گروه فناوری: ابزارها و کدهای هوش مصنوعی ای که توسط دانشمندان و مهندسین ساخته می شود عموما از قابلیت یادگیری عمیق یا Deep Learning استفاده می کنند، بادگیری عمیق در ماشین ها معمولا هفته ها زمان می برد. اما حالا به نظر می رسد که مهندسین مایکروسافت به کمک دانشمندان مرکز ملی کامپیوتر سوئیس یک گام بزرگ به جلو برداشته و مدت زمانی که هوش مصنوعی برای یادگیری عمیق نیاز دارد را از چند هفته به چند دقیقه کاهش داده اند. رسیدن به این زمان دستاوردی بزرگ در زمینهی روبوتیک و هوش مصنوعی محسوب می شود.
به گزارش بولتن نیوز، این یافتهی جدید در کنار استفاده از تکنولوژی سوپرکامپیوترها باعث می شود تا کاربران مسائل مربوط به فرایندهای تشخیص عکس، ویدئو، صدا و پردازش زبان های طبیعی را به راحتی حل کنند. به این ترتیب پژوهشگران از این پس می توانند به تکنولوژی هایی دست پیدا کنند که پیش از این فقط در فیلم های علمی-تخیلی نظایر آنها دیده شده. تحقیقات در زمینه ی هوش مصنوعی و یادگیری عمیق به بخش های زیادی از علم و تکنولوژی کمک خواهد کرد.
بنابر گزارش های رسیده از خبرگزاری Next Big Future، این تیم تحقیقاتی کُد متن باز مایکروسافت که به یادگیری عمیق الگوریتم ها کمک می کند و Cognitive Toolkit نام دارد را به وسیله ی سوپر کامپیوتر Cray XC50 متعلق به مرکز ملی کامپیوتر سوئیس بر روی 1000 پردازنده ی گرافیکی Nvidia Tesla P1000 اجرا کرده اند. این سوپر کامپیوتر Piz Daint نام دارد.
استفاده از یادگیری عمیق پیشرفت ها در زمینه ی هوش مصنوعی را سرعت بخشیده است
به گفتهی محققینِ این تیم، مسائل یادگیری عمیق، الگوریتم های مشابهی با برنامه هایی دارند که به صورت موازی در ابرکامپیوترها اجرا می شوند، به همین دلیل با استفاده از ارتباط بین شبکهی ابرکامپیوتر Cray XC و کتابخانه پیشرفتهی MPI می توان کاری کرد که فرایندهایی که از یادگیری عمیق استفاده می کنند با سرعت بسیار بیشتری مورد پردازش قرار بگیرند.
به گفته ی توماس شولتس، مدیر مرکز ملی ابرکامپیوترهای سوئیس، این تکنولوژی جدید باعث می شود تا مسائل مربوط به یادگیری عمیق که پیش از این ماه ها حل آنها زمان می برد در مدت بسیار کوتاهی رفع شوند.
همچنین زوئدونگ هوانگ، یکی از مهندسین بخش هوش مصنوعی مایکروسافت در این رابطه اعلام کرد که این تکنولوژی جدید مرزهای یادگیری عمیق و هوش مصنوعی را جابهجا کرده و به پژوهشگران اجازه می دهد تا به مسائل و فرایندهای طولانی و پیچیده تر یادگیری عمیق بپردازند.
منبعNature World News