人工智能预处理建构模块加速大数据机器学习算法案例解读

IBM苏黎世实验室(IBM Zurich)的研究人员开发出通用的人工智能(AI)预处理建构模块，据称可较现有方法加速大数据(Big Data)机器学习算法至少10倍以上。

在日前于美国加州长滩举行的神经信息处理系统大会(NIPS 2017)上，IBM在发表这种新途径时解释，它采用了数学对偶性(duality)，在Big Data串流中精心挑选能发挥效用的项目，并略过其余无效的选项。

IBM Zurich研究人员Celestine Dünner说：“我们的动机在于，当缺少足够的内存来为Big Data机器学习保存所有的数据时，如何使用硬件加速器，如绘图处理器(GPU)和现场可编程数组(FPGA)。”Celestine Dünner同时也是这一算法的共同发明人。

IBM Zurich数学家Thomas Parnell则表示：“我们应该算是最先提供了可加速10倍的通用解决方案。特别是针对传统的线性机器学习模型(目前广泛用于规模太大而无法用于神经网络进行训练的数据集)，我们在最佳参考方案的基础上建置相关技术，并展示了至少10倍的加速方案。”

IBM苏黎世研究人员Thomas Parnell和Celestine Dünner讨论在NIPS 2017发表的预处理算法。

在一开始的展示中，研究人员使用Nvidia Quadro M4000 GPU搭配8GB内存，在容量约30GB的4万张照片数据集上进行训练——该照片数据集采用支持向量机器(SVM)的算法，先将影像解析为各种类别以进行辨识。SVM算法还可为所学习的模型建立几何式解读，这和无法证实其结论的神经网络是不一样的。IBM的数据预处理方法让该算法可在不到1分钟的时间完成执行，比目前采用有限内存训练的方法更快10倍。

该技术的关键在于对每个数据点进行预处理，查看它是不是已经处理数据点的数学对偶。如果是的话，那么算法就会自动略过，这个过程在数据集进行处理时变得越来越频繁出现。Dünner说：“我们在每个数据点以进行处理以前，我们先计算每个数据点的重要性，再以测量对偶差距大小的方式进行处理。”

Parnell说，“如果你的问题适于放在加速器的内存空间，那么在内存内部执行将会获得更好的结果。因此，我们的结果只适用于Big Data的问题。它不仅能让运行时间加快10倍以上，而且如果在云端执行时，也不必付出太多的成本。”

随着Big Data数据集越滚越大，这种节省时间和成本的预处理算法将会变得越来越重要。IBM指出，为了显示其基于对偶性的算法能够处理任意大小的数据集，该公司在NIPS上展示了8GPU的版本，它能处理网页广告的十亿次点击数据。

研究人员正进一步开发该算法，期望在不久部署于IBM BlueMix Cloud——称为基于对偶差距(duality-gap)的异质学习，适用于包括社群媒体、在线营销、目标式广告、查找电信数据模式以及欺诈检测等Big Data数据集。