Na SC16 Supercomputing konferenciji održanoj ovog mjeseca dva su se trenda posebno isticala. Pojava Intelovog Xeon Phi i Nvidijina Tesla super računala bio je prvi. Oba su na listi 500 najbržih na svijetu i među 20 s najboljim sustavom. A drugi trend istaknut na konferenciji jesu koncepti strojnog učenja (eng., machine learning) uvedeni u ta ista super računala.
Posebno je zanimljiva Tesla jer ima 63,488GB RAM i 60,512 Intel Xeon E5-2698v4 CPU jezgri. Oslanja se na 125 Nvidia DGX-1S uz Pascal "pogon", koji služe za "duboko učenje", što daje i kognitivnu stavku na razinama kakve se mogu vidjet samo kod super računala. Uz sve, koristi i dvije Nvidia Tesla P100 GPU.
Kako tvrde iz Nvidie, jedno DGX-1S računalo snažno je kao 250 konvencionalnih servera. Cijenom od 129 tisuća američkih dolara ujedno je zapravo pristupačan mnogima jer inače super računala koštaju nekoliko desetaka ili stotina milijuna dolara. Ali, ističe se i u tome što se bazira na strojnom učenju, baš kao i Intel Xeon Phi. Taj dio se manje prezentirao u javnosti, nezasluženo.
Najprije, strojno učenje često se miješa s umjetnom inteligencijom, ali to nije isto jer dok AI treba improvizirati i nalaziti rješenja na temelju određene situacije, što bi značilo da može samo isprogramirati ili stvoriti nešto bez ljudske pomoći, strojno učenje se bazira na praćenju određenih postupaka, kojima se potom prilagođava, ali ne istupa iz tih okvira.
Konkretnije, strojno učenje je područje u računalnoj znanosti koje se bavi izradom sustava koji se temelje na učenju putem podataka. Najbolji primjeri primjene strojnog učenja su Amazon sa sustavima preporuke, Google, LinkedIn, Netflix...
Ukratko, strojno učenje idealno je za analizu velike količine podataka, a potom i baratanje njima. Zna se da analitičara velikih podataka nedostaje u svijetu i spajanje super računala sa strojnim učenjem mogli bi riješiti taj "ljudski" problem. Zato je poprilično jasno, strojno učenje jest budućnost.
