在去年4月的全球開發者大會上，紮克伯格暢想了未來十年facebook的人工智能發展藍圖：成為整個社交網站的核心動力。接近一年過去，可以看到facebook至少在硬體上是沒有停下腳步。
3月9日，facebook工程師kevin lee宣布，為了進一步加速神經網絡的訓練，将推出新一代gpu伺服器big basin。新一代的伺服器其實是2015年facebook推出的big sur伺服器的更新版，并且同樣都會在open computer project平台上進行開源。
無論人工智能還是機器學習，它們出現在人們面前的形象常常是算法和代碼，而伺服器則是背後“看得見摸得着”的那一部分。big sur一直是facebook發展人工智能的利器，其強大的計算能力為facebook語言技術和圖像技術提供支援。這次的硬體更新将存儲量從12g提升到16g，模型訓練量能夠再提升30%，同時在進行神經網絡訓練時，其訓練速度能比big sur高出一倍。
undefined
與nvidia的dgx-1架構非常相似，big basin由8個nvidia tesla p100 gpu （搭載nvlink技術的 tesla p100加速器）加速器組成，這些gpu們由 nvidia nvlink連接配接在一起組成了一個盒子。這個伺服器也被公司成為jbog ( just a bunch of gpus )——一堆gpu，這一大堆gpu的能量就意味着足夠為機器學習提供支援。
不像無人車和機器人，facebook本身的社交平台屬性弱化了人工智能技術的外露特征，讓很多使用者感受不到人工智能的沖擊力，但其實我們日常使用的很多facebook 服務無一不是人工智能在背後發生作用：語音識别、語音文字轉換、圖像的分類和識别，big basin 和它的前身 big sur 就是實作這些服務的重要支撐。
你每天能多做3套模拟題的結果可能是期末多考30分，機器學習每天多訓練30%的模型，結果可能就是更精準地圖檔識别、更快速的語音識别、更合理的資訊推薦，每一個facebook的使用者作為閱卷老師，最後都應該能體會到這樣的變化。
人工智能是很多科技公司的急于搶占的陣地，對 facebook 而言則是“阿喀琉斯之踵”。一是因為 facebook 本身入局較晚，二是缺乏殺手級應用。
在人工智能浪潮中，科技公司要站穩腳跟就需要為自己找到一塊壁壘。google被認為是走在人工智能行業的前列，從 tenserflow 開源平台到旗下的 deepmind 人工智能公司，從成績斐然的圍棋算法到離商業化最近的雲服務和智能家居，google 戰略布局思路可以說是很清晰了。而其他的科技公司，即便觸手沒有伸到四面八方，但也有自己的戰略根據地，微軟有 cortana platform、ibm 有 watson。
相對而言 facebook 就略顯薄弱，雖然在去年推出 messenger 聊天機器人，準備打造大型聊天機器人生态系統，但是前段時間來自外媒 the information 的調查報告顯示，messenger 聊天機器人在沒有人為幹預的情況下，能準确處理使用者請求的準确率還不到30%。這70%的錯誤率揭開 facebook 在人工智能研究領域研究處于弱勢的傷疤，facebook 也決定削減一些開支，讓 messenger 從低品質聊天中轉型，隻做一些特殊問題的處理。
facebook 削減開支的是打人工智能的退堂鼓了？從今天新硬體産品的更新看來并非如此，而是把注意力轉移到提升基礎設施上，畢竟身體是革命的本錢
本文轉自d1net（轉載）
![241 Different Ways to Add Parentheses（C代碼版）[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)