比利时布鲁塞尔东部，鲁汶大学的微型芯片研究小组正焦急地等待着Facebook从硅谷总部运送过来的超级服务器。Marian Verhelst是鲁汶大学的一名副教授。她知道，有了这些超级服务器强大计算能力的加持，他们的深度学习技术项目进展将会更加迅速。

这已经不是Facebook 第一次捐赠超级服务器了。此前，他们曾经给柏林大学送出了4台 GPU 服务器。为了更好地推动 AI 技术的发展，在今年8月底，Facebook 宣布了新的最终捐赠名单，鲁汶大学就是其中之一。这次，Facebook 计划向欧洲 9 个国家的众多高校捐赠一共 22 台 GPU 加速服务器。

GPU 之所以对 AI 技术的发展至关重要，原因就在于其中具有强大运算能力的图像处理模块。和其他不具备这一组成的设备相比，它能够极大地提高运算效率。要发展机器学习，关键在于基于神经网络的深度学习系统，如果利用普通的计算机进行运算，其中需要处理的庞大数据意味着更长的加工时间。GPU 计算机的出现则更够很好地解决这一矛盾—— 一方面，它把运算量庞大的处理任务分配给 GPU 执行;而日常的任务则交由 CPU 处理。

AI人才之争

将视线转回到美国，我们不难发现，近年来，随着 AI 技术的兴起和发展，所有巨头都在加紧笼络人才的步伐。就拿 Facebook 和谷歌来说，从语音识别到内容定制，两家公司都在不断优化自身的深度学习算法。

但人才争夺的战争并不局限在美国本土，目前已经延伸到了大西洋对岸的欧洲地区——这些巨头几乎可以说对欧洲的顶尖研究人才进行了“地毯式”的挖掘搜索。或许大家都听过谷歌的人工智能“深梦”(Deep Dream), 但可能很少人知道最初这是由谷歌瑞士苏黎世实验室的一名工程师研发的。时至今日，Deep Dream 已经成为 AI 领域最顶尖的技术之一。巨头们都开始意识到：不能轻易放走任何一个人才。于是就在今年 6 月份，谷歌在苏黎世建立起自己的机器学习研究中心。Facebook 捐赠的这些服务器，能否成功加入这场人才争夺的角逐?

Verhelst 的回答或许能给我们一些提示，“这些服务器的计算效率很高，它们将会极大提高我们的研发效率。”

Verhelst 对这些服务器已经有了明确的打算。她希望能够利用这些设备打造更优化、所需计算量更少的深度学习架构——这样的技术对于 AI 的普及具有重大意义。Verhelst 表示，它们可以极大减少运算过程的功耗、缩减计算设备的体积，未来甚至可以做到与移动设备的结合。除了 Verhelst 外，鲁汶大学的另外四名教授也正打算利用这些强大的设备完成一系列的 AI 任务，包括影像图像识别、机器学习等等。

联合与共享才是最高效率的发展方式

作为得到这些设备的条件，Facebook 要求研究人员将自己的成果开源，让所有 AI 社区的参与者都能在这些研究成果上学习和研发打造自己的技术。目前，Facebook 在 AI 上的研究主要集中在图像识别和用户定制反馈方面。

目前，共享机器学习的研究成果已经成为科技巨头的常态。每个人都希望能够“集百家之长”，打造出更具突破性的未来技术。今年 8 月，Facebook 首次在 GitHub 上将自身的 AI 代码 fastText 开源。这是一项能够识别语句的人工智能技术，能够快速完成句子的识别和分类。

Fcebook 并不是开源的唯一巨头。微软早在 1 月份时也在 GitHub 上公布了他们的 CNTK 技术;谷歌在去年 11 月份也在同一平台公布了机器学习技术 TensorFlow。

“想法是没有垄断之说的。只有在众多研究人员互相学习和借鉴的基础上，才能促进整个行业领域的进步。互相交流的范围越广，进步的速度就越快。”在一份 Facebook 的公开博文中，AI 研究中心负责人 Serkan Piantino 和 Floerent Perronnin 表示。

本文转自d1net（转载）