如果不是造化弄人，我現(xiàn)在已經(jīng)是某某公司的CEO了……
最近上海垃圾分類以來，許多人都變了：珍珠奶茶也不喝了，外賣也不點了，丟個垃圾戰(zhàn)戰(zhàn)兢兢跟期末考試一樣，繼“今天誰洗碗？”之后，兩口子間的爭執(zhí)又多了一個：“今天誰去倒垃圾？”
看到這些新聞，我一拍大腿，“啊呀”叫出聲：造化弄人啊，如果我?guī)啄昵疤岬腁I分類付諸實施，現(xiàn)在的人哪需要受這種罪啊！而且我的想法一定符合時代需要，要是當(dāng)初落地了，沒準(zhǔn)兒我現(xiàn)在就是個CEO了！
事情還要從幾年前說起。
當(dāng)時我們五六個人組隊參加大學(xué)生創(chuàng)業(yè)比賽，以設(shè)立一家公司的形式，對公司前期籌備、后期經(jīng)營、財務(wù)管理狀況做出規(guī)劃，最終形成商業(yè)計劃書提交。
“第一步我們要開動腦筋，想一下生活中，人們有哪些需求沒有被滿足？先把公司業(yè)務(wù)確定下來，一周后咱們碰碰想法。”組長在第一次開會中總結(jié)道。
生活中那些不便和痛苦的細(xì)節(jié)里，往往隱藏著無限商機。
為此，我絞盡腦汁遍歷生活里各種不便的瞬間，終于梳理出一個非常有前景的朝陽項目：
利用AI進(jìn)行垃圾分類
每次提著一袋子垃圾，來到標(biāo)著“可回收物”、“不可回收物”的垃圾桶面前，我都要猶豫好幾秒鐘——這到底是可回收還是不可回收？究竟哪些是可回收的，哪些又是不可回收的？自己心里沒譜兒，現(xiàn)場查資料又費勁，最后只得憑感覺投遞，結(jié)果當(dāng)然不可避免地錯誤百出，也導(dǎo)致這個可回收和不可回收的垃圾桶失去了意義。
“快速簡便地進(jìn)行垃圾分類就是需求，這么多垃圾，人為分類麻煩，不如叫機器替我們做，在垃圾桶上安放智能AI系統(tǒng)，來垃圾了掃描一下，自動判斷該投入什么垃圾桶，省時高效，對環(huán)境相當(dāng)友好！
我喜不自勝，在第二次會議上提出這個點子，等著大家的認(rèn)可。
然而，組長一句權(quán)威引用，讓這個會在未來大放異彩的朝陽項目胎死腹中——
“沒用的，某當(dāng)紅明星說過，他曾經(jīng)特別認(rèn)真地把垃圾分好類，分別投進(jìn)可回收和不可回收垃圾桶，然而保潔阿姨清理時卻一股腦地把所有垃圾都混在一起，任你之前分得多仔細(xì)都沒用！”組長搖頭否決。
好吧(°ー°〃)，礙于這位明星的權(quán)威，我沒再堅持，轉(zhuǎn)而跟大家談?wù)搫e的點子，雖然最后方案交上去以后，我們組慘遭淘汰多年來，我也默認(rèn)了垃圾分類無法貫徹的結(jié)論，這個歷史難題就交給歷史去解決吧，有關(guān)AI智能分類的想法漸漸隨風(fēng)逝去……直到今年上海推出垃圾分類管理條例后，支付寶上線的垃圾分類小程序火速躥紅，我才感到會心一擊：這不就是我?guī)啄昵氨欢髿⒌狞c子嗎？當(dāng)年被認(rèn)為無用的垃圾分類，竟然站到了歷史高點，成為舉國參與的大運動！
可悲可嘆！我就問一句，組長，你后悔了嗎？
我把這個事情講給朋友聽，朋友不以為然，垃圾分類固然是大勢所趨，可你那AI分類太難了，目前的科技還沒達(dá)到那個水平吧……
那你可低估AI了，它不會的，可以學(xué)呀！
垃圾分類交給AI
在這個言必談AI的時代，人們一提到AI，伴隨而來的就是ML（機器學(xué)習(xí)）、DL（深度學(xué)習(xí)），這三者之間究竟有什么關(guān)系呢？
人工智能（AI）
在1956年作為一個獨立學(xué)科誕生，其理論包括計劃、理解語言、識別物體和聲音、學(xué)習(xí)和解決問題。AI又分為強AI和弱AI：強AI即科幻電影里無所不能的機器人，所有技能都強于人類；現(xiàn)在我們談的AI大多是弱AI，像AlphaGo通過不斷學(xué)習(xí)、改進(jìn)算法，在下圍棋這件事情上能夠戰(zhàn)勝人類棋王，但在其他領(lǐng)域一無所能。
