NVIDIA и Нью-Йоркский университет создадут алгоритмы искусственного интеллекта для GPU

Постоянно растущая вычислительная мощность графических процессоров зачастую находит свое применение далеко за пределами индустрии развлечений, свидетельством чему — множество проектов, реализующих их потенциал в приложениях общего назначения. Компания NVIDIA, как разработчик, не остаётся в стороне от этого процесса, с завидной регулярностью представляя публике всё новые и новые инициативы.

На сей раз пристального внимания удостоились исследования Нью-Йоркского университета в области искусственного интеллекта, которому NVIDIA намерена помогать в оптимизации алгоритмов глубинного обучения. Организации объявили о сотрудничестве, целью которого станет совместная разработка приложений, способных эффективно исполняться крупномасштабными системами на основе GPU.

Возможная сфера применения таких решений необычайно широка и простирается от облачных хранилищ изображений до бытовой техники и автомобилей. В своем блоге специалисты компании подчёркивают, что механизмы глубинного обучения постоянно совершенствуются, ставя своей целью вознести искусственный интеллект на один уровень с человеческими возможностями, либо превзойти их.

Особенности архитектуры графических процессоров позволяют исследователям сократить время симуляции работы нейронных сетей на дни и порою месяцы, однако до сего времени возможности моделирования были ограничены отсутствием распределения вычислений на несколько GPU. Понимая это, ученые разработали новую масштабируемую систему глубинного обучения ScaLeNet и установили её на состоящий из восьми узлов кластер, собранный на основе двухпроцессорных графических ускорителей NVIDIA Tesla K80.

Новая система позволит исследователям заняться симулированием человеческой модели поведения при решении различного рода задач, что в конечном итоге должно привести к прогрессу в таких областях, как машинный перевод речи в режиме реального времени, автономное транспортное движение, анализ медицинских снимков и многое другое. Ну а разработанные специально для этих целей специализированные библиотеки CUDA Deep Neural Network (cuDNN) призваны обеспечить максимальную эффективность исследований.