背景
隨著人工智能 (AI) 的興起，圖像識別、自然語言處理 (NLP) 和預測性維護嶄露頭角，逐漸成為關注的熱點。在人工智能之旅中，有些企業是第一次接觸這些人工智能應用案例，有些則在研究如何在成功邁出第一步后繼續深化發展。企業在人工智能之旅中可分為三類階段——首次使用人工智能；縱向擴展人工智能；和廣泛實施人工智能。為了幫助處于人工智能之旅各個階段的組織，英特爾創建了一種就緒模型，幫助決策者了解應該優先考慮哪些方面。基于各種場景以及垂直行業的客戶往來的經驗來構建此就緒模型。例如，想要改進質量控制的制造公司，或是想要在算法交易中使用人工智能的金融服務機構。本文將指導您如何判斷企業利用人工智能創造商業價值的能力，并幫助您了解如何實施自我評估。
人工智能之旅的三大階段
1.首次使用人工智能第一類企業仍然不太熟悉應如何部署人工智能應用，例如圖像識別、自然語言處理 (NLP)和預測性維護。一般有三種常見場景：已經擁有數據池的企業可通過利用人工智能獲益。 例如，一家與英特爾合作的太陽能發電廠會定期采集硬件的圖像，以便找出損壞的地方。在此場景中，該企業希望了解，他們是否可采用一種圖像識別算法來自動確認缺陷位置。在醫療健康行業也可以找到相似的場景：評估放射診斷圖表或其他醫療數據。企業在傳統環境中運行工作負載，希望使用人工智能或機器學習來探索進一步優化的機會。 例如，一些已經熟悉數據分析的企業，或者運行物理算法的研究機構。類似地，在機械、材料、貨物或加工中使用固定模式進行缺陷檢測的制造商可能也意識到了機器學習的優勢。有些企業一直在研究人工智能的潛力——例如，在客戶服務場景中使用NLP，或者零售商使用圖像識別來優化對店內客戶的行為的分析。 在有些案例中，人工智能最擅長解決的問題可能并不明顯——例如一些幕后應用案例，如預測性庫存管理。對于這些企業組織機構，他們可能難以預先描繪人工智能的優勢，且其數據也并非一直可用，或者數據的呈現形式并不適合人工智能。2.縱向擴展人工智能第二類企業已經研究過人工智能的潛力，知道在哪些地方適合使用人工智能，且已成功實施過測試模型。具體可以歸類為以下幾種場景：企業可能已經開展了概念驗證，在工作站或單臺設備上運行人工智能解決方案。 他們面臨的挑戰在于，需要將解決方案遷移到數據中心環境中，以便將其轉移到生產環境中。例如：在運營中運用預測性維護洞察。企業已經“自行”開發出解決方案，現在想要使用行業標準的基礎設施和/或軟件。 不管是硬件、軟件還是二者兼有，企業面臨的挑戰在于向一個（短期內）并不會產出理想結果的架構遷移。雖然這些企業在人工智能之旅中處于更靠前的位置，但他們可能仍然缺乏在“縱向擴展”人工智能方面所需的技能，難以依靠相對簡單的軟件和硬件配置推廣到少數工程師以外的用戶群。此外，遷移至多節點解決方案也需要解決一個現實問題：人工智能并不是按線性擴展。例如，盡管單節點配置每秒可以處理數百張圖像，但遷移至 50 臺處理器并不能將此性能提高 50 倍。如果需要“大范圍”使用，而非一次性采樣，數據源也可能成為瓶頸。3.廣泛實施人工智能第三類企業已在某種程度上使用機器學習和人工智能，并希望擴展到更廣泛的應用范圍。通常包含以下三種場景：企業可能已經在業務部門成功使用人工智能，現在希望擴展應用范圍。 例如，一家公司可能在生產中采用圖像識別來進行質量控制，現在想要在呼叫中心中部署 NLP。企業已成功利用人工智能來學習和解析數據，現在希望擴展到基于推理的維護和模型更新中去。 他們可能還希望利用人工智能的成果來推動自動化，例如，使用庫存數據來推動備品備件的庫存管理、計劃和采購。從基礎設施的角度來看，這些企業可能還希望改善功耗或性能，并降低總體擁有成本 (TCO)。在這些場景中，他們面臨的挑戰在于：要確保平臺能夠適用于多個應用案例，并按要求及各案例之間的資源需求波動來管理資源。
