據國外媒體報道稱，IBM公司本周宣布，自己成功開發出了一種可以大幅縮短處理海量數據，并得出有用結論時間的全新深度學習技術。

簡單來說，IBM使用的“深度學習”技術是人工智能的其中一個分支，該技術使得電腦可以模仿人腦工作原理，并且已經成為了諸如微軟、Facebook、亞馬遜和谷歌(微博)這些科技企業的關注焦點。消息稱，IBM的目標是將深度學習系統分析數據需要的時間從數天縮短到數小時。

“這些改進可以幫助放射學家根據醫學圖像更快、更準確地找到病變部位。”IBM研究所研究員、系統加速及記憶模塊總監希拉里-亨特（Hillery Hunter）說道。

截至目前，深度學習主要依靠單一服務器運行，因為在不同計算機之間移動大量數據非常復雜。而且，如何處理在不同服務器和處理器之間的數據同步也是一個問題。

當地時間本周二，IBM宣布已經成功開發出了能夠將這些任務分配到64臺服務器的軟件，而這些服務器最高配置有256個處理器，可在數據處理速度方面取得巨大進步。而且，只要是使用IBM Power系統服務器的客戶以及其他參與測試的技術人員，均可獲得這一技術的使用權限。

據悉，IBM使用了64個自主開發的Power 8服務器，每一個都將通用的英特爾微處理器和英偉達圖形處理器連接起來，并使用快速的NVLink連接以促進兩種芯片之間的數據流傳輸。

亨特在接受《財富》雜志采訪時表示：“我們的想法是改變訓練深度學習模式的速度，并真正提高人們的工作效率。”

對此，Pund-IT公司創始人查爾斯-金（Charles King）也表示，自己對IBM的這一項目印象深刻，他相信IBM已經找到了一種“等量擴大”深度學習系統的方法，并通過額外增加處理器的方式大幅提高運算性能。

簡單來說就是，將設備的處理器擴容100%理論上應該可以獲得100%的等量性能提升。但實際上，由于復雜的流量管理和連接問題，這種等量增長的效益永遠不會發生。

不過IBM卻表示，自己研發的這一軟件系統通過由“加州大學伯克利分校”（University of California at Berkeley）創建的“咖啡因深度學習框架”（the Caffe deep learning framework），成功在256個處理器之間實現了95%的擴展效率。在此之前，這一等量擴容的記錄是由Facebook人工智能研究公司創造的，其擴展效率達到了89%。

所謂的“咖啡因深度學習框架”是在2013年由加州大學伯克利分校的賈揚清博士在Github上發布。發布伊始，這一框架就得到了廣泛關注，該框架以“Layer層”為單位對深度神經網絡結構進行了高度抽象，通過一些精巧的設計顯著優化了執行效率，并且在保持高效的基礎上不失靈活性。

“IBM最新95%的擴展效率實在太優秀了，我簡直不敢相信這是真的。”德克薩斯州奧斯丁市Moor Insights &Strategy研究公司總裁和創始人帕特里克-莫海德（PatrickMoorhead）驚訝的表示。

具體來說，IBM的數據顯示該軟件可以在7個小時內識別750萬張圖片，準確率為33.8%。在此之前，微軟保持的最高準確率記錄是29.8%，但用時則達到了10天。換句話說就是，IBM已經開發出了比現有深度學習技術更快、更精確的技術。當然，這一系統也需要同IBM的Power系統硬件和集群軟件配合使用。