沒問題46938
英特爾中國研究院院長 宋繼強
從技術突破到產業落地——人工智能發展新趨勢
在人工智能領域英特爾一直處於行業領導者的地位，也曾連續兩年參加世界智能大會。今年世界智能大會以“智能時代：新進展、新趨勢、新舉措”為主題。因此，宋繼強院長首先就如何看待人工智能產業發展的新趨勢向我們進行了介紹：
比較明顯的趨勢是原來很多企業都在嘗試一些新的算法和技術點，如今我們把這些技術應用到各個行業裡去解決具體和實際的問題。從技術的突破，轉成產業的落地，並且實實在在的轉到業務收入上面來。
對於芯片領域來講，前兩年很多學術界在用各種各樣的方法，去試算法，用GPU、FPGA，用英特爾的多核處理器。從去年的下半年到今年，越來越多的公司，包括很多的國內公司已經在做自己的行業專用芯片。而這個專用芯片通常更多的是用ASIC方式來製作定製化芯片。
例如現在阿里巴巴採用專用芯片來滿足應用領域的功耗的要求、延遲的要求、成本和價格的要求。谷歌使用TPU架構，也就是ASIC架構，滿足很嚴格的低延遲要求，用戶遠程請求過來以後，確定的時間內給他反饋。微軟也有類似的需求，但是它上面使用的應用種類比谷歌豐富，所以它用的是FPGA硬件加速的方案。
所以會看到在服務器端，通過通用的多核處理器，支持多種數據分析和機器學習任務。在雲端的雲服務裡，使用FPGA做實時的響應支持，為很多機器學習、人工智能加速。ASIC方案有NNP神經網絡計算的加速器，這都是在服務器端的。
具體到一些應用場景裡，像智能攝像頭、無人機，以及家裡用的智能設備。這些設備都會具備一些語音功能、圖像識別功能，並對功耗和尺寸、價格都有很高要求。這些設備就更需要有定製化的芯片支持，包括無人駕駛車。
從這些例子就可以看到，在不同的應用領域和不同的位置 ，前端、數據中心，甚至邊緣計算，都需要有不同種類的芯片支持，而不是一種，一種是解決不了所有問題的，所以英特爾有一個比較廣泛的產品線去支持不同種類的業務落地。
現在的趨勢很明顯，就是利用現在多種芯片架構，以合適的組合來去支持不同應用領域的要求，這個要求主要體現在性能上、功耗上、價格上、尺寸上，這都是部署階段的要求。我們管這種叫異構，通過一個通用的CPU，加上不同種類的其他的硬件架構加速，來去快速適應行業的要求，這是一個近期比較明確的趨勢。
新技術、新算法對計算能力的挑戰
看清趨勢，才可以更好的引領新技術的落地。深度學習、大數據分析這些新技術、新算法又會為哪些行業產生新的變革？作為當前首屈一指的計算芯片廠商，英特爾在智能製造、大數據分析以及目前正在興起的語音、圖像識別、人臉識別等具體應用中，又該如何應對這些計算能力挑戰？宋院長繼續就這些問題為我們進行了解答。
首先在智能製造領域，就是要把原來是按照固定大批量生產的流水線，能夠改造成適應客戶需求的生產。客戶的訂單可能是多樣的，而且是小批量的。最終是到千人千面，每個人都有定製的想法。這個實際上是要求整個生產的環節流程首先是自己能柔性製造，就是自己去組織這個流程，而不是以前固定好了這個流水線。
在智能製造裡英特爾可以幫助用戶做到的是：提供前端所需要的靈活、自主移動設備的感知部分，感知部分有深度攝像頭，可以幫助做快速感知，還有Movidius這樣的芯片，幫助做人工智能、視覺識別、物體識別的計算加速，而且是低功耗的。同時，也有通訊網絡的支持，幫它快速連接到邊緣服務器上，邊緣服務器上可以有FPGA這樣的硬件加速，幫它做特定任務的加速，因為各個工廠裡可能需要加速的東西並不完全一樣，沒有辦法用ASIC的方式去做，但是FPGA就是一個很好的選擇。
