近年来人工智能开始真正进入了人们的生活，开始与各行业应用融合，并让原有的应用更高效、更智能。比如在在线教育行业，"小猿搜题"运用浪潮NF5568M4 GPU服务器将其线下模型训练时间提升5-6倍，让老师从重复性的试题解答中解放出来。
随着计算能力的提升和数据量的积累，近年来人工智能开始真正进入了人们的生活，开始与各行业应用融合，并让原有的应用更高效、更智能。有人甚至扬言，人工智能在不远的将来将会取代一部分人的工作。其实，目前来看，人工智能在现阶段的主要目标是把人们从重复性、可量化的工作中解放出来，类似于机器代替人手，只不过这次技术变革是将人脑从简单重复工作中释放。
小猿搜题，以人工智能方式升级在线教育模式
人工智能让机器也成为"老师"
就像目前教育行业也在越来越多的运用人工智能，比如在线教育App"小猿搜题"，如果你有不会的题目，通过手机拍照上传，不论是印刷体还是手写体，都能被机器识别，并与后端的题库进行快速匹配，在短短数秒钟得出详细的解答。
要知道，原来每个老师最多也就对应几十、一百多点的学生，而现在在线教育所面向的手中又何止千万，已经远远超出老师人工解答的极限，因此"小猿搜题"这种人工智能+教育的形式，极大地解放了老师对于重复性问题的解答，同时也让学生们能够最快捷地得到最准确的解题思路。
机器已经可以轻松识别手写字体
"AI老师"背后是海量数据的计算
让机器能够快速、准确的回答问题需要几步？首先，机器需要认字，不仅是汉字，还包括英文字母、英文单词、数学中常用的符号等；其次，机器在看到文字之后能够快速的识别、辨认，并将题目转化为可以被机器匹配的数据；最后将这部分数据与后台海量的数据库进行匹配，找到其中的完美匹配项，并将这个匹配项所对应的答案进行输出。从中可以看出，机器的认字和识别，正是人工智能应用中最常被用到的图像识别的一种，前者需要通过数以亿计的样本训练来创建相应的模型，而后者则是根据模型定义的特征识别出文字、符号。
由于每个人的手写习惯不同，识别手写体成为了图像预处理和切分之后首先要面临的挑战，通过大量的样本找到手写习惯的共同特征，如习惯向右倾斜着写或者中文之间没有空格等。更复杂的是数学题的识别，因为数学题目中有大量的复杂公式需要识别，比如根号、分式、上下标的各种组合。这不仅要进行正确的切分，还需要有合理的匹配识别。解决以上两个问题都需要用到深度学习，通过构建卷积神经网络或者递归神经网络，将大量的数据源通过神经网络法计算之后得到符合需求的模型，为最终的使用提供服务。
浪潮AI计算力，让小猿搜题效率提升6倍
不论是创建何种神经网络，都需要对海量样本进行分析，因此对于后端服务器的计算压力极大。因此采用GPU等协处理计算设备来加速人工智能应用成为主流，在线下模型训练中通常会采用核数更多、并行计算能力更强的GPU服务器，而在线上推理应用中可以采用FPGA这种轻量级的计算加速设备。
浪潮NF5568M4 GPU服务器
由于手写字体差异极大，需要大量的模型训练任务，因此"小猿搜题"的技术团队选择浪潮NF5568M4 GPU服务器来加速业务的快速上线。浪潮NF5568M4采用Intel最新Haswell处理器与GPU加速计算技术的协同，CPU主要承担其更擅长的逻辑选择、判断跳转和IO通信方面的职责，而GPU则专职计算密集型、高度并行的计算工作，使得计算资源合理的分配，计算力被充分释放，计算性能达到从几倍到几十倍的增长。NF5568M4在4U空间内配备双路E5-2600v4CPU和4块GPU卡，单机最高单精度浮点计算能力可达每秒40万亿次，将能极大的提升"小猿搜题"海量样本的处理效率。
而在存储方面，GPU计算每天会产生大量的数据，所以存储空间需要保证单机10TB以上。但是由于这部分数据数据属于缓慢写入，并不需要太高的IO，所以采用大容量SATA硬盘来支持就足够满足。NF5568M4支持8块3.5寸硬盘，并通过配置高速的阵列卡，使计算集群拥有500MB/s左右的IO吞吐，足以满足"小猿搜题"线下模型训练应用需求。
通过合理的计算硬件选型，"小猿搜题"在线下模型训练时可以将训练时间提升5-6倍，而线上预测速度也得到2-4倍的提升，再经过语言模型的纠错，小猿搜题最终实现题目拍照之后"秒懂你的心"的效果。
目前，浪潮人工智能相关解决方案在国内主流AI领域的占有率超过80%，为百度、阿里巴巴、腾讯、奇虎、搜狗、科大讯飞、今日头条、Face++等领先企业提供基于GPU/FPGA/KNL等协处理加速服务器和caffe-MPI等软件、算法优化服务，加速中国人工智能应用的发展。
原文发布时间为：2017年5月18日
本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。
