无人驾驶汽车。检测肿瘤的计算机。实时语言翻译。
就在几年前，深度学习（训练计算机像人类一样识别模型和物体）还是一些人工智能和数据科学研究人员的研究领域。此景不再。
如今，顶级专家使用深度学习完成各种惊人的任务。而且他们继续推动可能性的边界向外扩展。
这便是纽约大学数据科学中心和 NVIDIA 携手合作，为大规模 GPU 加速系统开发下一代深度学习应用程序和算法的原因。
纽约大学数据科学中心 (CDS) 由深度学习的先驱 Yann LeCun（他同时还是 Facebook 人工智能研究的主管）创建，该中心是与 NVIDIA 合作以推进基于 GPU 的深度学习的几个顶级研究机构之一。
挑战深度学习技术极限
未来深度学习的发展依赖于更精湛的全新算法。它们旨在帮助计算机达到甚至超过人类的能力。
它们还需要最新最先进的计算技术。
这便是 GPU 技术发挥作用的地方。GPU 技术可为深度学习提供支持，将训练神经网络的时间缩减数天甚至数月。
但是迄今为止，许多研究人员所用的系统只有一个 GPU。这限制了研究人员可以开发的训练参数的数量和模型的大小。
通过将深度学习过程分配到许多 GPU，研究人员可以增加可训练模型的大小以及可测试模型的数量。结果是产生了更准确的模型和新型的应用程序。
认识到这一点后，纽约大学最近安装了名为“ScaLeNet”的新型深度学习计算系统。这是一个八节点的 Cirrascale 集群，配备 32 个顶级 NVIDIA Tesla K80 双 GPU 加速器。
凭借全新的高性能系统，纽约大学的研究人员能够接受更大的挑战，并创建可使计算机完成类人感知任务的深度学习模型。
“多 GPU 机器是人工智能和深度学习在未来取得进步的必要工具。可能的应用包括无人驾驶汽车、医学图像分析系统、实时语言翻译，以及可以真正理解自然语言并与人类进行对话的系统，”LeCun 说道。
由教师、研究科学家、博士后研究员和研究生组成的大型团体将 ScaLeNet 用于 CDS 的研究项目和教育程序。
因此，请期待他们的非凡成就吧。
“CDS 拥有将机器和深度学习应用于物理、生活和社会科学的研究项目，”LeCun 说道。“这包括用于宇宙学和高能物理学的贝叶斯模型、视觉和运动皮层的计算模型、用于医学和生物图像分析的深度学习系统，以及社会行为和经济学的机器学习模型。”
LeCun 希望纽约大学的工作可以成为用于推动深度学习领域发展和培训新一代人工智能专家的典范。
如果您想了解详情，LeCun 同他在 Facebook 和纽约大学的同事会在五月于圣迭戈举行的国际学习代表大会上发表一篇文章。论文将探讨快速、多 GPU 实施卷积网络这一用于图像和视频理解的深度学习模型。
要了解详情或进行注册，请访问大会网站。