計算能力是研究的基礎

• 2019 年 10 月 7 日
• 筆記

據估計，麻省理工學院對電腦的需求有五倍的缺口，為了幫助緩解危機，工業界已經介入。IBM最近捐贈的一台價值1160萬美元的超級電腦將於今年秋季上線，在過去的一年裡，IBM和Google都為麻省理工學院的智慧探索提供了雲計算，具體項目如下：

更小、更快、更智慧的神經網路

通常情況下，神經網路在訓練過程後進行修剪，然後去除不相關的連接，如果一開始就能找到正確的子網路，那麼神經網路的連接數只需十分之一。既然如此，那為什麼不從訓練小模型開始呢?

弗蘭克在筆記型電腦電腦上試驗了一個雙神經元網路，得到了令人鼓舞的結果，通過IBM Cloud，他獲得了足夠的計算能力來訓練一個真正的ResNet模型，並在Facebook的辦公室里發表了上述言論。

分辨真假新聞

如果技術造成了問題，那麼技術也可以解決問題。——這就是Nadeem選擇開展superUROP項目的原因，該項目的重點是：建立一個自動化系統，以打擊虛假和誤導性新聞。

在Google雲平台的幫助下，Nadeem進行了核實事實的語言模型實驗，並建立了一個互動網站，讓用戶可以立即評估索賠的準確性。他和他的合著者在6月份的北美計算語言學協會(NAACL)會議上展示了他們的研究結果，並表示將繼續擴展這項工作。

通過一些動作識別運動員

只需要幾個動作，電腦視覺模型就可以在賽場上的運動員群體中識別出單個運動員個體。這是由麻省理工學院(MIT)智慧探索(Quest for Intelligence)研究員凱瑟琳·加拉格爾(Katherine Gallagher)領導的一個團隊進行的初步研究得出的結論。

研究小組對電腦視覺模型進行了網球、足球和籃球比賽的錄像訓練，結果發現，這些模型只需要幾幀就能從球員身上的關鍵點辨認出他們的個人，從而勾勒出他們的骨骼輪廓。

該團隊使用Google雲API來處理影片數據，並將他們的模型的性能與Google雲的AI平台上訓練的模型進行了比較，研究結果與運動分析系統中的自動球員識別有關，並且可以為進一步研究推斷球員疲勞、預測何時應該換下球員提供基礎。自動姿態檢測還可以幫助運動員改進他們的技術，使他們能夠分離出與高爾夫球手的專業擊球或網球運動員獲勝揮杆相關的精確動作。

三個例子簡單明了，也很有意思，但我想表達的卻是，如果沒有IBM與Google提供幫助，那麼這些有趣的研究將何去何從呢？

-END-