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。
評論
查看更多