機器學(xué)習(xí)（ML）
AI的一個子集，顧名思義，讓機器具備獲取知識的能力，利用算法解析原始數(shù)據(jù)，不斷學(xué)習(xí)來對發(fā)生的事務(wù)做出判斷和預(yù)測。機器的學(xué)習(xí)思維和人腦有很大的差距，在底層需要大量的數(shù)學(xué)理論作為技術(shù)支撐，常見的如決策樹、貝葉斯網(wǎng)絡(luò)、支持向量機等。
深度學(xué)習(xí)（DL）
目前實現(xiàn)AI先進(jìn)的技術(shù)，利用多層人工神經(jīng)網(wǎng)絡(luò)構(gòu)建的算法模型，得出我們所期望的結(jié)果。深度學(xué)習(xí)分為訓(xùn)練和推理兩個階段，訓(xùn)練階段中，從原始數(shù)據(jù)經(jīng)過算法分析得到預(yù)估值的過程稱為前向傳播，將預(yù)估值與原始數(shù)據(jù)之間的差異迭代修正參數(shù)的過程稱為反向傳播，在這不停地試錯過程中得出一個趨近完美的模型。將訓(xùn)練好的模型放到實際生產(chǎn)業(yè)務(wù)中應(yīng)用，即推理階段。
簡單一句話：機器學(xué)習(xí)是實現(xiàn)人工智能的一種方式，深度學(xué)習(xí)是機器學(xué)習(xí)的一種技術(shù)手段。
就像垃圾分類小程序里，輸入某種垃圾會有相應(yīng)分類跳出來，我們也可以把這些原始素材庫“喂”給AI，建立模型進(jìn)行訓(xùn)練，最終讓它學(xué)會垃圾自動分類并應(yīng)用出去，而且這兩年隨著AI崛起，計算機視覺系統(tǒng)自動篩選也讓智能垃圾分類成了可能。
從此，人們再也不用為那些“珍珠奶茶幾步走”，“到底多大尺寸的豬大骨才算干垃圾標(biāo)準(zhǔn)下的豬大骨”等五花八門的分類要求心煩了——垃圾桶前一掃描，AI告訴你怎么放，人做著不容易的，交給機器去做，豈不是簡單快捷、省時省力？
要實踐，要落地
那么問題來了，如何落地？機器學(xué)習(xí)大量建模、調(diào)參、訓(xùn)練的過程，肯定離不開一個高性能基礎(chǔ)平臺吧！
那當(dāng)然，OpenAI研究報告顯示：2012年起AI消耗的計算力平均每3.5個月增長一倍，過去6年已增長了30萬倍。人工智能產(chǎn)業(yè)快速發(fā)展驅(qū)動AI計算向精細(xì)化、集群化、多元化邁進(jìn)，如今構(gòu)建高性能的AI基礎(chǔ)架構(gòu)平臺，更需要端到端進(jìn)行基礎(chǔ)架構(gòu)設(shè)計。
這不，今年夏天戴爾易安信就推出了一款A(yù)I基礎(chǔ)架構(gòu)平臺——DSS 8440。
DSS 8440是一款2路4U服務(wù)器，專為機器學(xué)習(xí)應(yīng)用程序和其他需要高計算性能的高要求工作負(fù)載設(shè)計，配備多達(dá)10個加速器、高速PCIe結(jié)構(gòu)和大量的本地存儲，非常適用于機器學(xué)習(xí)、訓(xùn)練應(yīng)用程序以及其他計算密集型工作負(fù)載。
DSS 8440專門針對復(fù)雜的訓(xùn)練階段進(jìn)行設(shè)計，可提供更高算力，快速處理復(fù)雜的工作負(fù)載（如圖像識別、面部識別及自然語言處理）。
（機器學(xué)習(xí)訓(xùn)練流程）
機器學(xué)習(xí)包括兩個階段：訓(xùn)練（training）和推理（inference），雖然這兩個階段都可以通過GPU進(jìn)行加速，但是它們實現(xiàn)的方式卻不相同。
