人工智能賦能于企業(yè)？來自英特爾的幾點建議

硅谷live \/實地探訪\/熱點探秘\/ 深度探討

歡迎來到人工智能時代。

留意一下就會發(fā)現(xiàn)，現(xiàn)在越來越多的新聞頭條都和人工智能有關(guān)：從亞馬遜用人工智能解雇偷懶員工、到人工智能與醫(yī)療深度結(jié)合、再到我們首次托機器算法的福、一睹黑洞真面目...背后都是人工智能作用于各個領(lǐng)域。

從研究大腦到個人理財，人工智能多領(lǐng)域賦能

大腦或許算得上是宇宙中最復(fù)雜的東西了，它如此精密而復(fù)雜，以至于我們直到今天對它的了解都極為有限，對大腦的研究自然也成為難度最大的科研領(lǐng)域之一。

但現(xiàn)在，借助人工智能的力量，人類對自己大腦的了解將達到前所未有的程度。普林斯頓大學(xué)神經(jīng)科學(xué)研究院（princeton neuroscience institute）與英特爾實驗室的合作，就是想通過人工智能，開發(fā)出可實時繪制人類思維圖的軟件，以大大推進科研進度。

科學(xué)家們希望通過使用 fmri （功能性磁共振成像），能直觀地看到人們在思考和感受某種情緒時，大腦內(nèi)部都在發(fā)生哪些變化，從而讓人們學(xué)會如何更好地集中注意力。

具體是怎么操作的呢？首先，科學(xué)家們把人們放入 mri 掃描儀里，記錄他們的大腦活動，然后再根據(jù)他們大腦的活動模式，判斷出他們某一時刻在想些什么。

之后，科研人員通過訓(xùn)練其計算機模型，以教會機器不同的大腦圖像都是什么意思、反應(yīng)什么內(nèi)容。然后，科研人員再給機器一張新的圖像，機器就會在之前訓(xùn)練的基礎(chǔ)上，試圖理解新圖像的含義。

但這種非常復(fù)、需要機器快速處理極大量圖片、數(shù)據(jù)的任務(wù)，對計算機的計算能力的要求也極高。

我們在之前的

這篇文章

里也談到，英特爾近兩年來在人工智能領(lǐng)域頻頻出手。其與普林斯頓的合作，使研究人員能用機器學(xué)習(xí)、ai、hpc（高性能計算）快速分析從mri 掃描儀中獲取的數(shù)據(jù)。 它使用高性能計算、機器學(xué)習(xí)和人工智能，對功能性磁共振成像（fmri）掃描所得的數(shù)據(jù)進行分析，從而推斷大腦內(nèi)部正在思考什么。

此外，普林斯頓研究所團隊還創(chuàng)建了大腦成像分析工具包（brain imaging analysis kit），讓各地的神經(jīng)科學(xué)家們都可以使用普林斯頓的機器學(xué)習(xí)算法，對腦圖像進行分析，以進一步推動新發(fā)現(xiàn)。這項研究的發(fā)現(xiàn)能讓醫(yī)生及研究人員們更好地診斷、治療抑郁癥、創(chuàng)傷后應(yīng)激障礙、焦慮等精神方面疾病，大大加快神經(jīng)領(lǐng)域的科研進度。

除了醫(yī)療，人工智能在其他諸多領(lǐng)域也扮演著越來越重要的角色。

clinc 是一個基于手機等移動設(shè)施的、靠語音激活的人工智能平臺創(chuàng)業(yè)公司，總部位于美國密歇根州安娜堡（ann arbor），目前已完成 a 輪融資。其團隊想打造一款語音 app，讓這款 app 扮演用戶的 “個人財務(wù)小管家” 的角色，幫用戶更便捷、準(zhǔn)確地了解自己的財務(wù)狀況。

比如用戶可以語音問 app：“過去三個月，我在超市花了多少錢？” app 就會給出總金額，及此項花費在總花費里的占比。

由于機器的理解能力有限，這種人機互動往往要求人們提問時遵循一系列規(guī)則、不能像人與人交流一樣自由發(fā)揮，而是用機器可以聽懂的方式提問。但 clinc 的創(chuàng)始人認為，人們在交流時問的問題往往是 “自然的”、“亂糟糟的”。