三種人工智能就緒類型
雖然組織可能處于人工智能之旅的不同階段，但他們進入下一個階段或繼續獲得成功的歷程則取決于是否具備合適的技能和資源、基礎設施和技術、以及流程和模型。同時還可以從以下方面考慮就緒性：基礎——實施人工智能的前提是具備合適的基礎設施和接口運營——合適的管理和治理機制是決定人工智能解決方案可持續性的關鍵轉型——一個組織最大限度地發揮人工智能價值的能力基礎就緒是第一步，但人工智能能否取得成功則由運營就緒狀況和轉型就緒能力（企業對人工智能的接受程度）決定。這催生了新的要求，而這些要求又進一步推動了人工智能部署的基礎建設。
基礎準備就緒
實施人工智能的前提是具備合適的基礎設施和接口。然而在沒有對潛在場景進行測試和評估之前，并不能明確到底有哪些需求。同時，組織可能缺乏相應的技能和專業知識。鑒于這些因素，組織還需考慮下列問題。基礎設施平臺許多企業都想知道，現有的數據中心設施是否能用于人工智能工作負載。雖然概念驗證給出的答案可能是肯定的，但有些設施并不適合用在機器學習和人工智能所需的大規模可擴展流程中。根據具體的場景，人工智能所需的數據流可能嚴重占用您的網絡帶寬。有些人工智能解決方案可規劃在非高峰期，以最大化吞吐量。與此同時，其他時間關鍵型場景則可能給網絡帶來嚴重的負擔，比如當數據與預測性維護功能鏈接起來的時候。云資源將基于云的服務作為人工智能的基礎，特別是在圖像和自然語言處理等領域。云具備門檻低、按使用量付費等優勢，因此特別適合用于訓練和測試。當企業希望縱向擴展人工智能的使用范圍時，他們需要檢查他們基于云的資源是否仍然適用。云服務提供商可能提供分等級的價格和服務級別協議，這可能是根據運行工作負載的底層計算基礎設施來定義的。決策者需要力爭在性能和成本之間達成平衡，可能需要針對每個工作負載逐個完成。數據來源關鍵的數據來源必須是可使用且可訪問的。決策者和工程師需要確保用于深度學習算法的數據有適當的數量和質量，無論數據是來自于內部還是外部：如果是后者，則可能需要安排與第三方之間達成一致。軟件包如今，各種各樣的推理、機器學習和人工智能軟件包可供您選擇，每種都有各自的優缺點。開源軟件包，例如 TensorFlow* 和BigDL 與英特爾® Saffron™ 軟件和基于云的服務等商業解決方案配合使用。所有這些都需要與用于數據管理、可視化等的工具集成：每個應用案例都需要軟件架構為手頭的工作選擇最合適的工具，這可能需要考慮到下游系統、定制、優化和其他改動。
運營準備就緒
合適的管理和治理機制是決定人工智能解決方案可持續性的關鍵。IT 決策者可以檢查一些領域，以確保人工智能部署已做好運營準備。建議檢查以下幾點。敏捷交付最佳實踐模型，例如開發運維，以及其他敏捷方法能為處于人工智能之旅各個階段的企業提供顯著幫助——在早期階段，持續開發和交付能應對快速變化的需求、不明確的結果，滿足重復檢查、評估和測試的需求。對于更高級的使用，持續改進可能推動數據源和模型發生變化。運營管理開發運維的“運維”面也需要采用與高效的服務交付有關的標準（用于作為人工智能基礎的平臺），還需要對所有內部和外部數據源實施有效管理。除此之外，還應存在衡量人工智能有效性的標準。例如，獲得的洞察或自動化成果是否能夠產生預期的價值？技能和專業知識對于處于人工智能之旅早期階段的企業而言，缺乏技能是他們經常面臨的一個挑戰。起初的時候，您可能需要從外界引入相應的技術人才，尤其是針對特定解決方案時架構師，他們可以調整概念驗證解決方案；但是，在 IT 和業務部門中培養內部技術人才對企業而言是非常有利的。若在沒有內部技術人才的情況下執行概念驗證以外的操作，會給人工智能項目增加不必要的風險，尤其是在檢查和評估階段。