Технології машинного навчання і штучного інтелекту на базі нейронних мереж в наші дні є широко затребуваними, на них покладаються великі надії в самих різних промислових і наукових галузях. Очевидно також, що тенденція до распараллеливанию програмних алгоритмів і не думає скорочуватися, але не всякий софт добре масштабується в міру зростання кількості обчислювальних блоків. Компанія IBM це розуміє добре - вона активно працює над оптимізацією програмного забезпечення нейронних мереж. Буквально на днях розробники «блакитного гіганта» продемонстрували нове ПЗ, яке одночасно прискорює навчання нейронних мереж і підвищує акуратність самого навчання.
Домогтися цього вдалося шляхом програмної оптимізації масштабування при збільшенні кількості графічних прискорювачів в системі. Дослідницька група, очолювана Хіллер Хантер (Hillery Hunter), сфокусувала свої зусилля на зменшенні часу тренування нейромереж на великих обсягах даних. У таких завданнях чекати отримання результату можна годинами і навіть днями, а завданням дослідників було домогтися скорочення цього часового проміжку до хвилин або навіть секунд при збереженні або підвищенні точності. Для цього довелося активно оптимізувати фірмове програмне забезпечення IBM для ефективної роботи в системах з великою кількістю GPU-прискорювачів.