因此，如果要讓機器為復(fù)雜的問題也能提供個性化、即時的答案，clinc 團隊意識到他們需要利用最新的機器學(xué)習(xí)及深度學(xué)習(xí)技術(shù)。

由于當(dāng)前的自然語言算法尚不能解決這個問題，他們同樣也選擇與英特爾合作，一起打造出了名為 “finie” 的 app。這樣，在用戶問更模糊的問題時，例如 “我最近花在鞋子上的錢是不是有點多？” 它也能夠明白用戶的指令，并作出相應(yīng)回答。

除了醫(yī)療、個人理財領(lǐng)域，人工智能在其他領(lǐng)域也有極為廣泛的應(yīng)用，并且隨著人工智能在功能、數(shù)據(jù)量及計算能力方面的增長，及其與高性能計算（hpc）相結(jié)合，無疑它將發(fā)揮更大的潛力。

從探索前沿科技、到自動駕駛、到個人理財、再到醫(yī)療領(lǐng)域，各個行業(yè)在積極與人工智能融合的同時，也面臨著一系列挑戰(zhàn)。

人工智能不是萬能解決方案

“人工智能” 的概念這兩年才開始火起來，其實我們對于人工智能的研究，早在幾十年前就開始了，不過很長時間以來，受制于數(shù)據(jù)量和計算能力，人工智能一直無法達到支撐獲取洞察、并以此做出有力決策的水平。

看來，近兩年人工智能領(lǐng)域的穩(wěn)步升溫并非偶然現(xiàn)象：隨著眾多企業(yè)、學(xué)術(shù)組織和政府不斷產(chǎn)生新辦法收集，加之計算能力的顯著提高、成本的降低，人工智能終于從 “構(gòu)想”，逐漸變?yōu)榭蓱?yīng)用、可落地的技術(shù)。

但人工智能的應(yīng)用與落地，遠不像 90年代互聯(lián)網(wǎng)浪潮時，所謂 “與互聯(lián)網(wǎng)結(jié)合” 就等于給公司做個網(wǎng)站那樣粗暴簡單。很多企業(yè)在考慮為公司業(yè)務(wù)部署ai時，首先都需要思考一個難題：到底如何將人工智能解決方案與現(xiàn)有的高性能計算機工作負載進行融合？

通常，融合的方式有以下三種：

在企業(yè)現(xiàn)有的高性能計算基礎(chǔ)設(shè)施上，引入并運行人工智能框架，如谷歌的開源項目 tensorflow 等，不過這對計算機 gpu、cpu、內(nèi)存和硬盤配置都有較高的要求；

另外一種，則是通過人工智能引擎來分析模型運行之后的輸出數(shù)據(jù)，以優(yōu)化現(xiàn)有的高性能計算工作負載（如仿真和建模）；

還有一種，就是使用生成式對抗網(wǎng)絡(luò)（一類專為無監(jiān)督機器學(xué)習(xí)而設(shè)計的人工智能算法），來組合復(fù)雜的數(shù)據(jù)源。例如，對暗物質(zhì)的宇宙學(xué)研究，如今可以通過在高性能計算集群上運行線性代數(shù)方程來創(chuàng)建統(tǒng)計模型。通過在同一平臺上添加人工智能層，就有可能從衛(wèi)星中直接提取數(shù)據(jù)和圖像，從而加快生成結(jié)果、增強模型，推進科研進度。

當(dāng)然，不論哪種方式，人工智能賦能于企業(yè)，都需要軟件與硬件的雙重保障。

我們先來說硬件：英特爾 “至強” xeon 可擴展處理器，就是為針對許多人工智能工作負載進行優(yōu)化而誕生的。

幾周前，英特爾剛剛發(fā)布了第二代至強 xeon 處理器，相較于第一代，第二代 xeon 處理器新增了代號為 cascade lake-ap 的鉑金 9200 系列，最多可達 56 核心112線程；更重要的是，這代處理器內(nèi)置了機器學(xué)習(xí)加速（intel dl boost）功能，推理性能提升1.4倍，被認為是將嵌入式ai性能提升到新的水平，也被認為是英特爾過去五年中，在 xeon 處理器系列中提供的最大一代改進。

