各大科技企业近来不约而同地发力“人工智能”和“深度学习”领域。“google大脑之父”、现百度首席科学家andrew ng一个月前在pingwest于旧金山举办的sync大会上提到过，“深度学习是许多现代科技产品背后的“引擎”，作为核心技术支撑着商业上的应用，比如网络搜索、机器翻译、产品推荐和医学图像等，带来了相当可观的经济价值。”

现在，微软也加入了这个“角斗场”。

微软的研究人员称，他们的深度学习系统——名叫adam（亚当）——取得了突破性的成果，比起之前的深度学习系统而言更为成熟。微软的研究人员举例说，比如在图片识别方面，这个系统不仅可以识别出指定的物品，还能够在该类目分类项下，进行更精确的识别。和先前的“google大脑”作对比，如果说“google大脑”能做到的是，在看完一周youtube视频后，识别出猫，那么adam可以识别出猫及猫的品种，并且使用的机器数量只有之前的三十分之一。

微软研究院主管peter lee博士表示，“adam计划”寻找的并不是在模拟神经网络的规模上有所突破，而是构建方式上的改进。这些改进指的是：优化和微调了机器处理数据和机器间数据沟通的方式。当计算系统变得更为复杂时，每个部件之间都在同一时间传送信息——这件事会随着系统越来越庞大而越来越困难，而adam系统允许了异步算法的存在。异步算法指的是将一个大的系统拆分为不同的部分，并且在分享和输出计算结果前允许他们分别独立运作，同时，在分享结果时各个部分的结果相互覆盖也没有问题。

威斯康辛大学计算机科学学院的研究者feng niu, benjamin recht等人的研究报告指出，在使用传统的随机梯度下降算法（sgd）来进行几个并行计算任务时，通常需要保证计算结果输出的同步，否则会引发数据冲突。但如果只是应用在小型计算系统里，首先，数据冲突的几率很低。其次，由于数据结果的写入往往是递增性的，每个部分输出和叠加只是顺序不同，因此即便发生冲突但计算结果通常都是一致的。这个在研究报告中被称为“hogwild!”技术使得异步计算在深度学习系统中成为可能。

另外，微软的深度学习系统，不同于google大脑采用gpu为搭建的元件，而是使用了造价更为昂贵的cpu，这些机器由微软的azure云服务提供支持。

以上是网络信息转载，信息真实性自行斟酌。