英特尔AI事业部三位负责人讲解：AI技术如何落地应用

【安防在线 www.anfang.cn】 4月10日至12日，以“应用人工智能”为主题，英特尔与O’Reilly联合主办的中国人工智能大会在京举行。

在英特尔媒体沟通会上，来自英特尔人工智能部门的三位负责人分享了各自领域的进展，包括：人工智能全栈解决方案与技术、人工智能推动医疗现代化、深度学习中的自然语言处理。

英特尔部署人工智能全栈解决方案

英特尔人工智能事业部业务拓展总经理Fiaz Mohamed分享了 “人工智能全栈解决方案与技术”。

首先，他介绍了目前人工智能的进展。Fiaz谈到，在两年前，金融服务业、医疗、无人驾驶、运输这些行业较早应用AI，但是近两年，人工智能的接受度大大提高，几乎所有主要的行业都广泛地采用了AI。

现在这些传统行业都如何应用AI呢？传统行业需要端到端的应用解决自己的业务问题。通常应用AI的步骤有：获取数据、建立模型、训练数据，这些过程相当复杂。且多种多样的应用需求需要不同的解决方案和技术来满足，纷繁复杂的工作负载也需要不同类型和特点的人工智能产品来支撑。

Fiaz表示，“Intel想解决所有这些广泛而细致的问题……英特尔要推进AI被行业所接受的边界，不仅仅需要芯片，需要解决的问题要远远比芯片更多。”Intel目前的AI技术囊括：芯片、数据库、框架、工具、平台。

Fiaz介绍了英特尔人工智能全栈式解决方案，它就是一个完整的产品组合，包括至强可扩展处理器、英特尔Nervana神经网络处理器和FPGA、网络以及存储技术等；针对深度学习/机器学习而优化的基于英特尔架构的数学函数库（Intel MKL）以及数据分析加速库（Intel DAAL）等；支持和优化开源深度学习框架如Spark、Caffe、Theano以及Neon等；构建以英特尔Movidius和Saffron为代表的平台以推动前后端协同人工智能发展。

此外，为更好地推动人工智能技术普及，英特尔还联手百度云等合作伙伴安排了培训等课程，让开发者们更好地了解BigDL等框架。BigDL是一款基于Apache Spark的分布式深度学习框架,它可以无缝的直接运行在现有的Apache Spark和Hadoop集群之上。百度云在即将发布的数据分析平台中将整合BigDL最新版本。未来英特尔还将联合百度云智学院推出完整的“数据分析+BigDL”培训课程。

人工智能落地医疗领域的挑战

（英特尔人工智能事业部副总裁、人工智能实验室和软件总经理Arjun Bansal）

英特尔人工智能事业部副总裁、人工智能实验室和软件总经理Arjun Bansal分享了英特尔的人工智能技术在医疗上面的应用。

在他看来，现在医疗行业主要有三大挑战，第一是数据量特别大，而且不断地增加。第二是临床医生又不够多， 第三是高额的时间和花费成本。

英特尔的目标是解决这三大类的问题和挑战。英特尔用深度学习处理医疗中产生的海量大数据。关于医生人数不够多的问题，英特尔也搭建了一些解决方案和系统来做一些特定疾病的检测，比如说做一些电子病历的存档和分析，为医生提供一些辅助服务。在成本方面我们也有专门的具体的解决方案，比如做大量的内容筛选。

Arjun分享了多个具体的案例。例如，英特尔与医疗机构合作进行肿瘤、心脑血管疾病的检测，英特尔的CPU能提供更大的内存，且通过运行优化的算法，能将肿瘤诊断的训练由数小时缩短至数分钟。在中国，英特尔与浙江大学附属第一医院，在甲状腺的检测方面开展合作。现在有非常多的病患都需要拍片，但是缺乏专业的放射科的医师来去看片子、分析片子，英特尔所做的是先把阅片的准确率从75%提到85%。另外还把工作任务进行了转移，现在不一定非得是专业的放射医疗师来看片，通过英特尔的机器协助，其他人员也可以协助看片。这样对于病患的诊断还有救治工作就能做的更好。

