Компания OCS представила новинку – систему искусственного интеллекта NVIDIA DGX-1. Система разработана специально для глубокого обучения (Deep Learning) и GPU-ускоренного анализа данных и сравнима по производительности с 250 серверами x86 архитектуры. NVIDIA DGX-1 оснащена всем необходимым аппаратным и программным обеспечением для задач глубокого обучения, набором инструментов разработки и поддерживает популярные аналитические приложения с поддержкой GPU.
Суперкомпьютер NVIDIA DGX-1 – это первая в мире система, разработанная специально для задач глубокого обучения и ускоренного анализа данных в области искусственного интеллекта. Суперкомпьютер позволяет обрабатывать и анализировать информацию в 100 раз быстрее по сравнению с традиционными вычислительными системами, что приводит к значительной экономии на формировании и обслуживании ИТ-инфраструктуры.
Система построена на ускорителях Tesla P100, высокоскоростное соединение между которыми обеспечивает интерфейс NVIDIA NVLink, способный увеличить скорость обмена данными между GPU до 12 раз по сравнению с шиной PCI-E. Комплекс программного обеспечения системы выключает NVIDIA DIGITS GPU Training System, NVIDIA Deep Learning SDK (CuDNN, NCCL), NVIDIA Dockerдля быстрого создания и обучения глубоких нейронных сетей (DNN). Помимо этого, система включает оптимизированные версии широко используемых фреймворков глубокого обучения — Caffe, Theano, Torch и не только. NVIDIA DGX-1 также имеет доступ к облачной системе управления, необходимой для создания и развертывания контейнеров, системных обновлений и доступа в хранилище приложений.
Сегодня искусственный интеллект активно используется в самых разных областях, таких, как распознавание и синтез речи, распознавание и обработка изображений, создание роботизированных консультационных систем, фармацевтика, персонализированная медицина, разработка самопилотируемых автомобилей и не только.
Так, один из медицинских центров США использует специализированный сервис Microsoft ImagineCare, который снабжает врачей данными о состоянии пациентов, контролируя не только изменения их жизненных показателей, но и эмоциональное состояние. В фармацевтике глубокое обучение применяется при разработке лекарств для молекулярно-таргетной терапии при лечении раковых больных, а именно для поиска и идентификации активных молекул, которые воздействуют только на заданную мишень, позволяя минимизировать побочные эффекты. Существуют также технологии, позволяющие применять алгоритмы глубокого обучения и в медицинской диагностике, в том числе для чтения рентген- и МРТ-снимков, флюорографий и прочих форматов, на расшифровку которых оказывает сильное влияние человеческий фактор.
В 2016 году швейцарские ученые анонсировали изобретение беспилотного летательного аппарата, способного обнаруживать людей, заблудившихся в лесах. От обычного робота дрон отличается сверхумной навигационной системой, построенной с помощью алгоритмов глубокого обучения и позволяющей беспилотнику передвигаться по сложному лесному ландшафту, не нанося себе повреждений. Робот самостоятельно собирает изображения окружающей среды и по ним выстраивает карту, которая помогает ему ориентироваться на местности и находить правильную дорогу в 85% случаев (в то время как аналогичный показатель для человека составляет лишь 82%).
Сферы применения нейронных сетей и алгоритмов глубокого обучения постоянно расширяются, открывая для компаний самого разного профиля новые возможности для развития бизнеса.