英特爾AI事業部三位負責人講解：AI技術如何落地應用

4月10日至12日，以「應用人工智慧」為主題，英特爾與O』Reilly聯合主辦的中國人工智慧大會在京舉行，雷鋒網亦來到現場。

在英特爾媒體溝通會上，來自英特爾人工智慧部門的三位負責人分享了各自領域的進展，包括：人工智慧全棧解決方案與技術、人工智慧推動醫療現代化、深度學習中的自然語言處理。

英特爾部署人工智慧全棧解決方案

英特爾人工智慧事業部業務拓展總經理Fiaz Mohamed分享了 「人工智慧全棧解決方案與技術」。

首先，他介紹了目前人工智慧的進展。Fiaz談到，在兩年前，金融服務業、醫療、無人駕駛、運輸這些行業較早應用AI，但是近兩年，人工智慧的接受度大大提高，幾乎所有主要的行業都廣泛地採用了AI。

現在這些傳統行業都如何應用AI呢？傳統行業需要端到端的應用解決自己的業務問題。通常應用AI的步驟有：獲取數據、建立模型、訓練數據，這些過程相當複雜。且多種多樣的應用需求需要不同的解決方案和技術來滿足，紛繁複雜的工作負載也需要不同類型和特點的人工智慧產品來支撐。

Fiaz表示，「Intel想解決所有這些廣泛而細緻的問題……英特爾要推進AI被行業所接受的邊界，不僅僅需要晶元，需要解決的問題要遠遠比晶元更多。」Intel目前的AI技術囊括：晶元、資料庫、框架、工具、平台。

Fiaz介紹了英特爾人工智慧全棧式解決方案，它就是一個完整的產品組合，包括至強可擴展處理器、英特爾Nervana神經網路處理器和FPGA、網路以及存儲技術等；針對深度學習/機器學習而優化的基於英特爾架構的數學函數庫（Intel MKL）以及數據分析加速庫（Intel DAAL）等；支持和優化開源深度學習框架如Spark、Caffe、Theano以及Neon等；構建以英特爾Movidius和Saffron為代表的平台以推動前後端協同人工智慧發展。

此外，為更好地推動人工智慧技術普及，英特爾還聯手百度雲等合作夥伴安排了培訓等課程，讓開發者們更好地了解BigDL等框架。BigDL是一款基於Apache Spark的分散式深度學習框架,它可以無縫的直接運行在現有的Apache Spark和Hadoop集群之上。百度雲在即將發布的數據分析平台中將整合BigDL最新版本。未來英特爾還將聯合百度雲智學院推出完整的「數據分析+BigDL」培訓課程。

人工智慧落地醫療領域的挑戰

（英特爾人工智慧事業部副總裁、人工智慧實驗室和軟體總經理Arjun Bansal）

英特爾人工智慧事業部副總裁、人工智慧實驗室和軟體總經理Arjun Bansal分享了英特爾的人工智慧技術在醫療上面的應用。

在他看來，現在醫療行業主要有三大挑戰，第一是數據量特別大，而且不斷地增加。第二是臨床醫生又不夠多， 第三是高額的時間和花費成本。

英特爾的目標是解決這三大類的問題和挑戰。英特爾用深度學習處理醫療中產生的海量大數據。關於醫生人數不夠多的問題，英特爾也搭建了一些解決方案和系統來做一些特定疾病的檢測，比如說做一些電子病歷的存檔和分析，為醫生提供一些輔助服務。在成本方面我們也有專門的具體的解決方案，比如做大量的內容篩選。

Arjun分享了多個具體的案例。例如，英特爾與醫療機構合作進行腫瘤、心腦血管疾病的檢測，英特爾的CPU能提供更大的內存，且通過運行優化的演算法，能將腫瘤診斷的訓練由數小時縮短至數分鐘。在中國，英特爾與浙江大學附屬第一醫院，在甲狀腺的檢測方面開展合作。現在有非常多的病患都需要拍片，但是缺乏專業的放射科的醫師來去看片子、分析片子，英特爾所做的是先把閱片的準確率從75%提到85%。另外還把工作任務進行了轉移，現在不一定非得是專業的放射醫療師來看片，通過英特爾的機器協助，其他人員也可以協助看片。這樣對於病患的診斷還有救治工作就能做的更好。

