人工智能:如何让现有基础设施满足您的需求

降低人工智能的风险,减少从现有基础设施入手的障碍

机器学习和深度学习能在多大程度上促进数据利用,既取决于所涉及的应用案例, 也取决于组织想要解决的问题。

然而,尽管不同组织处于人工智能 (AI) 之旅的不同阶段,但只要从现有基础设施入手,试用的风险就会降低。因此,英特尔对众多热门深度学习框架 (英文) 进行了优化,以便其在英特尔® 架构上运行,其中包括 TensorFlow*、Theano* 等。

此外,英特尔还创建了 BigDL (英文),以便对大数据开展深度学习。这是一个用于 Apache Spark* 的分布式深度学习库,可直接在现有的 Spark 或 Apache Hadoop* 集群上运行,并允许您的开发团队以 Scala 或 Python 程序编写深度学习应用程序。

BigDL 会在各个 Spark 任务中使用英特尔® 数学核心函数库 (英文)(英特尔® MKL)和多线程编程技术。与单节点英特尔® 至强® 处理器上的开箱即用开源 Torch* 或 TensorFlow 相比,这有助于实现高性能,增强深度学习性能。

试用人工智能技术的风险较低,因为组织可从现有的数据中心基础设施入手。

几乎能影响所有行业的三种人工智能应用案例

英特尔发现在当前数据中心基础设施上试用人工智能技术的企业涉及三个关键领域——图像识别、自然语言处理 (NLP) 和预测性维护。当需要针对这些领域进行纵向扩展时,充分利用现有数据中心架构上的开源框架,可大大简化整个企业的人工智能部署。

1) 图像识别

目前,图像识别应用正被部署用于质量控制(识别产品缺陷)、安全(扫描面部和车牌)和医疗(识别肿瘤)领域。

企业面临的一个共同挑战是需要获取足够的数据来训练图像分类和识别算法,并且图像的预处理可能占用整个解决方案一半以上的时间。英特尔® 至强® 处理器能够支持数据增强应用,可帮助解决这一难题。这些应用会旋转和扩展图像,并调整颜色。这意味着只需少量图像,就能有效训练图像识别算法(取决于具体应用案例)。

得益于自身的电源效率和高内存带宽(高达 100Gbs),CPU 能够出色地处理数据增强工作负载。英特尔® 至强® 可扩展处理器家族更是如此,其处理能力因英特尔® 高级矢量扩展 512(英特尔® AVX-512)指令集而得到大幅提升。

得益于自身的电源效率和高内存带宽(高达 100Gbs),CPU 能够出色地处理数据增强工作负载。

2) 自然语言处理

通过语音激活的虚拟助手不仅能正确处理各种请求,还能理解查询的性质,不断地自我改进。同样,能够处理呼叫中心录音或手写表单的系统将能改变客户的体验和满意度——这是以前未曾发现的洞察,可用于识别常见投诉或更快地解决客户问题。

NLP 采用递归神经网络 (RNN) 技术以及长短期记忆 (LSTM),在处理表征这些操作的循环和相关性时,英特尔® AVX-512 指令集也体现自己的优势。

3) 预测性维护

不同于图像识别和 NLP,预测性维护通常基于更低的数据速率,所用信息由监控边缘状况的传感器采集。理想情况下,在回到云环境中进行分析或制定决策前,应进行尽可能多的计算。基于 VPU 的英特尔® Movidius™ 神经计算棒 (英文) 是在边缘加速深度学习开发的理想之选。

观看:人工智能正在改变越来越多的企业使用预测性维护来支持重要其基础设施的方式。

即刻开始人工智能之旅

人工智能性能受计算、软件优化和处理器内存带宽的共同影响,无论您身处人工智能之旅的哪个阶段,英特尔的广泛硬件和软件产品组合都有丰富的工具包,迅速帮助您为人工智能工作负载构建最经济的部署架构。

实施人工智能概念验证的 5 大步骤


了解如何着手实施人工智能概念验证。

人工智能,从至强® 开始

人工智能 (AI) 可以帮助您的企业将数据价值发挥到极致。快来一探究竟,看运行在 CPU 架构上的 AI 如何为您做得更多。

了解更多

如何开始人工智能之旅: 技术路径不只一条,您的选择也不只一个

在 AI 之旅的起点上,无论是传统推理、机器学习、深度学习,亦或是它们的融合,都是可选项。

了解更多

如何开始人工智能之旅: 改弦更张不合算,别忽视既有平台

无论是在机房,还是选择公有云服务,企业要充分评估既有的数据存储、处理和分析平台,基于或借助它构建和部署符合自身需求的 AI 应用。

了解更多

如何开始人工智能之旅: 你已拥有 “原力”,只待释放潜能

企业既有 IT 基础设施在 AI 应用上的潜能很强,随着 CPU 在流行深度学习框架上的持续优化和提供更多的软件工具,只需对它稍做升级,即可充分释放潜能。

了解更多