مایکروسافت اظهار کرد یک راه خوب و مطمئن برای بهتر کردن نرم افزارهای هوش مصنوعی تولید شبکه های عصبی مقیاس بالاست . پیشرفت های اخیر در این زمینه که چگونه نرم افزار می تواند صدا و تصویر را تشخیص دهد مدیون قدرت محاسبات سخت افزارهای فعلی و تکنیک های یادگیری عمیق ماشین است (Deep Learning)

لازم به توضیح است که یادگیری عمیق شاخه ای از بحث یادگیری ماشین و مجموعه ای از الگوریتم هایی است که تلاش می کند مفاهیم انتزاعی سطح بالا را با استفاده از یادگیری در سطوح و لایه های مختلف مدل کند . یادگیری عمیق در واقع نگرش جدید به ایده شبکه های عصبی است که سالیان زیاد وجود داشته است

نرم افزار Deep Learning یاد میگیرد که درک بهتری از داده ها داشته باشد تا بتواند شبکه های عصبی بیولوژیکی را شبیه سازی کند ، یکی از اولویت های شرکت های بزرگ نظیر گوگل و مایکروسافت و فیس بوک برای سرمایه گذاری، پیدا کردن راهی است که بتواند شبکه های بزرگتری را با استفاده از شبکه های عصبی پیاده سازی کند ، آنها میخواهند با مجموعه بیشتری از داده های آزمایشی این کار را توسط نرم افزارهای Deep learning انجام دهند و روی کامپیوترهای قدرتمند بیشتری آن را تست کند .استفاده از پردازنده های گرافیکی که با نام GPU شناخته می شوند یکی از بهترین راه ها برای انجام این کار است البته با توجه به قیمت زیاد آن و مصرف بالای برق استفاده از این پردازنده ها حتی برای شرکتهای بزرگ به صرفه نیست . Erich Chung یکی از محققان مایکروسافت عقیده دارد که استفاده از GPU برای پیاده سازی Deep Learning هزینه پروژه را بسیار بالا می برد او که یکی از افراد شاغل در پروژه پیاده سازی Deep Learning در مقیاس های بزرگ است عقیده دارد برای پردازنده ها باید از FPGA استفاده کنند .

FPGA یا Field Programmable Gate Array یک IC است که می تواند آن را پس از اتمام فرآیند تولید مطابق نیاز طراح برنامه ریزی کرد و روابط منطقی بین پایه های ورودی و خروجی را تغییر داد ، از این رو به این تراشه ها قابل برنامه ریزی می گویند ، روابط منطقی درون این تراشه ها را اغلب به زبان توصیف سخت افزار HDL مشخص میکنند که البته علاوه بر HDL از طراحی شماتیک State Diagram و برنامه نویسی به زبان C نیز می توان استفاده کرد به دلیل استفاده مستقیم از گیت ها در انجام عملیات این تراشه ها دارای دقت و سرعت بسیار بالایی هستند .

Chung اضافه کرد که پروژه پیشرفت خوبی داشته است و توانسته ایم از FPGA های قدرتمندی استفاده کنیم و برای پیاده سازی Deep Learning استفاده از تمام توان پردازنده ها بهترین راه حل است ، مایکروسافت از FPGA های ساخته شده توسط Altera استفاده می کند شرکتی که اینتل آن را با 17 میلیارد دلار خریده است و تمرکز این شرکت ساختن تراشه با قدرت محاسباتی بالا بوده است . مایکروسافت قبلا از این تراشه ها در سرورهای Bing استفاده کرده بود این پروژه سنگین و پیچیده به کندی در حال پیشرفت است ولی محققان مایکروسافت پیش بینی میکنند که در آینده می توانند شبکه های عصبی در مقیاسهای غیر قابل باوری پیاده سازی کنند .