深度学习正在“转化计算”方式，英伟达公司在其本届GPU Tech大会上努力传达出这样一条信息。而围绕着这一主题，英伟达公司将自身打造为引领者、催化剂以及深度学习的推动者——当然，从长远角度来看，其自然也将成为主要获利方。
而且有迹象表明，英伟达公司正将其未来押注在人工智能（AI）这一领域当中。其最近发布的“深度学习研究所”项目计划在今年年内吸引到10万名开发人员。另外，英伟达公司已经在2016年年内培训出1万名开发者。
过去几年以来，AI已经逐步涉入“科学中的方方面面”，英伟达公司开发者项目副总裁Greg Estes表示。他同时强调称，AI正快速成为“从癌症研究到机器人技术、再到制造业金融服务、欺诈检测乃至智能视频分析等应用领域”中不可分割的组成部分。
深度学习推动计算转化（图片来源：英伟达公司）
Estes解释称，英伟达公司希望成为开发者眼中利用AI作为关键性组件构建应用的最佳圣地。
“深度学习”已经被许多高校纳入计算机科学课程，但还鲜有高校提供专门的学位——特别是AI学位。
凭借其深度学习研究所，英伟达公司计划面向“工业 、政府与学术界”提供“上手”式培训课程。Estes同时强调称，其目标在于“帮助开发人员、数据科学家与工程师了解如何对神经网络进行训练、优化与部署，从而解决不同学科所面临的现实问题。”
如何将AI引入应用？
Tirias Researh公司首席分析师Kevin Krewell在采访中表示，“深度学习的挑战在于很难上手，从业者往往也弄不清该如何将其引入传统应用开发当中。”
他同时指出，“我认为英伟达公司正致力于建立一套更为广泛的开发人员培训课程，旨在引导其适应机器学习的现有开发方法。不同于利用传统算法以执行任务，机器学习采用的是两段式流程——训练阶段与部署阶段。”
Krewell补充称，英伟达公司的优势在于“机器学习能够在GPU等加速器之上拥有更出色的处理表现，这就形成了与单纯CPU之间的比较优势”。
伴随着深度学习研究所项目的出炉，英伟达公司亦开始与各AI“框架”社区与高校建立起多项合作关系。目前其合作方已经包含Facebook、Amazon、谷歌（TensorFlow）、梅奥诊所、斯坦福大学以及Udacity。
这种与框架厂商间的合作至关重要，因为每一位AI应用程序开发者都需要依赖于云及深度学习资源。
Tirias Research公司首席wvsjgm Jim McGregor在采访中指出，“对于应用开发人员而言，最困难的就是获取云资源与大规模数据集。举例来说，移动供应商会将机器学习引入其设备，但要为这些设备开发应用，大家需要云/深度学习资源以及用于训练这些资源的数据集，而这些往往是移动开发者所很难获得的。”
英伟达公司能够提供硬件资源与成熟的软件模型，但McGregor补充称“开发人员仍然需要服务供应商与数据集的支持方能完成任务。”
根据英伟达方面的说明，该公司亦着手与微软Azure、IBM Power以及IBM Cloud团队进行协作，旨在将各类实验室内容移植于云解决方案当中。
英伟达公司目前已经开始向Adobe、阿里巴巴、印度IIT Bombay以及国家健康研究院（简称NIH，为全球规模最大的生物医学研究机构，属于美国健康与人类服务部的下边机构）等客户提供培训服务。
漫长的征途
Krewell认为“英伟达公司的深度学习方案之所以独一无二，是因为其强调‘上手’部分。”他解释称，“其它非高效项目基本仅提供在线培训内容，包括Udacity/谷歌免费课程。”
英伟达公司深度学习研究所项目内容简介（信息来源：英伟达公司）
在Krewell看来，英伟达深度学习研究所项目的目标在于“加快深度学习在实际编程工作中的推进速度，并由此将更多GPU组件引入长期开发流程。”
那么以Xilinx等其它芯片供应商为例，其提供的深度学习专用型FPGA是否能够提供类似的培训项目？
