開源設(shè)計(jì)簡(jiǎn)化了用于醫(yī)療、制造、零售和其它行業(yè)解決方案的AI開發(fā)。

英特爾正式推出了首套開源AI參考套件，旨在讓企業(yè)能夠在本地、云端和邊緣環(huán)境中都更易于部署AI。這些在英特爾On產(chǎn)業(yè)創(chuàng)新峰會(huì)(Intel Vision)上率先公布的參考套件包括AI模型代碼、端到端機(jī)器學(xué)習(xí)管道說明、庫(kù)和用于跨架構(gòu)運(yùn)行的英特爾oneAPI組件，讓數(shù)據(jù)科學(xué)家和開發(fā)者能夠?qū)W習(xí)如何更快速、更簡(jiǎn)單地在醫(yī)療、制造、零售和其他行業(yè)部署準(zhǔn)確性更高、性能更優(yōu)和總落地成本更低的AI。

“ 在開放和眾創(chuàng)的環(huán)境中，創(chuàng)新才能蓬勃發(fā)展。不管是包括各種已優(yōu)化的流行框架的英特爾加速開放AI軟件生態(tài)，還是英特爾的AI工具，都建立在開放的、基于標(biāo)準(zhǔn)的、統(tǒng)一的oneAPI編程模型基礎(chǔ)上。此次推出的參考套件是用英特爾的各項(xiàng)端到端AI軟件產(chǎn)品打造而成，將讓數(shù)百萬的開發(fā)者和數(shù)據(jù)科學(xué)家能夠輕松快捷地將AI加入應(yīng)用程序，或改善現(xiàn)有的智能解決方案。

——李煒博士

英特爾副總裁

兼人工智能和分析部門總經(jīng)理”

隨著視覺、語音、推薦系統(tǒng)等領(lǐng)域的用例出現(xiàn)，AI工作負(fù)載正不斷增長(zhǎng)并變得更加多樣化。與埃森哲聯(lián)合開發(fā)的英特爾AI參考套件旨在加速推動(dòng)AI在各行業(yè)的應(yīng)用。這些套件是開源的預(yù)置AI，可針對(duì)各種重要企業(yè)應(yīng)用場(chǎng)景，支持新AI的引入和現(xiàn)有AI解決方案的戰(zhàn)略調(diào)整。

本次英特爾將推出四款套件供下載：

● 公用設(shè)施資產(chǎn)健康：隨著全球能源消耗的持續(xù)增長(zhǎng)，電力傳輸資產(chǎn)的數(shù)量預(yù)計(jì)也將增長(zhǎng)。這一預(yù)測(cè)分析模型被訓(xùn)練用于提高公用設(shè)施的服務(wù)可靠性。通過英特爾 oneAPI數(shù)據(jù)分析庫(kù)(Intel oneAPI Data Analytics Library)，它使用經(jīng)英特爾優(yōu)化的XGBoost算法，基于34項(xiàng)屬性和超過1000萬個(gè)數(shù)據(jù)點(diǎn)，對(duì)電線桿的使用狀況進(jìn)行建模。①數(shù)據(jù)類型包括資產(chǎn)使用年限、機(jī)械性能、地理空間數(shù)據(jù)、檢查報(bào)告、制造商、先前的維修和維護(hù)歷史以及斷電記錄。該預(yù)測(cè)性資產(chǎn)維護(hù)模型會(huì)不斷學(xué)習(xí)新提供的數(shù)據(jù)，如新的電線桿制造商、斷電和其他條件變化。

● 視覺質(zhì)量控制：質(zhì)量控制是所有制造業(yè)務(wù)中的必需環(huán)節(jié)。計(jì)算機(jī)視覺技術(shù)的挑戰(zhàn)在于它們?cè)谟?xùn)練過程中往往需要大量的圖像算力，且需要隨著新產(chǎn)品的推出頻繁地重新訓(xùn)練。這一AI視覺質(zhì)量控制模型是用包括英特爾 PyTorch優(yōu)化版的英特爾 AI Analytics Toolkit和英特爾 發(fā)行版OpenVINO 工具套件訓(xùn)練而成，二者均由oneAPI提供技術(shù)支持。針對(duì)跨CPU、GPU和其它基于加速器的架構(gòu)的計(jì)算機(jī)視覺工作負(fù)載，與現(xiàn)有的未經(jīng)英特爾優(yōu)化②的埃森哲視覺質(zhì)量控制套件相比，這一模型的的訓(xùn)練和推理速度分別提高了20%和55%。利用計(jì)算機(jī)視覺技術(shù)和SqueezeNet分類算法，這一AI視覺質(zhì)量控制模型可通過超參數(shù)調(diào)優(yōu)和優(yōu)化檢測(cè)藥品缺陷，準(zhǔn)確率達(dá)95%。

● 客服機(jī)器人：對(duì)話式聊天機(jī)器人已成為支持整個(gè)企業(yè)發(fā)展的關(guān)鍵服務(wù)。用于對(duì)話式聊天機(jī)器人交互的AI模型是規(guī)模龐大且高度復(fù)雜的。這款參考套件包含了進(jìn)行意圖分類(intent classification)和命名實(shí)體識(shí)別(named-entity recognition)的深度學(xué)習(xí)自然語言處理模型，使用BERT和PyTorch。英特爾 PyTorch擴(kuò)展包(Intel Extension for PyTorch)和英特爾 發(fā)行版OpenVINO 工具對(duì)該模型進(jìn)行了優(yōu)化，實(shí)現(xiàn)了跨異構(gòu)的更高性能，與現(xiàn)有的未經(jīng)英特爾優(yōu)化的埃森哲客服機(jī)器人套件相比，推理速度提高了45%③，同時(shí)，還讓開發(fā)者通過最少的代碼改動(dòng)就能重新使用模型開發(fā)代碼進(jìn)行訓(xùn)練和推理。

● 智能文檔索引：企業(yè)每年需要處理和分析數(shù)百萬份文檔，許多半結(jié)構(gòu)化和非結(jié)構(gòu)化文檔都需要手動(dòng)操作。AI可以自動(dòng)處理和分類這些文檔，以提高速度并降低人力成本。此款套件使用支持向量分類(SVC)模型，并通過oneAPI技術(shù)支持下的Intel 發(fā)行版Modin和英特爾 Scikit-learn擴(kuò)展包(Intel Extension for Scikit-learn)進(jìn)行了優(yōu)化。與現(xiàn)有的未經(jīng)英特爾優(yōu)化④的埃森哲智能文檔索引工具包相比，這些工具將將數(shù)據(jù)預(yù)處理、訓(xùn)練和推理的時(shí)間分別提高了46%、96%和60%，能以65%的準(zhǔn)確率審閱和分析文檔。

開發(fā)者希望能將AI加入其解決方案，英特爾此次發(fā)布的AI參考套件則有助于這一目標(biāo)的實(shí)現(xiàn)。這些套件建立在英特爾端到端工具和框架優(yōu)化AI軟件的基礎(chǔ)上，并完善了這一產(chǎn)品組合?；趏neAPI開放的、基于標(biāo)準(zhǔn)的、異構(gòu)的，可在多種架構(gòu)上運(yùn)行的編程模型開發(fā)，這些工具能克服專有環(huán)境限制，幫助數(shù)據(jù)科學(xué)家以更快的速度和更低的成本訓(xùn)練模型。

未來一年，英特爾還將發(fā)布一系列新開源AI參考套件，提供各種已訓(xùn)練好的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型，幫助各種規(guī)模的企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型。

審核編輯：湯梓紅