期待已久的機(jī)器學(xué)習(xí)時(shí)代終于到來(lái)了。深度學(xué)習(xí)技術(shù)對(duì)作戰(zhàn)人員的潛在好處既巨大又深遠(yuǎn)。隨著防御系統(tǒng)趨向于更大的應(yīng)用程序自主性，深度學(xué)習(xí)技術(shù)過(guò)于復(fù)雜，無(wú)法用更傳統(tǒng)的處理技術(shù)實(shí)現(xiàn)，現(xiàn)在可以幫助顯著推動(dòng)流信號(hào)或圖像數(shù)據(jù)平臺(tái)處理的進(jìn)步。事實(shí)證明，這些技術(shù)可用于模式識(shí)別任務(wù)，例如自然語(yǔ)言處理和圖像特征檢測(cè)，從而基于龐大的數(shù)據(jù)集產(chǎn)生高度可靠的自主決策。

加速深度學(xué)習(xí)在防御系統(tǒng)中應(yīng)用的是可用的技術(shù)——最新的超大型 FPGA 的數(shù)字處理能力、高能效圖形處理器單元 （GPU） 以及與靈活的多核處理器相關(guān)的高級(jí) SIMD ［單指令多數(shù)據(jù)］ 處理單元。通過(guò)超越曾經(jīng)使深度學(xué)習(xí)架構(gòu)對(duì)任何類型的實(shí)時(shí)應(yīng)用都不切實(shí)際的處理限制，如今，新的高性能嵌入式計(jì)算 （HPEC） 平臺(tái)提供的進(jìn)步，即使在尺寸、重量和功耗 （SWaP） 受限的系統(tǒng)中，深度學(xué)習(xí)算法也可以輕松滿足。進(jìn)一步定義如何應(yīng)用深度學(xué)習(xí)算法來(lái)解決應(yīng)用程序的特定問(wèn)題是一項(xiàng)持續(xù)的挑戰(zhàn)。因此，技術(shù)供應(yīng)商必須能夠定制和完善基于HPEC的平臺(tái)，以便它們能夠輕松適應(yīng)深度學(xué)習(xí)應(yīng)用的需求。

了解深度學(xué)習(xí)如何工作的基礎(chǔ)知識(shí)有助于說(shuō)明它對(duì)戰(zhàn)士的積極力量。應(yīng)用程序可以通過(guò)獲取各種傳感器（圖像、聲音、GPS 位置、雷達(dá)等）收集的任何信號(hào)（觀察）來(lái)“學(xué)習(xí)”，并以抽象的方式表示它，或者作為形狀、角落、圖案等特征表示。這些抽象由深度神經(jīng)網(wǎng)絡(luò)（DNN，或數(shù)十層處理層）組成。每個(gè)圖層根據(jù)特定類型的要素處理數(shù)據(jù)，并將結(jié)果提供給下一個(gè)圖層。結(jié)果可能令人印象深刻，有時(shí)甚至比人工制作的解決方案更好，優(yōu)化了人臉識(shí)別、圖像配準(zhǔn)、自然語(yǔ)言處理和欺詐檢測(cè)等應(yīng)用程序。

由于網(wǎng)絡(luò)必須經(jīng)過(guò)“訓(xùn)練”，因此必須應(yīng)用大量計(jì)算，其中信息經(jīng)過(guò)多次加權(quán)和優(yōu)化，以減少出錯(cuò)的可能性。因此，學(xué)習(xí)階段通常在不間斷運(yùn)行的數(shù)據(jù)中心中執(zhí)行。每個(gè)訓(xùn)練結(jié)果都是一個(gè)快照。在［軍事-航空航天］設(shè)置中，這些快照將部署在實(shí)際的嵌入式HPEC系統(tǒng)上進(jìn)行測(cè)試。該過(guò)程不斷重復(fù)，期望每個(gè)快照的響應(yīng)都比前一個(gè)快照更好。

使用基于英特爾至強(qiáng)處理器 D-1540（Broadwell DE）的現(xiàn)成處理密集型平臺(tái)，可以構(gòu)建針對(duì)深度學(xué)習(xí)應(yīng)用優(yōu)化的模塊化 HPEC 系統(tǒng)。這些系統(tǒng)充分利用其八個(gè)內(nèi)核，每個(gè)內(nèi)核有兩個(gè)AVX2單元，以同時(shí)處理八個(gè)浮點(diǎn)FMA（融合乘法/累加）操作。換句話說(shuō)，八個(gè)內(nèi)核可以在每個(gè)時(shí)鐘周期內(nèi)執(zhí)行 128 次浮點(diǎn)運(yùn)算。英特爾至強(qiáng)融核協(xié)處理器進(jìn)一步提高了這一水平。提供 72 個(gè)內(nèi)核，每個(gè)內(nèi)核有兩個(gè) AVX-512 單元，每個(gè)單元每個(gè)時(shí)鐘處理 16 個(gè) FMA 操作，總共 2304 個(gè) FMA 操作。另一個(gè)優(yōu)點(diǎn)是英特爾架構(gòu)可確保與每一代后續(xù) 64 位處理器的二進(jìn)制兼容性，從而有效地保護(hù)軟件投資免受未來(lái)任何不兼容的影響。

此外，OpenCL 正在蓬勃發(fā)展，迅速成為異構(gòu)計(jì)算的首選標(biāo)準(zhǔn)。其豐富而富有表現(xiàn)力的 API 管理數(shù)據(jù)流和計(jì)算對(duì)象，并有助于確保源代碼在不同平臺(tái)（如 GPU、CPU 和 FPGA）上的可移植性?；?VPX 的主板和平臺(tái)也增加了價(jià)值，通過(guò)背板與 PCIe Gen3 或 10 Gb 以太網(wǎng)鏈路提供高速/低延遲通信，幫助適應(yīng)最廣泛的應(yīng)用。

在當(dāng)今功能強(qiáng)大且功能豐富的HPEC平臺(tái)的推動(dòng)下，深度學(xué)習(xí)應(yīng)用程序可以輕松篩選來(lái)自軍方大信號(hào)和圖像處理系統(tǒng)的大量數(shù)據(jù)流?？紤]該技術(shù)對(duì)必須持續(xù)搜索感興趣信號(hào)或目標(biāo)的應(yīng)用的影響。深度學(xué)習(xí)可以成為主動(dòng)搜尋威脅和自主部署主動(dòng)保護(hù)系統(tǒng)的答案。在HPEC平臺(tái)的支持下，在國(guó)防系統(tǒng)智能自主需求的推動(dòng)下，深度學(xué)習(xí)技術(shù)可能會(huì)在軍方未來(lái)的作戰(zhàn)戰(zhàn)略中發(fā)揮重要的新作用。

審核編輯：郭婷