深度學習達成AI願景 虛擬化技術至關重要

虛擬化技術將成為深度學習達成AI願景之關鍵因素

機器學習在資訊領域已經研究了許多年， 但近年來因為應用深度學習的方式大幅提高了判斷的準確度， 加上學習時所需的資料大量增加， 以及GPU的運算能力越來越強大， 使得運用深度學習來達成人工智慧的想法變得更實際可行， 而AlphaGo以勢如破竹的優勢大勝人腦之後， 更讓人驚覺到人工智慧勝過人類已經不是天方夜譚， 帶給了人們極大的衝擊。

以深度學習的方式， 可以將現有的許多工作自動化， 交由具備人工智慧的機器來執行， 因此吸引許多行業如運輸、製造、零售、醫療、金融等， 想導入人工智慧來改造核心商業模式， 發展新產品或服務， 增加自身的競爭優勢。

雖然以運用人工智慧建造的未來世界似乎十分美好， 但數位化的世界漸漸趨向贏者全拿的局面， 網路經濟由少數幾家超級強權所把持， 他們控制了關鍵入口及使用者資料， 這些數量龐大的消費者資料以及高速運算能力是發展人工智慧的基石， 卻被少數廠商所寡佔。

原本我們期望數位科技能建立更平等的商業環境， 但這些公司卻走向壟斷， 企圖掌控經濟發展， 而這種趨勢已經在各個產業擴散， 數位化程度的差距變成是企業最關注的議題， 也是影響競爭力的關鍵因素。

人工智慧的發展未來必定會在商業領域造成極大的衝擊， 雖然現在日常生活中已經有許多的實務應用， 但大多數的機會其實還沒有被開發， 未來人工智慧的影響將會擴大， 每個產業都會利用人工智慧改造商業流程或商業模式， 但是一方面因為相關人才的不足， 加上缺乏做深度學習所需的GPU高速平行運算環境， 台灣在這方面的進展是相對落後的。

做深度學習有一個重要的環節就是應用GPU進行神經網路的模型訓練， 利用GPU平行運算的特性大幅加快訓練速度減少開發時間， 在反覆嘗試錯誤的訓練後提升人工智慧的準確度. 但是傳統以實體機加GPU卡建造的環境一方面成本太高， 另一方面因為專人專用導致使用率無法提高， 浪費寶貴的運算資源， 阻礙研發進度， 對資訊人員在管理上也是一大難題。

隨著虛擬化技術的進步， 不只CPU、儲存、網路已經可以虛擬化， 現在連GPU都可以用VDI或docker等虛擬化技術達到運算資源分享， 更有效的建立研發人工智慧的深度學習環境. 為使有意了解深度學習及GPU分享之企業夥伴能獲取進一步技術訊息，泰瑩科技特別邀請NVIDIA、VMWARE及EMC三大產業巨頭共同舉辦2017深度學習暨效能分享研討會，歡迎各界先進於2017年12月12日(二)下午1:30蒞臨本次盛會。活動請參見官網。