هدف یادگیری ماشینی این است که کامپیوتر (در کلیترین مفهوم آن) بتواند به تدریج و با افزایش دادهها، کارایی بهتری در انجام وظیفه موردنظر پیدا کند. گستره این وظیفه میتواند از تشخیص خودکار چهره با دیدن چند نمونه از چهره موردنظر تا فراگیری شیوه گامبرداری رباتهای دوپا با دریافت سیگنال پاداش و تنبیه باشد.
بنابراین طیف پژوهشهایی که حوزه در یادگیری ماشینی انجام میگیرد، گسترده است.
به گزارش ایتنا از رایورز انویدیا جی.پی.یو کلود، کانتینرهای نرمافزاری را در اختیار پژوهشگران قرار میدهد که هدف از طراحی آنها، ارائه سریعترین محیط اجرا برای آموزش سیستمهای یادگیری ماشینی -با استفاده از سیلیکون این شرکت سازنده تراشه- بوده است. این کانتینرها در حال حاضر برای استفاده با کامپیوترهای یادگیریمحور DGX-1 و DGX Station در دسترس هستند.
در حال حاضر کاربران میتوانند از این کانتینرها و سری تراشههای تایتان انویدیا بر روی سختافراز موردنظر مشتری استفاده کنند.
البته این GPUها به اندازه یک کامپیوتر یادگیریمحور ماشینی قدرت ندارند، هر چند قیمت آنها نیز کمتر و دسترسی به آنها نیز آسانتر است.
باید توجه داشت، از آنجا که نرمافزار ابری GPU انویدیا درون کانتینرهای نرمافزار است، این امکان برای توسعهدهندگان وجود دارد که از این سیستمها استفاده کنند. البته توسعهدهندگان میبایست با استفاده از ماشین شخصی آموزشهای لازم را دیده باشند تا بتوانند روی ماشینهای هوش مصنوعی انویدیا با مقیاس بزرگ کار کنند.
هدف از تمامی این موارد، کنار گذاشتن سیستمهای یادگیری ماشینی و کار کردن با سرعتی بالاتر روی سیستمهاست. این امر، موجب میشود تا نیازها و مشکلات کسبوکارها با راهکارهایی آسانتر حل شود، ضمن آنکه زمینه هوش مصنوعی نیز با پیشرفت بیشتر و بهتری همراه خواهد بود.
گفتنی است که موضوع این GPUها در کنفرانس سیستمهای پردازش اطلاعات عصبی (NIPS) مطرح شد. این کنفرانس اخیراً در لانگبیچ کالیفرنیا برگزار شد و در آن، مجموعهای از بهترین افراد در زمینه هوش مصنوعی دعوت شدند تا توسعههای کلیدی حاصل از پژوهشهای خود را به اشتراک گذارند.