并不一定。Krewell表示，“FPGA目前在机器学习方面仍存在编程复杂度过高的问题。使用FPGA确有好处（大家亦可像谷歌那些利用TPU自行设计ASIC），但GPU更具通用性且提供现成选项。另外，GPU的功能也更为丰富。除了机器学习之外，GPU亦可用于处理图形计算任务。”
真实案例
英伟达公司计划着力宣传一批立足英伟达平台并开发出包含深度学习要素之程序/产品的企业。
作为其中之一，来自中国的初创企业Infervision公司已经开发出一套人工智能辅助型CT系统，可用于对肺癌进行诊断。
Chen Kuan, Infervision公司CEO
Infervision公司创始人Chen Kuan在很大程度上可以算是AI技术浪潮的标志性代表。他的项目展示了AI技术如何帮助放射科医生阅读CT扫描与X射线图像，从而更早且更为有效地检测肺癌患者的可疑病灶与结瘤。
Kuan并未参与过英伟达公司的开发者培训，但他在2012年于芝加哥大学攻读经济学与金融学专业时，曾受到英伟达公司一份深度学习平台介绍手册的启发。Kuan回忆称，“一位朋友把这份手册推荐给我，而我马上沉迷其中。”
在2012年的总统大选当中，Kuan与芝加哥大学及麻省理工学院中的其他学生一起开发出一款程序，其负责利用AI对Twitter内容进行归类，从而了解公众对于Barack Obama与Mitt Romney两位候选人的看法。
这也是Kuan所经历的第一次深度学习洗礼。2014年，作为在读博士生，他回到中国以立足各个行业寻求AI应用商机。经历了多次会议，一位来自中国顶级医院的放射科医生给出提议，认为深度学习驱动型癌症诊断方案大有可为。正是这一建议催生出Infervision公司，同时也让Kuan步入了事业正轨。
通过对这位医生意见进行提炼，Infervision最终拿出了项目草案。如今，Kuan表示中国已经有超过100家医院与Infervision合作，旨在对CT扫描/X射数据加以分析并进行结果比对。
而作为另一大助力，Kuan的深度学习产品亦借得AlphaGo的东风——这套由谷歌Deep Mind开发出的围棋AI成功在2015年首次击败人类职业棋手。到2016年，AlphaGo击败李世石的消息再度震惊世界。Kuan表示，“这一结果改变了中国医学界怀疑论者的想法。在此之前，人们其实并不真正信任深度学习软件。”
让机器自行学习
自上世纪九十年代开始，医生们一直在使用“R2等传统计算机机器视觉程序”检测肺癌疾病。然而与Infervision公司的新型深度学习程序不同，R2这类产品要求医生告知设备其要找到哪些迹象并对相关细节作出描述。开发此类程序往往需要丰富的专业经验，但Kuan表示其准确度却“仍然不高”。
目前，Infervision公司能够引导机器自主完成学习。“机器已经能够自行学习相关领域中的要点并找到具体特征，”Kuan解释称。但他同时补充道，机器学习仍然依赖于医院收集到的大量数据，且需要投入相当多的时间。
幸运的是，自2002年爆发非典以来，中国政府已经在各大医院推行新的IT系统。多数顶尖医院亦拥有自己的数据中心，用于存储所有成像数据。当然，他承认并非所有存储图像都完美可用。“如果存储数据的分辨率较低，那么其就属于典型的垃圾素材。”
目前，Infervision公司正与早期采用者合作以检查程序的测试效果。为了实现业务扩展，Infervision公司亦在等待中国食品药品监督管理局（简称CFDA）的批准。
武汉同济医院的医生在使用Infervision公司的产品（图片来源：Infervision公司）
到目前为止，Kuan表示计算机的诊断结果与人类放射科专家相比，确实“很有发展前途”。事实上，对于尺寸大于6毫米的癌变结瘤，计算机与医师拥有基本相当的判断能力; 但如果结瘤小于3毫米，则计算机的表现明显更好。
Kuan承认，科学家们无法解释计算机如何得出判断结论——这正是深度学习技术的一大缺点。然而，深度学习软件的目标并非取代放射科医师。他解释称，其关键在于利用计算机来验证专家给出的结果是否正确。
原文发布时间为：2017年5月13日
本文作者：黄雅琦