位置:极速分分彩 > 科普 > 正文 >

聚焦转折性技术,成立AI创新院:揭秘英特尔人工智能蓝图

2019年06月22日 11:42来源:未知手机版

allin他,九阳豆浆机 米糊,好玩的小游戏网站

机器之心原创

作者:李泽南

人工智能应用已经越来越多地出现在了我们的生活当中,但AI对于算力的无尽需求与芯片制程提升的瓶颈正逐渐成为摆在眼前的挑战。未来AI技术的发展需要硬件与软件架构共同结合并进行革新。

6 月 20 日,由 O‘Reilly 与英特尔共同举办的人工智能大会终于进入了主题演讲环节。当日上午,英特尔架构图形与软件集团副总裁、数据分析技术总监马子雅发表了主题演讲,向我们介绍了英特尔在软硬件结合加速 AI 应用方面的成果与未来展望。

「我们正处在一个数据变革的时代,人类历史上 90% 的数据都是在过去几年产生的,其中 50% 的数据更是在最近两年内生成的,」马子雅在大会上说道。「但到目前为止,只有 2% 的数据被真正分析过。这其中最主要的原因就是这些新兴技术,如人工智能从实验室到最终落地,还有很多问题需要解决。」

马子雅在大会上发表演讲。

让>

人工智能

的应用并不是简单地执行算法。以智慧生产为例,制造商可以在生产线上利用深度学习,尤其是图像识别,将产品的质量检测自动化。如自动检测产品表面缺陷、零部件的缺失、标签的错位。已有很多实践证明,相比人工检测,智慧检测可以大幅提高生产效率,并降低成本。但智慧检测只有深度学习是远远不够的,它需要一条完整的数据分析流水线才能够真正落地。

这条流水线遵循这样的步骤:

第一步,从生产线上收集大量原始数据;

第二步,对原始数据进行大量清理和预处理,滤出数据噪音,查补缺失,校正错误;

第三步,利用数据进行分析、机器学习、深度学习对于清理过的数据进行归纳总结,并把有质量问题的场景从生产线上排除出去;

最终把分析可视化。

只有实现了这四步,智慧生产、智慧检测才能落地。

「人工智能要走出实验室、实现落地,需要一个完整的数据分析流水线,」马子雅说道,「这个流水线的 20% 可能是在做深度学习,但是 80% 都是在做数据收集、数据存储、数据管理、数据清理、数据预处理等等,这是为什么早前我们开源了 BigDL 的重要原因。」

BigDL 是英特尔基于 Spark 平台的深度学习框架。它的功能与流行的深度学习框架,如 TensorFlow、Caffe、Torch 功能相同。重要是,它构建在成熟的 Spark 数据分析平台之上,可以为客户提供端到端的从数据收集、数据存储、数据清理、数据预处理、数据管理、机器学习、深度学习,以及最终的可视化等服务。在过去两年的时间,已经有很多英特尔的客户利用 BigDL 和 Spark 将人工智能落地。

是否可以把 TensorFlow 和 Spark 进行整合实现落地?英特尔对此开源了 Analytics Zoo。这一工具能够在完整、成熟的 Spark 数据平台之上支持不同深度学习框架,如 TensorFlow、Keras、BigDL 等等。除此之外它还提供深度学习预训练的模型,如图像分析模型,文本处理文本匹配模型,异常检测模型等等。它也提供非常简单易用的 API。因为 Analytics Zoo 是构建在 Spark 集群之上,它可以进行分布式模型训练和推理。

这些软件工具也可以和英特尔最新的硬件技术相结合,获得更高的效率。「在过去几个月里,我们把 Analytics Zoo 在英特尔最新的 Optane(傲腾)内存技术上和 OpenVINO 技术上进行优化。这一过程可以将深度学习、模型训练以及推理性能提升更多,」马子雅介绍道。

AI 是转折性技术

随着机器学习等新技术的快速发展,越来越多的科技公司正在涌现,对于英特尔这样「久经沙场」的玩家而言,如何保持自己的领导地位是首要问题,这家公司寻求的解决方案是大胆创新。

2019 年 1 月,英特尔迎来了新任首席执行官 Bob Swan(司睿博),他在上任首日致英特尔员工、客户与合作伙伴的公开信中就提到:「我们的抱负从未如此之大,在这个越来越以数据驱动的世界里,所有的数据都需要被处理、传输、存储和分析。对此,我们必须持续进击,锐意创新。」

本文地址:http://aeonspoke.com/kepu/130912.html 转载请注明出处!

今日热点资讯