2016-12-20

新华网深圳1217日电(曹素妨 徐婧澜)在今天的中国人工智能产业大会上,英特尔中国研究院院长宋继强详细解读了英特尔在人工智能领域的布局。他说,到2020年,AI计算量将会增长12倍,而英特尔则致力于通过提高深度学习的训练能力来提高效率,“到2020年,把训练时间相对于今天这个节点提高到100倍,这是我们的目标。”

以下根据宋继强在大会的发言整理,有删节。 

人工智能突然到了一个非常高的高度,实际上跟数据有很大的关系。目前来讲,我们处在数据的洪流中,到2020年会有500亿的智能设备连入互联网,这些数据促使我们有更好的数据去训练人工智能的算法,同时这些数据也可以让我们通过训练好的人工智能算法,产生更大的增值价值。

如何把握好人工智能的应用,与如何驾驭数据洪流有非常大关系。我们认为,这里面的关键是怎么搞好端到端的集成,不同种类的设备,采集来的数据种类很多,通常不是传统的结构化数据,而是非结构化的数据。如何很好地利用云端和终端协同计算的能力?这和他们之间无缝并且高速的传输能力、存储能力密切相关。构建端到端的解决方案,构成一个良性循环,是一个最优的途径,这是我们深刻相信的未来场景。同时,英特尔也在为这件大事进行布局,我们从终端到云端,包括中间的通讯链路、存储都有解决方案,因此我们也收购了一家前端的视觉芯片深度学习公司,专门根据人工智能做定制芯片加速的公司。 

如何判断一个技术是否已经成熟?  

目前我们知道人工智能已经发展了60年,现在很火,但是20年后再来看,历史的发展长河里,仍然处在一个早期阶段。我们怎么看一个技术是否已经达到了成熟阶段?至少有三个点可以看:

第一,应用的广泛度。也就是某项技术的应用是否已经普及到各行各业,还是只在一小块产业里提供价值。

第二,是否已经有标准,不论是国家标准还是行业标准,是否已经有相应的标准开始在制定和落地。

第三,是否已经有专用的硬件开始在市面上使用,做硬件,第一花钱,第二周期长,产业没起来之前,硬件厂商是不会铺进去的。

Robert Noyce是英特尔联合创始人之一,也是硅谷之父,他很早就研究脑科学,他认为,一直以来我们通过计算机建模的方式探究大脑如何工作。或许,我们应该反其道而行之:为了探索计算机的未来发展方向,我们应该向大脑寻求答案。”怎么利用我们在脑科学上得到的一些认知和新奇的想法,去促进计算机科学或者计算架构的发展,为这个领域提供更好的计算能力,这也是我们新的考虑。

现在看到做人工智能的应用,或者在云端部署人工智能的计算还是很少,通过英特尔的分析,现在是云端提供绝大部分的计算资源,目前这部分的份额只有10%,还是比较少,但是这一块是飞速发展的。到2020年,AI计算量将会增长12倍。要节省电力、体积和资源,都非常重要,所以我们要不断推动技术创新,不能停留在现阶段,后面有更多的优化方案等着我们。

英特尔不是人工智能专家,所以我们跟学界也有很多合作,因此对人工智能的分类也有一个新的认识。人工智能从在学术界开始定义学科来讲,目标是为了让机器具备人的智能处理的能力,即感知能力、推理能力和行动能力,这三大能力决定了机器人能不能根据外界环境做出很好的智能决策,同时比较稳定的将其反馈到外部世界。另外还有一种能力就是适应能力,要有适应不断变化的环境、持续自主学习并不断增强的能力。

 2020年,深度学习的训练时间将缩短100倍 

深度学习非常火,目前在语音识别和视觉物体识别两个领域有非常大的突破。我们也看到了这个突破,通过深度学习可以增加训练数据和性能,这也意味着要增加训练的能力来支持这些训练,而不是把数据增加一百倍,把训练时间增加一百倍。而这还需要一个平台,因为处理器与处理器之间需要有通讯,这些通讯有时候是数据通讯,有时候是控制通讯。为了不增加训练时间,还需要有更高效的技术,来增加计算的密度和通讯带宽,这样才能达到线性的增长。

