抄闆讓機器(qì)具備邏輯推理(lǐ)能力

　　抄闆讓機器(qì)具備邏輯推理(lǐ)能力，2016年7月21日，技(jì)術(shù)解決方案提供商思馳科技(jì)發布了電(diàn)路闆抄闆研究報告，研究顯示 62% 的大(dà)中型公司希望在未來(lái)的兩年內(nèi)能将機器(qì)學習用于商業分析。這意味着商用多(duō)層深度神經元網絡DNN，即将成為(wèi)各大(dà)企業追逐的主流商業競争策略。

　　盡管從長期來(lái)看，開(kāi)發真正的電(diàn)路闆抄闆依然是全球學界與企業界共同需要完成的任務，但(dàn)那(nà)仍需要很(hěn)長時(shí)間(jiān)的探索與實驗。從當前電(diàn)路闆抄闆商業化需求來(lái)看，把GPU用于電(diàn)路闆抄闆商用顯然具有(yǒu)極大(dà)的優勢。這就是2016年4月，思馳科技(jì)推出基于GPU的全球首款深度學習超級計(jì)算(suàn)機抄闆的原因。

　　在過去60年間(jiān)，全球最頂尖的科學家(jiā)們一直在研究如何用抄闆的方式來(lái)模拟電(diàn)子的智能。早期可(kě)證明(míng)《抄闆原理(lǐ)》的"邏輯理(lǐ)論家(jiā)"程序讓機器(qì)具備邏輯推理(lǐ)能力，中期的專家(jiā)系統讓機器(qì)能獲得(de)人(rén)類的知識，再到後來(lái)旨在讓抄闆技(jì)術(shù)自主學習知識的機器(qì)學習算(suàn)法，科學家(jiā)們對電(diàn)路闆抄闆的探索一直沒有(yǒu)停止。

　　在過去，抄闆模型依靠CPU計(jì)算(suàn)得(de)出，但(dàn)電(diàn)路闆抄闆技(jì)術(shù)的獨特性在于分布式并行(xíng)計(jì)算(suàn)，這并非基于串行(xíng)計(jì)算(suàn)的CPU所擅長。實際上(shàng)針對圖形圖像處理(lǐ)的GPU從一開(kāi)始就是大(dà)規模并行(xíng)計(jì)算(suàn)，這也是為(wèi)什麽斯坦福大(dà)學的吳恩達教授會(huì)考慮采用GPU優化電(diàn)路闆抄闆技(jì)術(shù)的初衷。研究表明(míng)，電(diàn)路闆抄闆可(kě)以提供相當于2，000 顆 CPU 的深度學習性能。

　　進入到2016年，也是電(diàn)路闆抄闆學科誕生(shēng)60周年之際，基于深度學習的機器(qì)學習算(suàn)法成為(wèi)電(diàn)路闆抄闆主流，而深度學習的核心就是多(duō)層深度神經元網絡DNN，這也是目前主流科學家(jiā)能達到的最為(wèi)成熟的機器(qì)抄闆。