毫無疑問，這個世界正處于一個重大變革的邊緣——人工智能(AI)和機器學習(ML)將像空氣一樣滲透到我們的生活中，如同互聯(lián)網(wǎng)對我們的滲透一樣。人工智能可以分析信息，發(fā)現(xiàn)異常情況并能夠比人更快地做出明智的決策，并且會成為幫助我們更好地完成工作的重要工具。
然而，人工智能的采用在垂直方向上差異很大。人工智能領(lǐng)域的其中一個行業(yè)是醫(yī)療，因為它可能會產(chǎn)生救死扶傷的效果。
其中一個很好的例子是位于波士頓的MGH&BWH臨床數(shù)據(jù)科學中心——Mass General Hospital(MGH)和Brigham and Women's Hospital(BWH)合作的產(chǎn)物，為醫(yī)療事業(yè)開發(fā)、推廣并對人工智能進行商業(yè)化——一直在加速分析磁共振圖像(MRI)的過程。
我最近與MGH&BWH臨床數(shù)據(jù)科學中心(CCDS)的高級機器學習科學家Neil Tenenholtz進行了交談，以更好地了解該組織正在做什么以及如何利用英偉達的DGX工作站為他們的計劃提供支持。(注：英偉達是ZK Research的客戶。)
DGX Station為桌面設(shè)備帶來數(shù)據(jù)中心般的能力
我們可以將DGX Station看作是桌面型的，支持GPU的超級計算機。英偉達(NVIDIA)的主要人工智能平臺是DGX-1，它是一款可安裝8個NVIDIA Tesla V100 GPU的機架式服務(wù)器。位于數(shù)據(jù)中心的服務(wù)器所面臨的難題是數(shù)據(jù)科學家需要與IT部門合作，為該特定任務(wù)配置DGX-1。這通常會產(chǎn)生滯后時間，妨礙研究人員分析數(shù)據(jù)和進行深度學習實驗。
DGX Station是一種便攜的，工作站規(guī)格，由4個Tesla V100 GPU提供支持。盡管規(guī)格緊湊，但4 GPU系統(tǒng)的計算能力相當于大約400個x86 CPU，使得DGX工作站成為人工智能、機器學習和數(shù)據(jù)分析等計算密集型工藝的理想選擇。
人工智能可以提高放射科醫(yī)生的效率
Tenenholtz團隊的使命是開發(fā)專門用于放射學的基于人工智能的模型，并將其融入放射科醫(yī)生的臨床工作流程中。成功的模型可以授權(quán)給外部合作伙伴，也可以通過初創(chuàng)公司自立門戶并實現(xiàn)商業(yè)化，因此全球各地的醫(yī)院都可以使用它們。
在高層次上，該中心試圖證明，基于人工智能的模型能夠比人工完成的分析更快，更高效地改善放射科醫(yī)生和內(nèi)科醫(yī)生的效率。我們要明白人工智能不是用來替代臨床醫(yī)生，而是成為下一代放射科醫(yī)生的另一種工具，這一點很重要。
GAN加速了人工智能訓練
DGX電臺目前正在使用的項目是用于核磁共振的大腦“GAN”。GAN是一個“生成對抗網(wǎng)絡(luò)(generative adversarial network)”，它是一類用于無監(jiān)督機器學習的人工智能算法，它由兩部分組成：生成器創(chuàng)建合成影像，判別器評估它們，以確定它們是否真實。這兩個組件都可能具有很高的價值。
在CCDS用例中，發(fā)生器創(chuàng)建合成的腦MRI，判別器評估它們。Tenenholtz解釋說，GAN的目標是并行地訓練這兩個系統(tǒng)。隨著時間的推移，生成器將更加準確地創(chuàng)建可用于增強腫瘤分割算法(tumor segmentation)訓練集的合成腦成像。
另一方面，學習檢測類似于大腦特征的判別器(discriminator)可以在未來的“轉(zhuǎn)移學習(transfer learning)”應(yīng)用中加以利用，這個過程中，一個任務(wù)上訓練出來的算法可以用到另一個任務(wù)上——在另一個任務(wù)的訓練例子少于訓練新算法所需的例子時。因此，鑒別器可用于檢測其它更罕見的腦異常。
如果沒有預(yù)先訓練的模型，就需要分析數(shù)以萬計的影像。有了它，數(shù)量可以顯著減少。
DGX站的交鑰匙性質(zhì)催生了“開箱即用”人工智能研究
我向Tenenholtz詢問了使用DGX Station、DGX-1或其它帶有GPU的電腦的好處，他解釋了使用DGX Station的理由。
MGH的數(shù)據(jù)中心目前有四臺DGX-1服務(wù)器，但醫(yī)院范圍內(nèi)的資源所面臨的一個難題是在系統(tǒng)上獲得時間。他承認，雖然他們正在做的工作很重要，但這工作不會優(yōu)先于一些醫(yī)院系統(tǒng)。這可能會推遲項目的進展，因此很明顯他們需要專門的資源。
他們本來可以使用一臺帶有4個英偉達GPU的小型服務(wù)器，但是處理器之間的通信是通過PCI Express總線進行處理的，PCI Express總線可能會因數(shù)據(jù)量過大而不堪重負。DGX Station擁有一個名為NVIDIA NVLink的專用連接接口，可將GPU與PCI Express插槽分離，以加快數(shù)據(jù)傳輸速度。
GPU計算面臨的難題之一是向GPU提供足夠的數(shù)據(jù)來處理并保持它們的利用率。NVLink不會飽和并像PCI一樣停滯。
另一個好處是所有部件都經(jīng)過預(yù)先配置和優(yōu)化，并且軟件和應(yīng)用程序都適配了硬件。不需要安裝什么驅(qū)動程序或更新什么版本。
Tenenholtz說：“隨著機器學習領(lǐng)域的飛速發(fā)展，開發(fā)人員的生產(chǎn)力至關(guān)重要。因此，任何能讓科學家在幾分鐘內(nèi)從拆箱到進行分布式模型訓練的解決方案都是非?？扇〉摹?rdquo;
作為分析師，我看到技術(shù)浪潮來來去去。多年前，IT行業(yè)主要由硬件平臺主導。過去十年來，“軟件創(chuàng)新”已成為新的潮流。我相信我們達到了這樣的程度——擁有優(yōu)化軟件的專用硬件才是將我們推向人工智能時代所需的東西。
谷歌和亞馬遜這樣的全網(wǎng)域(web-scale)公司都有專人將軟件運行在商業(yè)硬件上，確保其性能達到最佳狀態(tài)。像MGH這樣的組織難得有這樣的機會，它需要像DGX Station這樣管用的工具，所以他們得以開始工作。
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net原創(chuàng)，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責任的權(quán)利。
京公網(wǎng)安備 11010502049343號