人工智能落地遥不可及？着眼实际就不难
人工智能对我们来讲究竟意味着什么？是橱窗里的机器人还是手机上的小助手？是电影里的大白还是网站里的代码？或许每个人心中都有一个幻想中的人工智能，那么如何让现今的人工智能技术一点一点满足你心里的小小愿望呢？英特尔给出了答案。
北京时间 4 月 10 日到 13 日，O’Reilly 和 Intel 北京人工智能大会 2018 北京站召开。此次活动的目的在于探讨并分享应用 AI 的最新创新成果。作为大会的主办方之一，英特尔近年来在人工智能领域斩获颇丰，在本次大会的主题演讲和研讨会上，英特尔分享了大量的实际案例，展示了热门 AI 领域的应用技术，并提供了当今各行业开发和实现成功的人工智能应用所需具备的专业技术知识。
对于人工智能，英特尔一直持开放的态度，希望通过英特尔优化框架来分享应用人工智能未被挖掘的机会，帮助开发人员和技术领导获得以最新创新和研究为依托、既有深度也有广度的技术性内容。
在 4 月 12 日上午，来自英特尔的 Arjun Bansal 最近进行了名为“人工智能助推医疗行业现代化”的主题演讲。Bansal 认为，人工智能的发展将给医疗行业带来深远影响，比如说可以为医生提供全新洞察，利用海量医疗数据加快诊断速度、减少药物开发的时间和成本等等。
次日，英特尔公司人工智能事业部数据科学部主任刘茵茵博士带来了“基于深度学习的自然语言处理”的主题演讲，谈及了自然语言处理 (NLP) 带给计算机理解人类语言的能力，利用全新的深度学习方法，公司可以快速筛选海量文件、分类并找到信息，数据科学家可基于此创造性地构建适用于各种 NLP 应用的基础。
此外，英特尔公司高级软件工程师利智超给参会人员带来了一个“基于 Apache Spark 及 BigDL 运行分布式 Keras”的教学课程。Keras 是最受欢迎的上层神经网络 API 之一，可帮助公司轻松快速地建立原型并支持多个后端，其中就包括 TensorFlow 和 Theano。同时，在本课程里，利智超就演示了如何将 Keras 无缝集成到 BigDL 中，并应用于基于英特尔®至强®处理器的深度学习和 Apache Spark 中来驱动的大数据任务。
在主会场大放异彩就结束了？错！分会场一样精彩不断。
在“深度学习时代的数据科学和自然语言处理”论坛中刘茵茵博士进一步探讨了深度学习的最新发展如何影响文本、语言和对话式应用的处理，并激发新的数据使用方向。她还分享了几个自然语言处理的业务案例。
在“人工智能助推医疗行业现代化”论坛，依然是 Bansal 带来的精彩分享。Bansal 认为，人工智能将推动精准医疗的发展，基于深度学习的新兴算法和模型可以用来分析医疗数据，例如电子健康记录、医学影像以及制药和基因组数据集。
在“低精度计算用于深度学习推断和训练”论坛，英特尔公司人工智能事业部技术解决方案团队的系统架构师刘建航回顾了深度学习训练和推理的低精度表示历史，并展示英特尔如何利用低精度表示在英特尔®至强®可扩展处理器上执行深度学习计算。他提出，通过低精度训练和推理进行深度学习可提高计算性能，同时又不会降低准确性。
在“基于 BigDL 的超大规模图像处理在京东的实践”论坛，来自英特尔大数据技术团队的专家邱鑫介绍了如何使用 BigDL 在 Apache Spark 上构建具有高度灵活性和可扩展性的端到端深度学习应用，通过使用 BigDL，大规模的图像处理将变得更加简单。他还分享了为京东构建大规模图像特征提取流水线的经验。
在“为现代化英特尔®CPU 优化深度学习框架”论坛，英特尔公司人工智能产品事业部工程总监 Huma Abidi 详细介绍了如何利用深度学习框架实施神经网络模型来解决图像分类、语音识别和目标检测等领域的各种问题，并提供了如何在英特尔®至强®处理器优化了的框架上获取最佳性能而进行的特殊技巧。
在“理解视觉数据”论坛，英特尔首席研究员兼英特尔中国研究院认知计算实验室主任陈玉荣博士介绍了英特尔如何通过各个领域的前瞻性研究，如脸部分析、情绪识别、用于对象检测的高效 CNN 设计、DNN 模型压缩和密集视频字幕等，推进基于深度学习的视觉理解。
英特尔在本次大会的展位上，展位机器人热情地欢迎了诸多的游客，用以帮助推进人工智能解决方案来解决实际问题的实际应用示例也让不少人亲身体验了一把：
第一种，基于英特尔®至强®处理器的人工智能物体检测和对象识别。该演示展示了基于英特尔®至强®处理器、并采用针对英特尔架构优化的 Caffe 框架的人工智能目标检测解决方案。这是英特尔®至强®可扩展处理器的增强功能（英特尔高级矢量扩展指令集、英特尔数学核心函数库、Python）进行的演示。
第二种，基于 Apache Spark 的 BigDL 分布式深度学习框架的具体应用。基于 BigDL 的分布式深度学习的具体应用越来越多地应用于各类企业，包括图像分析、自然语言情感分析、推荐系统等。该演示展示了这些实际应用场景。
第三种，基于英特尔 FPGA 可编程加速卡构建的卷积神经网络系统。英特尔基于 PCI Express 的数据中心 FPGA 加速卡可以支持 in-line 和 lookaside 两种加速类型，具备英特尔®至强®处理器和 FPGA 加速软件栈的支持。此外英特尔提供面向深度学习加速的设计包，可以在预测应用中将多种神经网络拓扑卸载到英特尔 FPGA 可编程加速卡上。本演示展示了基于上述技术和产品如何将 ImageNet 图片库的一千类图片分类的任务卸载到 FPGA 中。
第四种，基于英特尔®Movidius®神经计算棒的物体检测和对象识别技术应用演示。英特尔®Movidius®神经计算棒可支持原型构建和调整流程，实现快速 CNN 部署，显著加速边缘推理开发，此外，其低功耗 VPU 架构无需云连接即可提供全新嵌入式引擎。借助英特尔®Movidius®神经计算棒的加速，利用 SSD MobileNet 模型可为道路监控或实时视频进行对象识别和图像分类。
第五种，英特人工智能学院。无论是新手还是专家，都可利用英特尔人工智能学院提供的基础学习材料、社区、工具和技术来加强您对人工智能的理解。
人工智能究竟应该以怎样的姿态飞入寻常百姓家，或许在每个人的心中都有着不同的答案。而英特尔的理念则是让人工智能解决实际问题，你看，AI 这不就触手可及了吗？
好看的文章千篇一律，有趣的灵魂万里挑一。读者朋友记得给我留言和点赞哦！