百度AI實驗室發布新成果，可加快深層遞歸神經網絡的訓練速度

近日，百度硅谷AI實驗室發布一項新的研究成果，該成果可以加快深層遞歸神經網絡（RNNs）的訓練速度。

自AlphaGo以4比1的成績擊敗圍棋世界冠軍李世石，人工智能的知名度至此一炮打響，而使得AlphaGo如此強大的東西，就是人工神經網絡。

人工神經網絡是一種模仿生物神經網絡行為特征的數學模型或計算模型，由大量的人工神經元聯結，如同生物神經網絡般進行運作。通過對已知數據的實驗運用，人工神經網絡可以進行學習和歸納總結（類似于數學統計學方法的一種），在此基礎上，人工神經網絡就能夠類似生物一般具有簡單的決定和判斷能力。

人工神經網絡是AI領域一個不可忽視的重要存在，研究人員對它的研究也在不斷提升。就在近日，百度硅谷人工智能實驗室發布了一項新的研究成果技術，該技術可以加快深層遞歸神經網絡（RNNs）的訓練速度。

該項技術于由百度硅谷AI實驗室的科學家Jesse Engel在Github上發布。Jesse Engel表示，此前就已經發表過這項技術的第一階段研發成果，其關注的是 Minibatch和存儲配置在遞歸通用矩陣乘法（GEMM）的性能上所發揮的作用。而本次發布的是為第二階段的成果，其重點關注的是對算法本身的優化。

Jesse在文章中也提到，該技術中還運用到了Differentiable Graphs（可微圖形），這對于計算復雜的衍生工具是一個簡單、實用又可視化的工具，同時也可以激發算法的優化。對于需要使用具有明確梯度計算功能框架、開發新的迭代算法以及開發應用自動分化深度學習框架的研究人員們來說，這項新的技術將更好地提升研發能力。

未來，該新技術將被應用在更多的百度產品上，促進百度深度學習技術的研發及在百度各項應用服務中的應用。例如把人工神經網絡應用在殺毒軟件，通過神經網絡提供的大量已知在案的惡意軟件訓練，百度的殺毒系統就能學會識別全新的病毒，即便系統從未見過這類病毒。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！