发现第二个太阳系的AI技术，还能阅片？

12月15日，据Techcrunch报道，谷歌和NASA借助机器学习技术发现第二个太阳系。科学家们把神经网络应用于开普勒望远镜收集的数据中，通过机器学习技术首次发现了开普勒-90系统中的第八颗行星。在所有的已知行星系统中，这一发现使开普勒-90系统的已知行星数量与太阳系不相上下。

本次发现的亮点在于，这一成果是借助谷歌公司的机器学习技术实现的。机器学习，就是利用计算机、概率论、统计学等知识，通过给计算机程序输入数据，让计算机学会新知识，是实现人工智能的途径。机器学习的过程，就是通过训练数据寻找目标函数。数据质量会影响机器学习精度，所以数据预处理非常重要。而作为机器学习的一种，深度学习能够从大数据中自动学习特征，这使其在大数据时代非常火爆。

尽管概念火热，但深度学习在国内仍显“高不可攀”。许多新兴企业对深度学习寄予厚望，但他们既无力搭建庞大的软硬件系统，也没有足够的人员和资金来支持深度学习技术的研发。因此，一个能够支撑他们实现在深度学习领域想法的平台成为“刚需”。

集深度学习软件X-Sharp和X-Machine系列深度学习一体机于一身的曙光X-System平台应运而生，借助该平台用户可以快速进入深度学习领域。其中，XSharp软件栈作为GPU的工程实践，可以通过模块化来设计框架中各个功能，并分别从分布式并行系统优化、分布式并行机器学习执行模式优化、提供大规模机器学习算法工具集三个层面帮助用户实现应用优化。例如，在胰岛发育及功能载体成像研究中，使用XSharp软件平台仅需2天即可完成数据处理，而使用传统的Fiji反卷积库处理则需要4.7年。而在硬件方面，曙光不仅提供整合GPU、MIC加速器的超高计算力的服务器产品，今年还与人工智能芯片独角兽寒武纪科技联合研发并推出了“全球首款基于寒武纪芯片的AI推理专用服务器PHANERON”。

提供AI计算硬件的基础上，曙光在平台服务层面推出了曙光人工智能管理平台“SothisAI”。该平台具有异构融合、快速部署、弹性灵活、简单易用等特点，对大量主流算法进行优化并使用Docker封装应用，可协助用户快速释放AI所需的计算力。

此外，曙光还将融合AI城市大脑和科学大脑，开放分布在全国近40家城市云平台，以及诸多大科学装置和超算中心、先进计算中心，联合产业链上下游企业进行协同研发和服务部署，为用户提供更方便、简单、快速的AI服务。

除了提供平台服务，曙光基于HPC与GPU的协同下，还开发出多项深度学习应用，LAMBDA平台就是一例。LAMBDA(Life and Medical Biology Data Accelerator)平台是由中科曙光与中科院计算所针对生物医疗领域，联合开发的高维度多模式生物图像分布式数据系统。整个平台以HPC集群作为计算环境，利用GPU提供的图像处理能力进行深度学习，可提供海量生物图像数据的深度挖掘能力，并对图像处理等数据密集型算法进行加速。目前的计算平台可以达到以分钟为单位处理海量生物数据，已在北大医学院的多个实验环境下取得了良好的效果。

此外，在医疗领域，曙光还与中国科技大学、健培科技鼎力合作，共同研发医学影像阅片机器人。它既能“读”又会“算”，不仅能在极短的时间内完成医疗影像阅片工作，让医生从繁琐的重复性工作中解放出来，还能大大提高诊断的精准度，是人工智能领域产学研协同合作创新的一次成功尝试。

近期，医学影像阅片机器人即将登陆央视打造的国内首档人工智能PK人类的大型科学挑战节目《机智过人》，与人类医学专家在医疗影像诊断上同台竞技。机器人能否战胜专业医师？人工智能在医疗领域的应用潜力和前景如何？请密切关注曙光微信，小编将在第一时间为大家带来后续的独家报道哦！