網絡安全鑒于人工智能和自動化之間的關系能夠最小化人為干預，因此應將監管、數據的網絡安全、基礎設施和算法視為最優先項。潛在的安全風險來自于輸入到人工智能中的數據出現污染、模型篡改，或者對所得洞察未經授權的訪問。管理、合規和風險人工智能和管理之間的關系錯綜復雜，且涵蓋多個方面。當組織處于人工智能之旅的早期階段時，所面臨的管理問題與其他以數據為中心的 IT 項目并無差別，主要是項目是否能夠交付、客戶隱私是否受到保護等。隨著其使用范圍擴大，人工智能會涉及更多問題：例如，在預測性計劃和維護中，就備品備件采購（如果存在）而言，需要多大程度的人為參與？
轉型準備就緒
第三個就緒問題：組織能否從人工智能中獲取最大價值。無論人工智能是被用于模式識別、形成洞察或流程自動化，一般都會產生以下影響中的一種：有利于高管或部門管理人員做出更好的決策自動完成部分業務流程，或推動實現自動響應無論是哪種情況，人工智能都會給日常業務運營帶來重大影響，而企業也需要能夠接受隨之而來的改變。戰略領導——雖說不一定要讓董事會將數字技術，尤其是人工智能，視作業務增長的推動因素，但是，一旦樹立了正確的理念，這無疑將有助于從組織的最高層開始推動交付。如果將人工智能視為戰略優勢的來源，那么也將據此設定優先級和預算。商機——同樣地，如果能夠開啟新的業務增長機會、形成與客戶交互的新方式，或者采用新型的運營流程，那么人工智能獲得成功的機會也會增加。如果情況是這樣，那么組織應該自行調整結構，以便利用在人工智能推動下可能存在的商機。務必要明確現有的以及期望的運營模式將如何通過自動化或功能增強來發揮人工智能的成果和優勢。業務案例說明——無論施行哪種業務變革，都要清楚了解這種變革將會帶來哪些優勢。根據英特爾的經驗，處于人工智能之旅早期階段的企業更加關注總體擁有成本：也就是人工智能能否以適當的成本，達到預期的結果（并通過自動化節省資金）。發展程度較高的項目希望提高人工智能的性能，發展程度最高的項目則希望能夠從業務角度看到投資回報，例如，可以省下多少時間用來執行其他任務。業務案例應該清楚給出衡量成功程度的成本標準。獲得業務部門的認可——解決方案應根據業務需求實施調整，并融入一線員工和受影響人員的日常工作。要想獲得業務部門的認可并非易事，當工作角色和職責因實施人工智能而發生變化時更是如此。
基于英特爾® 至強® 處理器的人工智能軟件優化
在了解了組織在人工智能之旅的三大階段后，基于英特爾® 至強® 可擴展處理器，英特爾提供了兩種人工智能的解決方案。為了讓數據科學家和開發人員能夠在工作中使用他們喜歡的框架，英特爾對許多廣受歡迎的人工智能框架的深度學習庫實施了優化，其中包括 TensorFlow*、Theano* 和MXNet*。英特爾® 至強® 處理器是數據中心的核心，運行大部分最重要、最具創新性的工作負載。雖然您數據中心中現有的英特爾® 架構允許您開始進行機器學習和深度學習，但新的英特爾® 至強® 可擴展處理器可以為人工智能提供更敏捷的英特爾平臺，有助于將您的人工智能帶入更高的階段。至于實施深度學習訓練和推理所需的計算性能，與前一代產品的深度學習訓練和推理性能相比，英特爾® 至強® 可擴展處理器要高出 2.2 倍。此外，受益于其他軟件的優化——例如，TensorFlow*、Theano* 和Torch*——其性能要比未經優化、3 年用齡的深度學習服務器的性能高 113 倍，因而能為人工智能工作負載提供堅實的基礎設施1。前代產品擁有 4 個內存通道，而它擁有 6 個，因此可為內存密集型工作負載大幅提升內存帶寬和容量。從現有的基于英特爾® 至強® 處理器的基礎設施中獲取最大價值利用現有的數據中心基礎設施，您有機會以靈活、通用的基礎來證明人工智能的商業價值。