硬件是其他一切的基礎(chǔ)，沒有硬件的支持，其他也無從談起。在有硬件保障后，企業(yè)該如何具體把人工智能與自身業(yè)務(wù)融合、優(yōu)化呢？

企業(yè)想與人工智能結(jié)合？五個關(guān)鍵步驟

類似這些項目的成功，背后需要特定的開發(fā)人員和技能構(gòu)建高質(zhì)量的訓(xùn)練模型，并且將這些模型集成到計算流程之中，才能真正令計算平臺滿足組織的需求。每個領(lǐng)域與行業(yè)所運行的應(yīng)用不盡相同，此外還有很多人工智能應(yīng)用，借助公有云或私有云運行，因此在談及 “人工智能解決方案和高性能計算融合” 時，不存在所謂 “萬用解決方案”。

不過，企業(yè)可以借助英特爾的力量，對現(xiàn)有高性能計算平臺進行評估，從而高效運行人工智能驅(qū)動的工作負載。英特爾建議，企業(yè)啟動 ai 應(yīng)用構(gòu)建時，應(yīng)該充分評估既有數(shù)據(jù)儲存、處理和分析平臺，基于它來構(gòu)建和部署符合自身需求的ai應(yīng)用。此外，英特爾總結(jié)出了五個關(guān)鍵步驟來幫助各類組織規(guī)劃人工智能技術(shù)的實現(xiàn)。

第一步，企業(yè)需要了解當(dāng)前的計算基礎(chǔ)設(shè)施性能，包括計算、內(nèi)存、儲存及 i\/o資源，并確定可能需要哪些投資來優(yōu)化人工智能；

第二步，企業(yè)需要對可用的人工智能框架和庫進行評估，選擇出符合企業(yè)自身需求的產(chǎn)品。

英特爾至強可擴展處理器的最新計算平臺也已經(jīng)針對包括 tensorflow、caffe、mxnet 等常見的人工智能框架進行了優(yōu)化。比如，英特爾 optimization for tensorflow 這款產(chǎn)品，就是基于python 的深度學(xué)習(xí)框架，用以加強現(xiàn)代深度神經(jīng)網(wǎng)絡(luò)的易用性及可擴展性。此外還包括圖像識別、語言翻譯、推薦引擎和生成式對抗網(wǎng)絡(luò)等常見的應(yīng)用；

第三步，選中一款人工智能框架后，企業(yè)要確保已針對當(dāng)前的高性能計算基礎(chǔ)設(shè)施進行優(yōu)化，以確保計算運行過程中能獲得最高可擴展性、最高效率和最佳性能；

第四步，如果企業(yè)選擇自己開發(fā)算法，則需要在一開始就專注于針對現(xiàn)有架構(gòu)環(huán)境優(yōu)化算法，例如英特爾與 amazon web service 合作，優(yōu)化云端訓(xùn)練算法，同時確保軟件使用的是最新工具，有助于增強流程的流暢化；

第五步，企業(yè)需了解其工作負載會是何種形態(tài)，比如，企業(yè)將運用到的人工智能計劃將需要多少訓(xùn)練及推理、對人工智能的規(guī)劃占多少比重。具體需求將直接決定設(shè)施和技術(shù)套件的部署。

在這五步驟之外，英特爾還提供了很多其他的援助，比如英特爾與多家行業(yè)領(lǐng)先企業(yè)合作開發(fā)了面向高性能計算的英特爾精選解決方案，以縮短提供可行洞察、設(shè)計新產(chǎn)品的時間。

當(dāng)然，即便如此，企業(yè)與高性能計算環(huán)境實現(xiàn)完全融合都需要時間，其過程本身也充滿挑戰(zhàn)。但對企業(yè)來說，以人工智能賦能，無疑是發(fā)展的大趨勢、或許也會成為領(lǐng)先于對手的關(guān)鍵一步。