Lake Crest是今年11月份刚刚发布的英特尔的代号,这个代号是专门为深度学习定制的一款芯片,来实现无与伦比的计算密度和高宽带互联,助力实现模型并行化。

虽然我们收购了很多公司带来的新技术,但是我们之前的技术仍然存在,包括做通用计算加速的至强融核技术,以及可以在功耗和性能优化的情况下做加速的Arria FPGA2017年,这些继续往前推进,同时我们也增加Lake Crest架构,把这些人工智能的硬件和方案统称为Nervana平台进行产品组合,构成我们的商标,而不只是收购一款芯片。

有了硬件,我们还要注意,不能放松对算法的研究,因为硬件很好,但是你可以用很烂的算法把它用得很差。所以在这里,英特尔内部也和外面的学术界一起合作,在这几个前沿的领域快速推进深度学习领域的算法研究。

通过我们这些技术,可以大幅增加模型的并行化计算能力,到了2020年,我们要在英特尔这个软硬件方案集成下,把训练时间相对于今天这个节点提高到100倍,这是我们的目标。 

AI行业应用的三大领域 

对于市场来讲,AI的整个市场仍然处于婴儿期。对于想投身于利用AI做各种产业的公司和学者来讲,时尤未晚,还有很多事情可以做。目前从英特尔看来,我们觉得会重度利用AI的行业应用,主要包括:第一是智能制造,第二是智能零售,第三是无人驾驶。英特尔把无人驾驶提升到了很高的高度,我们认为无人驾驶是几年后最大的智能平台,可以承载很多种不同业务,但是首要是把车做出来,让它可以安全使用。此外还包括精准医疗、智慧城市、互联网金融、体育等,

举两个例子,一个是零售,一个是医疗。

零售业是端到端的产业,从生产、仓储到中间发布广告做推销、推广,到用户体验的反馈,再到把货物最后送到客户手里,这是一个很长的链条,而这整个链条都有人工智能可以加速的地方。在今年的“双十一”我们和京东联合做了一些试验,效果很好。比如通过在英特尔至强处理器上做优化,非法图片检测应用性能提升了4倍,图片版权保护应用也提升了2倍。这还是智能零售行业应用的冰山一角而已。

医疗行业也是数据非常多的行业,中国在这个领域有很好的机会。华大基因有很好的基因测序工作,而且这个工作目前来讲在全世界是领先的。英特尔的目标是在精准医疗方面大幅缩短使用周期和成本。比如要给一位癌症患者定制一个个性化医疗方案,找到需要的药物,不仅要花不少钱做基因测序,还要等一星期才能拿到结果。我们的目标是到2020年,和这些行业伙伴一起,使价格大幅下降,把时间缩短到一天,把患者的其他医学影像处理也分析出来,根据这些数据做个性化诊疗,给出个性化的医疗方案。这对于大众来讲有非常重要的意义,也需要很多的AI专家一起完成。

另外,目前英特尔推出了Nervana人工智能学院,和全球领先的行业、企业领袖以及学术界一起合作,除了在硬件方面的支持之外,还会给大家展示怎样做解决方案,这个解决方案一定是端到端的平台支持,不只提供一个模块。同时,由于大量的AI精英的投入,算法更迭速度越来越快,所以我们还对算法有一个广泛的支持,不断适应新算法。

希望大家有时间都去看一看我们的人工智能学院,这是最近才开始上线的,逐步也会有更多东西放出来,希望大家多关注英特尔在这方面的动向,我们既然承诺了到2020年要提升100倍,也欢迎大家来监督我们怎么实现它。(完)

猜你喜欢

分享至手机

扫码关注FMCI