Arjun談到，這些案例都是英特爾用自己的演算法進行開發或者與客戶一起合作進行開發，一起建模並且不斷優化框架和整個系統。

自然語言處理的商業應用

英特爾人工智慧事業部數據科學部主任劉茵茵分享了英特爾在深度學習中的自然語言處理的進展。

相對於機器視覺還有其他很多應用，語言處理方面這還是一個比較新的領域，而對自然語言處理方面的市場預測，未來的商機非常大。

劉茵茵分享到，「我們想建立自然語言處理的堆棧，它有一些非常重要的特徵，首先能夠不斷地融入創新、不斷地進步，能夠提供給開發人員非常靈活、開放的空間，大家可以用它建立各種各樣的方案，非常快速、簡單地建立各種各樣的方案，然後引領商業層面的觀點。」

英特爾在軟體、硬體、框架、平台上有很多底層的技術，作為數據科學家，劉茵茵認為他們可以逐漸把層往上搭，可以加入很多模塊然後一起去解決各種各樣的在商業應用中產生的問題。

第一個方面是主題分類。對於商業方向工作人員來說，他們需要從很大量的商業報告中提取他們想知道的信息，然後做出一些推薦或決策。自然語言處理模型可以幫助進行主題分類，能通過系統快速檢測出他們最需要看到的東西。

第二個應用場景，情感分析。自然語言處理可以分析用戶對電影、音樂、商品給出的評論。通過自然語言處理模塊，它能夠非常精細的分析出這種判斷到底是針對某一個東西的某一個方面，這種應用方案不光可以應用於媒體分析和論壇分析，也可以使用在產品分析包括競爭對手分析上，可以提供非常細緻的判斷。

第三個應用場景，趨勢分析。直觀來說，在學術方面，每一段時間人們可能會比較側重於某一方面的研究，即便自然語言處理方面，去年一些學術文章和今年的學術文章兩個集合在一起比較的時候可以看出去年和今年比較有一些主題更加被人重視，更多人討論。這樣比較的時候就可以看出在開發人員的交流里，大家會逐漸對某一些問題更加重視，對某一些問題會覺得已經被解決掉了，注意力會轉移到一些新的領域裡。

傳統行業對AI的不同需求

2017年起，人工智慧落地傳統行業是一個很熱的趨勢。但是雷鋒網了解到，目前很多傳統行業對AI技術的掌握程度很低，也不知道如何用AI技術來解決自己的需求。

Arjun詳細解答了這個問題。在他看來，現在企業的成熟度不同，需求也是不同的。現在一些企業希望有一個完善的預置的解決方案，如果你去問醫療設備公司，他們希望你能夠為他們建一個現成的模型供他們使用，這事實上也是英特爾所做的工作。而另外一些企業希望的是能夠有一個第三方的解決方案，能夠給他們解決比較特殊的問題，比如圖像處理、分析。對於一些大型企業來說，比如說服務業行業，他們希望是建立端到端的基礎架構。所以這不僅僅是有關於數據中心的，而是一個非常宏大的項目。很多公司還希望能夠對模型進行優化，更好地把這些先進技術恰當的部署和優化，進而用來進行實際應用。

雷鋒網了解到，針對企業不同類型的問題，未來英特爾都有專門的定製化的服務。「我們希望能夠為客戶定製化模型和產品，然後在特定領域，比如在金融、醫療、零售領域為我們的客戶提供精專化的服務，尤其對於中國客戶。這些解決方案我們一直在通過與很多合作夥伴的合作來不斷完善。我想在將來我們都能夠推出這些產品，能夠更加便捷的讓我們的客戶使用這些技術」，Arjun進一步解釋到，「我還想說現在初創企業扮演的角色非常重要，他們的規模非常大、能力非常好，同時還有非常多的數據以及數據中心。我們與這些小型公司同樣有密切合作，比如收集各種各樣的用例，能夠用在我們的AI、深度學習還有英特爾其他一些場景當中。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！