在數據挖掘比較好的例子，一個是零售行業，一個是金融 ，這兩個領域的數據產生量非常大。
金融領域一直是英特爾比較看重的，而且這裡面的數據量非常大，機器學習、數據挖掘的算法都可以很好的應用。這些算法通常來講，我們通過像至強可擴展處理器，可以很靈活地幫助他們做加速，訓練的時候也可以用多核處理器的方式訓練，也可以用英特爾的FPGA幫助做特殊的加速模塊訓練。
零售和人臉識別是比較相關的。人臉識別是一個具體的技術，但是它可以用在很多場景裡，剛才講到的安防或者是做門禁，這是一種。在零售領域，特別是智能零售領域也需要對人的身份進行判斷。所以就是人臉識別會用在這些領域裡，而且都要求能有比較快速的、性價比高的方案。這個時候，ASIC這種方案，像Movidius的方案是非常好的選擇，可以放在智能攝像頭裡，很快幫它達成監測和識別的能力。
如何把人工智能由技術轉變為工具和產品
從技術轉換為可以應用的工具或產品，需要經過一段漫長而艱苦的研發歷程。其中有很大一部分，是在進行軟硬件的磨合，從而挖掘出芯片的最大潛力。在這方面，英特爾是否可以協助廠商，將人工智能從技術更快的轉化成為可以使用的產品呢？宋院長繼續向我們進行了解答：
英特爾實際上也在做超越純技術點之外的一些工作，幫助建立起一些軟件、硬件的工具，甚至是一些評價的體系，來去把這個產品推到一個產業。比如現在英特爾正在根據無人車這個產品推廣一套安全機制，來分析和判斷無人駕駛車輛的採集信息，從而對異常情況進行正確的判斷。
也就是說，英特爾除了在提供一些軟件工具之外，還在推動整個評價體系的建立，從而幫助建立一個新的行業。從一個技術到最後整個行業的蓬勃發展，其實裡面還有很多超越技術本身的事情英特爾也會向用戶提供更加廣泛的支持，協助用戶制定出大家一致認同的規範。
人工智能發展前景展望
人工智能未來是會取代人類的工作，還是會更好的服務於人類的工作？這是一個老問題，但也是在每次人工智能技術進步下的新問題，人工智能的未來發展前景如何，宋繼強向我們進行了展望：
人工智能現在還是初級階段 。行業比較公認的是它的終極目標是希望讓一個系統或者說一個算法、一個程序能夠按人的智能的方式去完成一個任務，尤其是這種交互的任務。那麼它就至少有感知、認知和決策三個階段的處理能力。
現在人工智能在走前面的第一步，通過深度學習的方法，把視覺的信號、聲音的信號基本上都能夠比較準確的反映到計算機系統裡。第二步現在正在努力去克服，這一部分最大的困難是它有很多歧義，同時還有一些不確定性。
現在英特爾做的兩個前瞻性的研究，一個是神經擬態的芯片，這跟現在直接對某些具體算法加速的芯片是不一樣的。具體算法加速是為了已經有的算法做硬件的加速，比如剛才講的ASIC、FPGA，都是這種類型的。但是神經擬態芯片是面向未來的，它的結構就像人腦一樣，由多個神經元構成，神經元之間的互相連接，有多種學習方法可以共存在一個芯片裡邊。不同的芯片的部分可以負責不同的任務，多任務可以同時學習，還可以互相影響，用一些不同的學習方式，自己學習，互相之間產生關聯。這是本身在硬件層級就有一個新的架構去支持。
同時在算法層面，英特爾也繼續增加對概率計算的投資，提升處理不確定性事件的能力。這種能力一旦具有了，對於一個計算系統更好地處理現實世界中各種複雜的情況就更有幫助了。
所以我們認為，下一步要解決對於環境各種場景的理解，並且加入自學習的能力，加入對不確定性的處理能力。加入這部分以後，我們可以想像，計算系統不管是用在哪個領域，對人會更有幫助了，可以實實在在的解決一些更有挑戰性的問題。
希望這些資料可以為您提供幫助
來自科技行者團隊 老董