英特爾® 至強® 處理器在現有的分析流水線中使用一致的基礎設施和編程模式，且滿足人工智能模型對于大容量內存的需求。前文提到的軟件優化意味著基于英特爾® 至強® 處理器的基礎設施可以繼續為組織的人工智能之旅（從實驗到概念驗證再到生產）提供支持，具體由工作負載決定。基于英特爾® 至強® 可擴展處理器的人工智能解決方案如下：適用于深度神經網絡的英特爾® 數學核心函數庫（英特爾® MKL-DNN）在這些框架的底層運行，充當加速器，采用特定的數學函數來支持深度學習，在搭載英特爾® 高級矢量擴展指令集 2（英特爾® AVX-2）和英特爾® 高級矢量擴展指令集 512（英特爾® AVX-512）的 x86 上實施優化。作為開源項目，它將繼續緊跟所有大型框架的新趨勢。另外， BigDL 是面向 Spark* 的分布式深度學習庫，可在現有的 Spark 或 Apache Hadoop* 集群上直接運行。BigDL 由英特爾開發，允許將預先訓練的 Torch* 模型載入Spark 框架，并且有效地進行橫向擴展，以針對大規模數據實施數據分析。
為實現人工智能成功的準備工作
無論您的企業是剛開始走上人工智能之旅，還是已經有了某種程度的發展，您可以根據以下提問評估出您所處的位置，并根據得出的結論進一步做好準備。以下是幾個有助于您實施規劃的問題：1.首次使用人工智能的使用范圍是否明確指出了需要利用人工智能解決的場景、應用案例或問題？是否依據人工智能可在哪些方面發揮最大的業務價值設置了優先級？所規劃的基礎設施架構是否明晰、合適？是否所有所需的數據源都簡單易懂且可以訪問？您所選擇的軟件包能否提供端到端人工智能解決方案？是否具備足夠的技能和資源（無論來自內部或者外部）？是否設定了訓練目標和學習時間？端到端解決方案的總體擁有成本是否明確，且已獲得批準？2.縱向擴展人工智能的使用范圍所規劃的解決方案能否超越初始測試和評估的規模，實現擴展？已明確定義的業務案例是否得到了業務部門的確認？是否具備足夠的直接資源，且已分配和預留了時間？網絡帶寬是否足以確保及時交付大規模數據？是否采用了涉及人工智能交付的運營管理流程？架構是否與行業標準和最佳實踐保持一致？是否實施了網絡安全風險評估，并據此采取行動？是否制定了切實的部署計劃，并做了相應的溝通？3.橫向擴展人工智能的使用范圍是否有團隊負責監管基于人工智能的持續改進情況？是否研究和明確了組織所具備的更廣泛的人工智能潛能？是否根據最佳敏捷實踐開發和部署了人工智能解決方案？是否有監測人工智能解決方案在實際業務中效果的相關措施？關于人工智能的架構，是以平臺方式提供，還是作為一次性解決方案提供？業務部門是否完全了解人工智能將如何影響其流程？是否明確了解人工智能解決方案的管理需求？人工智能是否被視為基于 IT 業務戰略的核心？通過解決這些問題，您將提高獲得成功的可能性，并且提高組織對基于人工智能的解決方案的接受程度。您可在了解人工智能的優勢之后，開始構建技能和專業知識。最重要的是，明確了解您需要解決的問題。清楚闡明問題，然后致力于找到切實可行的解決方案。無論是流程自動化還是提供洞察，人工智能的最終目標都是讓您和您的組織能夠節省出更多時間去推動創新和增長。
文章摘自英特爾精英匯
想購買及了解更多英特爾產品詳情，歡迎咨詢以下聯系方式！
寶通集團聯系方式
咨詢熱線：0755-88603572
寶通官網：www.btibt.com
客戶垂詢郵箱：cuifang.mo@ex-channel.com
客戶垂詢QQ：1627678462
地址：深圳市福田區深南大道1006號國際創新中心C座11樓
郵編：518026
當前位置：
粵公網安備 44030402001885號
友情鏈接： 金沙古酒 | 中青寶 | 寶德控股 | 寶德計算 |