公司，计划从GPU转移至自己的芯片设计。
“现有的芯片架构从长远来说没有可能站得住脚。”Numenta公司联合创始人Jeff Hawkins说，Numenta公司创立于11年前，研究类似大脑形式的计算。
目前，Nvidia在领域内还是有领先地位，这也是公司在12个月内股价翻倍、市值飙升超过240亿美元的原因之一。与此同时，Nvidia公司继续从电子游戏方面的强势增长中获益，并且，本月有报道称，公司数据中心客户所贡献的GPU销售业务比去年上升了62%。
在被称作“深度学习”的机器学习领域，公司CEO黄仁勋(Jen-Hsun Huang)已经成为了现实版的Pied Piper（编者注：Pied Piper是电视剧《硅谷》中大获成功的软件创业公司），这位在台湾出生的CEO，其标志性风格是拉风的皮夹克，以及对特斯拉电动车的无限热爱。他将Nvidia数据中心的增长归因为，云计算大供应商都将深度学习从测试转移进入了他们的核心服务。
“现在很明显可以看到，全世界的超大型公司都在转移进入生产。”他说。
研究机构Tractica LLC估计，由于深度学习项目产生的GPU花费将从2015年的四千三百六十万美元，上升到2024年的41亿美元，而企业的相关软件花费将同期从一亿零九百万美元上升到一百亿美元。
Nvidia的竞争对手Advanced Micro Devices也制造GPU。GPU非常适合深度学习，因为这种芯片可以同时进行很多的计算。传统计算被设计用于执行各种类型的指令序列，而GPU在运行单一类型的计算方面，就同时强很多倍——例如，将一种颜色应用于计算机显示屏上的每一个像素，从而生成一个图像。为实现这一点，Nvidia最新的GPU有3584个相对简单的处理器核心在同时运转，而英特尔公司的通用处理器上则是1至22个更复杂的计算引擎。
软件工程师发现，GPU的大规模平行处理在深度学习中尤其有用。举个例子，研究员不用一开始就人工定义一个人脸，而是可以将几百万个人脸的图像展示出来，让计算机自己定义人脸应该是什么样子的。学习这样的例子时，GPU可以比传统处理器更加快速，大大加快了训练过程。
创业公司Blue River Technology是Nervana公司的客户，已经采用了GPU技术，使用了庄稼和杂草的图片来训练一个装有摄像头的计算机系统，让拖拉机可以判断农田里面是否需要喷洒除草剂。
“这些机器人可以凭借‘视觉’来做出判断，可以每分钟进行5000次判断。”公司商务发展副总裁Ben Chostner说。
但是，有一些人说GPU就是不如那些从零开始、专为机器学习而设计的芯片。有一些公司，例如Nervada和Movidius，模拟GPU的平行模式，但是专注于更快速地移动数据，省略图像所需要的功能。其他公司，包括使用了被称为“True North”（注：true north在英文中有“真正正确的方向”的含义，不知其他公司对这种取名有什么想说的）的芯片的IBM公司，开发了由神经元、突触等其他大脑特征所启发的芯片设计。
黄仁勋称，Nvidia知道谷歌的定制化芯片开发动作。他认为谷歌的动机有一部分是出于2年前，Nvidia的GPU比后来的更适合训练使用，后来阶段中，训练被用来进行分析性决策。但是，这位拉风的公司CEO还说，Nvidia的最新GPU比早期版本跑起来要快25倍。
via 《华尔街日报》
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
