人工智能還能賦能于企業(yè)?

　　歡迎來到人工智能時(shí)代。

　　留意一下就會(huì)發(fā)現(xiàn)，現(xiàn)在越來越多的新聞?lì)^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(jī)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(gè)領(lǐng)域。

　　從研究大腦到個(gè)人理財(cái)，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(dá)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(shí)驗(yàn)室的合作，就是想通過人工智能，開發(fā)出可實(shí)時(shí)繪制人類思維圖的軟件，以大大推進(jìn)科研進(jìn)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(shí)，大腦內(nèi)部都在發(fā)生哪些變化，從而讓人們學(xué)會(huì)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(dòng)，然后再根據(jù)他們大腦的活動(dòng)模式，判斷出他們某一時(shí)刻在想些什么。

　　之后，科研人員通過訓(xùn)練其計(jì)算機(jī)模型，以教會(huì)機(jī)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(jī)器一張新的圖像，機(jī)器就會(huì)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(jī)器快速處理極大量圖片、數(shù)據(jù)的任務(wù)，對計(jì)算機(jī)的計(jì)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(jī)器學(xué)習(xí)、AI、HPC（高性能計(jì)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(jì)算、機(jī)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(jìn)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(tuán)隊(duì)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(jī)器學(xué)習(xí)算法，對腦圖像進(jìn)行分析，以進(jìn)一步推動(dòng)新發(fā)現(xiàn)。這項(xiàng)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(jìn)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(gè)基于手機(jī)等移動(dòng)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(tuán)隊(duì)想打造一款語音 App，讓這款A(yù)pp 扮演用戶的 “個(gè)人財(cái)務(wù)小管家” 的角色，幫用戶更便捷、準(zhǔn)確地了解自己的財(cái)務(wù)狀況。

　　比如用戶可以語音問 App：“過去三個(gè)月，我在超市花了多少錢？” App 就會(huì)給出總金額，及此項(xiàng)花費(fèi)在總花費(fèi)里的占比。

　　由于機(jī)器的理解能力有限，這種人機(jī)互動(dòng)往往要求人們提問時(shí)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(jī)器可以聽懂的方式提問。但 Clinc 的創(chuàng)始人認(rèn)為，人們在交流時(shí)問的問題往往是 “自然的”、“亂糟糟的”。

　　因此，如果要讓機(jī)器為復(fù)雜的問題也能提供個(gè)性化、即時(shí)的答案，Clinc 團(tuán)隊(duì)意識到他們需要利用最新的機(jī)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(gè)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(shí)，例如 “我最近花在鞋子上的錢是不是有點(diǎn)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(gè)人理財(cái)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(jì)算能力方面的增長，及其與高性能計(jì)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(dòng)駕駛、到個(gè)人理財(cái)、再到醫(yī)療領(lǐng)域，各個(gè)行業(yè)在積極與人工智能融合的同時(shí)，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(shí)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(shí)間以來，受制于數(shù)據(jù)量和計(jì)算能力，人工智能一直無法達(dá)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)生新辦法收集海量數(shù)據(jù)，加之計(jì)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(yuǎn)不像 90年代互聯(lián)網(wǎng)浪潮時(shí)，所謂 “與互聯(lián)網(wǎng)結(jié)合” 就等于給公司做個(gè)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(shí)，首先都需要思考一個(gè)難題：到底如何將人工智能解決方案與現(xiàn)有的高性能計(jì)算機(jī)工作負(fù)載進(jìn)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(jì)算基礎(chǔ)設(shè)施上，引入并運(yùn)行人工智能框架，如谷歌的開源項(xiàng)目 TensorFLow 等，不過這對計(jì)算機(jī) 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(yùn)行之后的輸出數(shù)據(jù)，以優(yōu)化現(xiàn)有的高性能計(jì)算工作負(fù)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(jī)器學(xué)習(xí)而設(shè)計(jì)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(jì)算集群上運(yùn)行線性代數(shù)方程來創(chuàng)建統(tǒng)計(jì)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(qiáng)模型，推進(jìn)科研進(jìn)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(qiáng)” Xeon 可擴(kuò)展處理器，就是為針對許多人工智能工作負(fù)載進(jìn)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(qiáng) 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(dá) 56 核心112線程；更重要的是，這代處理器內(nèi)置了機(jī)器學(xué)習(xí)加速（Intel DL Boost）功能，推理性能提升1.4倍，被認(rèn)為是將嵌入式AI性能提升到新的水平，也被認(rèn)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(jìn)。

　　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(gè)關(guān)鍵步驟

　　類似這些項(xiàng)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(jì)算流程之中，才能真正令計(jì)算平臺滿足組織的需求。每個(gè)領(lǐng)域與行業(yè)所運(yùn)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(yùn)行，因此在談及 “人工智能解決方案和高性能計(jì)算融合” 時(shí)，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(jì)算平臺進(jìn)行評估，從而高效運(yùn)行人工智能驅(qū)動(dòng)的工作負(fù)載。英特爾建議，企業(yè)啟動(dòng) AI 應(yīng)用構(gòu)建時(shí)，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(gè)關(guān)鍵步驟來幫助各類組織規(guī)劃人工智能技術(shù)的實(shí)現(xiàn)。

　　第一步，企業(yè)需要了解當(dāng)前的計(jì)算基礎(chǔ)設(shè)施性能，包括計(jì)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(jìn)行評估，選擇出符合企業(yè)自身需求的產(chǎn)品。

　　英特爾至強(qiáng)可擴(kuò)展處理器的最新計(jì)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(jìn)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(qiáng)現(xiàn)代深度神經(jīng)網(wǎng)絡(luò)的易用性及可擴(kuò)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(jì)算基礎(chǔ)設(shè)施進(jìn)行優(yōu)化，以確保計(jì)算運(yùn)行過程中能獲得最高可擴(kuò)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(shí)確保軟件使用的是最新工具，有助于增強(qiáng)流程的流暢化；

　　第五步，企業(yè)需了解其工作負(fù)載會(huì)是何種形態(tài)，比如，企業(yè)將運(yùn)用到的人工智能計(jì)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(jì)算的英特爾精選解決方案，以縮短提供可行洞察、設(shè)計(jì)新產(chǎn)品的時(shí)間。

　　當(dāng)然，即便如此，企業(yè)與高性能計(jì)算環(huán)境實(shí)現(xiàn)完全融合都需要時(shí)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(huì)成為領(lǐng)先于對手的關(guān)鍵一步。