機器學(xué)習(xí)訓(xùn)練階段通過加權(quán)的多層算法，將大量數(shù)據(jù)迭代計算“訓(xùn)練”出模型，與特定的目標(biāo)結(jié)果進(jìn)行比較、不斷調(diào)整參數(shù)使其最終形成一個“訓(xùn)練有素”的模型；
推理階段是將訓(xùn)練好的模型用于生產(chǎn)中，基于生產(chǎn)數(shù)據(jù)做出相應(yīng)預(yù)測。
（機器學(xué)習(xí)推理流程）
除了超高算力，DSS 8440還具備以下特點：
特 點
☑ GPU密度高
4U機箱內(nèi)可支持10塊NVIDIA Tesla V100 GPU，相比友商8卡機型，單機密度提升25%；針對大模型訓(xùn)練，更多GPU卡同時參與任務(wù)訓(xùn)練，提升數(shù)據(jù)并行或者模型并行的訓(xùn)練速度；針對多用戶共享GPU平臺，更多GPU卡可支持更多用戶在線進(jìn)行模型訓(xùn)練。
☑ 環(huán)境適應(yīng)能力強
在35℃環(huán)境中支持高達(dá)205W CPU，配置性能更強的處理器，提供模型訓(xùn)練更高的數(shù)據(jù)處理能力和調(diào)度性能；在機器前端有12個大尺寸風(fēng)扇，充分保障GPU自身散熱，使GPU保持好的性能狀態(tài)，并且減少機房空調(diào)耗電，起到綠色節(jié)能的作用。
☑ 更多本地存儲空間
機箱內(nèi)部支持10塊本地硬盤（NVMe SSD和SAS/SATA SSD），滿足本地訓(xùn)練數(shù)據(jù)集存儲容量要求和KB級別小文件（圖像、語音）IO性能要求，提高文件數(shù)據(jù)導(dǎo)入導(dǎo)出速度。
☑ I/O擴(kuò)展能力好
在滿配了10塊GPU后，依然可以提供10個x16 PCI-E槽位用于擴(kuò)展IO流量；擴(kuò)展Infiniband 100Gb EDR，100Gb/25Gb低延遲以太網(wǎng)絡(luò)，并且支持RDMA技術(shù)實現(xiàn)GPU direct computing；提供遠(yuǎn)程節(jié)點間GPU直接訪問，可大程度降低GPU服務(wù)器之間的通信延遲。
DSS 8440適合的工作負(fù)載：
▐ 深度學(xué)習(xí)
DSS 8440的高密集型加速器非常適合機器學(xué)習(xí)訓(xùn)練任務(wù)——（例如：圖像識別、氣候建模、自然語言處理等），能夠為各種開源軟件框架及其相關(guān)的優(yōu)化數(shù)學(xué)庫提供高性能。
此外，它還支持創(chuàng)建高度復(fù)雜的多層神經(jīng)網(wǎng)絡(luò)，在更低的成本基礎(chǔ)上，提供和同等競爭性訓(xùn)練產(chǎn)品一樣的速度。
▐ HPC/計算密集型
DSS 8440可為科學(xué)和工程環(huán)境中的建模、仿真和預(yù)測分析等需要大量計算的工作負(fù)載提供更高的效率和生產(chǎn)力水平；DSS 8440單個機箱中使用多達(dá)10個GPU，為多個部門和工作負(fù)載提供資源，使用戶獲得更高的操作靈活性。
有了這樣的利器，垃圾分類不再發(fā)愁！
《上海灘之垃圾分類》
紙巾~（噔噔噔~）
干垃圾~（噔噔噔~）
不管多濕它都是干垃圾~
瓜子皮~（噔噔噔~）
濕垃圾~（噔噔噔~）
不管多干它都是濕垃圾~
相關(guān)閱讀推薦：報告說，協(xié)作式AI、多模界面等四種技術(shù)將幫助企業(yè)面向未來業(yè)務(wù)
了解更多數(shù)字化轉(zhuǎn)型方案查看此鏈接：
https://www.dellemc-solution.com/home/index.html
