11月14日至15日，英特爾人工智能大會（AIDC）在北京舉行,。大會第二天,，英特爾軟件和服務事業(yè)部高級首席工程師、大數據技術全球CTO戴金權,，英特爾人工智能產品事業(yè)部全球研究負責人Casimir Wierzynski,，英特爾人工智能產品事業(yè)部全球數據科學負責人劉茵茵、英特爾中國研究院院長宋繼強分別發(fā)表主題演講,。以下是精彩觀點摘錄,。

戴金權：人工智能和大數據的變革

3D萌系冒險手游 ios今日公測

廣告

英特爾軟件和服務事業(yè)部高級首席工程師、大數據技術全球CTO戴金權發(fā)表演講

數據定義未來,，戴金權認為：一方面,，物聯網、智能設備,、流處理,、機器學習等應用場景極大地推動了數據規(guī)模和數據需求的飛速增長；另一方面,，越來越多的需求亟待我們使用大數據分析,、人工智能這樣的技術創(chuàng)新，來挖掘更多知識,、預測,、智能，從而推動各行各業(yè)的變革,。

在這個過程中,，沒有一種方案能夠解決所有問題,。英特爾致力于構建統(tǒng)一的大數據分析和AI平臺，支撐各種軟硬件技術,，并與合作伙伴一起應用到實際場景中,。

英特爾構建了Analytics Zoo作為統(tǒng)一的大數據分析和人工智能的平臺，它能夠將Spark,、TensorFlow,、Keras等不同的軟件框架，無縫集成到一個端到端的數據處理流水線中,，并且可以對用戶透明的分布式地運行在大規(guī)模的集群上,。

英特爾Analytics Zoo介紹

基于這些領域的創(chuàng)新,，已經有很多實際的應用場景,。美的集團需要消除由于表面劃傷、螺栓缺失,、表面標簽未對齊等問題造成的產品缺陷,，而人工檢測無法滿足質量指標或檢測率方面的需求。他們與英特爾的Analytics Zoo團隊緊密協(xié)作,，構建了一款高度優(yōu)化的缺陷檢測解決方案,。

世界銀行團隊需要實現眾包圖片確認流程的自動化，即確保從15個國家/地區(qū)的手機所收集的眾包圖片能夠準確地按照食品類目進行分類,。而通過采用英特爾的 Analytics Zoo平臺以及在英特爾至強處理器上運行的 AWS Databricks平臺，可以在將數據集與公眾共享之前對超過100萬幅眾包圖片進行分類,。

高性能計算廠商Cray希望通過對超過1 TB的原始雷達掃描數據進行快速處理,，從而實現短期降水預測。他們攜手英特爾的Analytics Zoo團隊,，成功地為TB級訓練數據構建了短期降水預測模型,，同時確保了極佳的可擴展性。

Casimir Wierzynski：人工智能研究——物理學,、隱私和大腦

英特爾人工智能產品事業(yè)部全球研究負責人Casimir Wierzynski發(fā)表演講

Casimir Wierzynski的團隊專門負責識別下一代AI系統(tǒng)當中的重要技術,，并著力孵化它們。他表示,，物理學,、隱私和大腦，將根本性地塑造人工智能的未來,。

有數據表明,，AI對于計算的需求每3.5個月便會翻倍，在過去六年當中增長了約300000倍,。由此,，人工智能對于算法,、架構以及所有的硬件乃至整個產業(yè)來講都是一個巨大的挑戰(zhàn)，這是物理學能夠幫助AI的地方,，只有物理學突破才能滿足AI計算的爆發(fā)式增長需求,。

“AI的一個重大挑戰(zhàn)是確保我們釋放能力的同時，不違反我們的價值觀,。其中一個重要的價值觀就是隱私,。”Casimir Wierzynski反復強調隱私在AI發(fā)展中的重要性,。他認為,，機器學習和隱私之間存在矛盾，機器學習總想要讀更多的數據,，而隱私天然地想要去隱藏數據,。Casimir Wierzynski的團隊正致力于使同態(tài)加密及其他私有的機器學習技術變得更加強大和實用。

Casimir Wierzynski表示,，大腦是終極的人工智能機器,，深度神經網絡就是由大腦所啟發(fā)。不斷推動AI的前沿發(fā)展,，需要了解人的大腦是如何運轉的,。英特爾所興奮的不僅是能夠更好地開發(fā)人工智能系統(tǒng)，而是解密全人類最大的神秘——大腦的機理,。

劉茵茵：數據科學實現的開源工具

英特爾人工智能產品事業(yè)部全球數據科學負責人劉茵茵發(fā)表演講

“如果你是AI研究人員,，開源工具可能作為研究室用；如果你是數據科學家,，開源工具可以幫助解決應用案例,；如果你是云服務提供商，可以考慮把開源工具整合到機器學習平臺上,；如果你是AI領域里的軟件硬件工程師,，可以看到開源工具作為能力層如何架構在AI的軟件框架和硬件基礎上?！?/p>

在劉茵茵看來,，數據科學應當與AI研究緊密結合，并通過開源工具與社區(qū)建立了聯系,，一起打破模型到現實的障礙,，用AI解決更多的實際問題。

開源的RLCoach集合了19種最新的RL算法,，并整合了8種最新的訓練環(huán)境以實驗這些算法,，其中值得提到的是中間的自動駕駛訓練環(huán)境Carla，它來自英特爾的研究部門,，是一個開源仿真器,，可以更充分地顯示出CPU在提供增強學習中的計算優(yōu)勢,。

NLP Architect是整合很多模型和算法的能力層工具庫，深度學習的很多算法自然構建了不同抽象層的模塊,，從底層的硬件,、框架、拓撲到上層的應用例子,，自然而然地變成這樣的產品組合,，很多模塊在不同的層面上可以重復使用,，甚至加入自己的變化,。

Distiller作為模型壓縮，最大的優(yōu)勢是作為模型壓縮的框架,，開發(fā)人員和工程師可以任意組合很多最新壓縮模型的變化,，將它們組合在一起,，而且提供很多最新的壓縮算法。

宋繼強：人工智能時代的計算

英特爾中國研究院院長宋繼強發(fā)表演講

未來的人工智能會帶來怎樣的變化,？宋繼強認為,，首先是一個多樣性的未來，未來的AI發(fā)揮的一定是多樣性的功能,。

過去近60年,，人工智能的發(fā)展分為兩個階段，而第三波剛剛開始,，很多學術界的前沿在關注,，目的是讓AI能夠在場景里自己學習、自己適應,。目前的研究重點,，則是把第二波人工智能中比較好的技術能力應用到商業(yè)場景，產生真正的社會與經濟價值,，由此形成一個正循環(huán)，從而推動下一波人工智能的發(fā)展,。宋繼強強調說,，人工智能是一種工具，而不是目標,。

宋繼強表示,，人工智能應用領域的多樣化、計算負載的多樣化,、計算部署的多樣化,，其中共性的需求是：多樣化的硬件選擇、統(tǒng)一的軟件工具,、應用SDK,、自定義功能,。

談到未來的人工智能，宋繼強指出離不開四個要素：算法,，硬件,，這些都要由理論來做指導，在應用中檢驗,。

硬件層面,，宋繼強特別介紹了英特爾的神經擬態(tài)芯片。

宋繼強表示,，異構的計算和架構是解決人工智能多樣化計算需求的重要方式,。這其中，英特爾已邁出重要步伐,。

在演講的最后,，宋繼強表示，隨著人工智能的發(fā)展,，跨學科合作將產生1 1＞2的成果,。我們可以開始將心中的構想化為現實，用人工智能創(chuàng)造美好未來,。