Arjun谈到，这些案例都是英特尔用自己的算法进行开发或者与客户一起合作进行开发，一起建模并且不断优化框架和整个系统。

自然语言处理的商业应用

英特尔人工智能事业部数据科学部主任刘茵茵分享了英特尔在深度学习中的自然语言处理的进展。

相对于机器视觉还有其他很多应用，语言处理方面这还是一个比较新的领域，而对自然语言处理方面的市场预测，未来的商机非常大。

刘茵茵分享到，“我们想建立自然语言处理的堆栈，它有一些非常重要的特征，首先能够不断地融入创新、不断地进步，能够提供给开发人员非常灵活、开放的空间，大家可以用它建立各种各样的方案，非常快速、简单地建立各种各样的方案，然后引领商业层面的观点。”

英特尔在软件、硬件、框架、平台上有很多底层的技术，作为数据科学家，刘茵茵认为他们可以逐渐把层往上搭，可以加入很多模块然后一起去解决各种各样的在商业应用中产生的问题。

第一个方面是主题分类。对于商业方向工作人员来说，他们需要从很大量的商业报告中提取他们想知道的信息，然后做出一些推荐或决策。自然语言处理模型可以帮助进行主题分类，能通过系统快速检测出他们最需要看到的东西。

第二个应用场景，情感分析。自然语言处理可以分析用户对电影、音乐、商品给出的评论。通过自然语言处理模块，它能够非常精细的分析出这种判断到底是针对某一个东西的某一个方面，这种应用方案不光可以应用于媒体分析和论坛分析，也可以使用在产品分析包括竞争对手分析上，可以提供非常细致的判断。

第三个应用场景，趋势分析。直观来说，在学术方面，每一段时间人们可能会比较侧重于某一方面的研究，即便自然语言处理方面，去年一些学术文章和今年的学术文章两个集合在一起比较的时候可以看出去年和今年比较有一些主题更加被人重视，更多人讨论。这样比较的时候就可以看出在开发人员的交流里，大家会逐渐对某一些问题更加重视，对某一些问题会觉得已经被解决掉了，注意力会转移到一些新的领域里。

传统行业对AI的不同需求

2017年起，人工智能落地传统行业是一个很热的趋势。但是雷锋网了解到，目前很多传统行业对AI技术的掌握程度很低，也不知道如何用AI技术来解决自己的需求。

Arjun详细解答了这个问题。在他看来，现在企业的成熟度不同，需求也是不同的。现在一些企业希望有一个完善的预置的解决方案，如果你去问医疗设备公司，他们希望你能够为他们建一个现成的模型供他们使用，这事实上也是英特尔所做的工作。而另外一些企业希望的是能够有一个第三方的解决方案，能够给他们解决比较特殊的问题，比如图像处理、分析。对于一些大型企业来说，比如说服务业行业，他们希望是建立端到端的基础架构。所以这不仅仅是有关于数据中心的，而是一个非常宏大的项目。很多公司还希望能够对模型进行优化，更好地把这些先进技术恰当的部署和优化，进而用来进行实际应用。

了解到，针对企业不同类型的问题，未来英特尔都有专门的定制化的服务。“我们希望能够为客户定制化模型和产品，然后在特定领域，比如在金融、医疗、零售领域为我们的客户提供精专化的服务，尤其对于中国客户。这些解决方案我们一直在通过与很多合作伙伴的合作来不断完善。我想在将来我们都能够推出这些产品，能够更加便捷的让我们的客户使用这些技术”，Arjun进一步解释到，“我还想说现在初创企业扮演的角色非常重要，他们的规模非常大、能力非常好，同时还有非常多的数据以及数据中心。我们与这些小型公司同样有密切合作，比如收集各种各样的用例，能够用在我们的AI、深度学习还有英特尔其他一些场景当中。”