人工智慧演算法背後的「至強」後盾
一個實時的、高效的，能在幾十毫秒之內就完成決策判斷的資料計算平臺必不可少。
文 | OolongT
麻省理工學院 Katie Bouman 的團隊將8臺望遠鏡觀測5500萬光年之外的M87星雲所拍攝的照片，共計7000TB資料，經由 CHIRP 機器學習演算法，第一次將黑洞的“樣貌”呈現在我們眼前。
機器學習不僅可以在科研領域發光發熱，它也是人工智慧的一種實現方法——通過對資料進行解析、學習，從而為真實世界提供決策和預測。 一些重要但重複的任務，我們大可交給人工智慧，以此提高工作效率、降低成本，並獲得更可靠的結果，人類則可以節省時間和精力去從事更具創造性的工作。
科研專案需要從大量資料中篩選出有效資訊，產品公司需要將客群和使用者分類後為他們提供對應的服務，甚至很多企業的招聘環節都已經由人工智慧代替，從海量的簡歷中為部門篩選最適合的人選。
我國龐大的人口和產業技術為人工智慧創造價值帶來了先天性的資料優勢，製造、家居、金融、 教育、交通、安防、醫療、物流等領域都有人工智慧技術的身影，並且，可以預見的是，未來這些領域對相關技術的需求還將進一步擴大。
不可否認的是，“資料分析和處理”是整個過程中的關鍵。 一個實時的、高效的，能在幾十毫秒之內就完成決策判斷的資料計算平臺必不可少。 事實也表明，人工智慧應用的研究開展至今幾十年，一直受制於資料量和計算能力而無法為學術組織、政府和企業提供強有力的決策。
與此同時，很多企業在考慮為公司業務部署AI時，都會面臨如何將人工智慧解決方案與現有的高效能運算機工作負載進行融合的難題。
通常融合的方式有三種： 在現有的高效能運算基礎設施上引入並執行人工智慧框架，例如谷歌的開源專案TensorFLow等，這對GPU、CPU、記憶體和硬碟配置都有較高的要求。
其次是通過人工智慧引擎來分析模型執行之後的輸出資料，主要運用於模擬和建模，這自然需要一個擁有極強算力的平臺來支撐。
再者，就是使用生成式對抗網路來組合複雜的資料來源。
由於每個領域和行業所執行的應用不盡相同，也有很多人工智慧應用藉助公有云或私有云執行，因此也就沒有一個“萬能的解決方案”來對人工智慧解決方案和高效能運算進行融合。 不過倒是可以藉助英特爾的力量，對現有高效能運算平臺進行評估，從而高效執行人工智慧驅動的工作負載。
普林斯頓大學神經科學研究院就曾和英特爾實驗室合作，採用高效能運算、機器學習和人工智慧來對功能性磁共振成像掃描所得的資料進行分析，實時繪製人類思維圖，從此就誕生了一款可以推斷大腦正在想什麼的軟體，幫助全球神經科學家進行精神疾病的診斷和治療。
像這樣的成功案例還有很多，例如英特爾在與中國銀聯電子商務與電子支付國家工程實驗室合作時，將開源的BigDL匯入其原本的計算叢集，讓實驗室能開發自己的深度學習程式。 很多企業都可以仿照這個案例，在既有的至強處理器“核芯”及其支援的既有資料應用的基礎之上去構建AI應用，這顯然比另起爐灶、從零開始的設施升級成本和風險更低。
類似這些專案的成功，背後需要特定的開發人員和技能構建高質量的訓練模型，並且將這些模型整合到計算流程之中，才能真正令計算平臺滿足組織的需求。 正如英特爾所認為的那樣，企業啟動AI 應用構建時，應該充分評估既有資料儲存、處理和分析平臺，基於它來構建和部署符合自身需求的AI應用。
英特爾至強可擴充套件處理器就是能夠通過英特爾深度學習增強功能專為那些需要在現有工作負載硬體上運行復雜AI工作而誕生的。
在與眾多客戶合作過程中，英特爾總結出了五個關鍵步驟來幫助各類組織規劃人工智慧技術的實現。
首先，需要了解當前的計算基礎設施效能，包括計算、記憶體、儲存和I/O資源。
其次，評估各種可用的人工智慧框架和庫，並從一系列可用框架中選擇符合企業所需的產品。 英特爾至強可擴充套件處理器的最新計算平臺也已經針對包括 TensorFLow、Caffe、MXNet 等常見的人工智慧框架進行了優化，此外還包括影象識別、語言翻譯、推薦引擎和生成式對抗網路等常見的應用。
這些被選中的人工智慧框架，必須是已經針對當前高效能運算基礎設施進行了優化的，才能確保計算執行過程中能獲得最高可擴充套件性、最高效率和最佳效能。
如果企業選擇自己開發演算法，則需要在一開始就專注於針對現有架構環境優化演算法，例如英特爾與 Amazon Web Service 合作，優化雲端訓練演算法，同時確保軟體使用的是最新工具，有助於增強流程的流暢化。
最後，企業務必明確自己的工作負載會是哪種形態，對人工智慧的規劃佔多少比重，這將直接決定設施和技術套件的部署。
根據麥肯錫公司的調查結果顯示，對比2013年，企業平均花費在引入人工智慧技術方面的投資在這幾年中翻了三倍。 毫無疑問，越來越多企業開始進行人工智慧的部署，是因為人工智慧確實能夠改變企業的運營方式、提升工作效率，同時也能為使用者推薦符合他們需求的服務、大大提升產品的使用者體驗。 預計2019年會有更多企業採用人工智慧技術來改變公司的命運。
在為公司未來業務規模的擴大做準備的時候，也必需要將高效能運算架構與人工智慧的融合考慮在內，在英特爾的幫助下，用最低的成本、最快的速度為企業的計算基礎設施完成升級。
如 Infinia ML 的 CEO Robbie Allen 在他的部落格中所說： “現在加入機器學習，還不算晚。 ”
掃描下方二維碼或點選“閱讀原文”，來拼出你的“資料”關鍵詞
