لى فنغ شبكة الصحافة: 2018 القمة العالمية حول الذكاء الاصطناعي والروبوتات (CCF-GAIR) الذي عقد في شنتشن، والقمة الاتحاد الحاسوب الصين (CCF) المنظمة، وكان لى فنغ الشبكة، والجامعة الصينية (شنتشن) هونج كونج المقاول، المنطقة الأمنية للحكومة شنتشن بقوة التوجيه، هو الحدث أعلى في البورصات الرئيسية الثلاثة في مجال الذكاء الاصطناعي والروبوتات الأكاديمية المحلية والصناعة ومجتمع الاستثمار، يهدف إلى إنشاء منصة للتبادلات عبر الحدود والتعاون في مجال الذكاء الاصطناعي، وأقوى دولة.
في اليوم الأول من "الحدود AI،" الجمعية العامة المكان الرئيسي، وإنتل كبار مهندس رئيسي، CTO تكنولوجيا البيانات الكبيرة في جميع أنحاء العالم الحق في ارتداء الذهب أحضر خطابا بعنوان "تحليل البيانات الكبيرة + الذكاء الاصطناعي" ل.
DAKIN السلطة المسؤولة عن قيادة في جميع أنحاء العالم إنتل (في وادي السليكون وشنغهاي) عمل فريق المشروع R & D في تحليل البيانات الكبيرة المتقدمة (بما في ذلك التعلم الآلي وزعت والتعلم العميق)، وقال انه قاد الفريق بمفرده وضعت على أساس توزيع التعلم العميق إطار سبارك أباتشي مكتبة BigDL، في هذا الخطاب، سلط الضوء أيضا منتج جديد: بعد الاجتماع، كان شبكة لى فنغ على حقوق BigDL وحديقة الحيوان Analytics لديكين مقابلة حصرية.
إنتل AI خريطة أدوات البرمجيات
وخلال العام الماضي، "الذكاء الاصطناعي الكامل كومة حل" إنتل المذكورة مرارا وتكرارا هو أفضل تفسير للتخطيط الاستراتيجي الذكاء الاصطناعي.
ديكين الحق أن أعرض، قد ارتكبت إنتل لتوفير نهاية كاملة لانهاء حلول الذكاء الاصطناعي الكامل كومة من اقصاه الى معدات الشبكات النهاية، إلى مركز البيانات السحابية.
وتشمل هذه الحلول التقنية الكامنة معالج زيون تحجيم، ورقاقة NNP، FPGA، والذاكرة، وتكنولوجيا الشبكة، والتي هي قواعد البيانات المختلفة، والمنصات الذكاء الاصطناعي وتجربة محددة.
هذه المرة، والحق في ارتداء الذهب ويوضح الاصطناعية طبقة برامج استخبارات إنتل في مزيد من التفاصيل.
في طبقة الأساس، وجهاز إنتل تعلم الأمثل لإنتل تطلق بيثون، إلى أقصى حد DAAL إطلاق سراح والمكتبات الأمثل MKL-DNN وclDNN وظيفة الشبكة العصبية ومفتوحة المصدر nGraph المجمعين، هذه الطبقة في المكتبة، وهناك آلة تحسين مكتبة التعلم، TensorFlow / MXNet / كافيه / BigDL الأمثل، وما إلى ذلك، إلى أدوات لهذه الطبقة، وهناك مفتوحة المصدر الاستدلال البصرية والعصبية تحسين الشبكة أدوات OpenVINO، والتحسين من VPU يستنتج تطوير إنتل Movidius SDK، على وحدة المعالجة المركزية الحلول المعرفية إنتل الزعفران AI. النهاية إلى حلول نهاية يمكن أن تساعد المطورين على تطوير تطبيقات AI بسرعة أكبر.
ديكين حقوق فقد تعهدنا لتحليل البيانات الكبيرة، استنادا إلى تطوير وزعت تعلم إطار BigDL عمق وحديقة الحيوانات تحليلات سبارك، بحيث يمكن للمستخدمين أكثر الكبير البيانات والمهندسين البيانات والعلماء البيانات والمحللين البيانات يمكن أفضل منصة البيانات الكبيرة استخدام تكنولوجيا الذكاء الاصطناعي.
BigDL البيانات الكبيرة هي منصة إنتل ونتاج مزيج من الذكاء الاصطناعي، فلماذا مثل هذا الجمع من ذلك؟
ديكين الحق في تقديم الاتجاهات الثلاثة.
هو يرجع إلى حد كبير إلى حجم البيانات الدافع وراء الاتجاه الأول، وتطوير التعلم العميق اليوم. يتضح من FIG.، وحجم البيانات من الإحداثي السيني مع النمو، ويظهر تنسيق أكثر فعالية نموذج الشبكة العصبية، وأكثر دقة. أي دراسة متعمقة للنظام، والإطار، وينبغي أن يكون تطبيق قادرة على التعامل مع البيانات على نطاق واسع.
الاتجاه الثاني هو وضع بيانات الصناعة الكبيرة، سواء كانت شركات الإنترنت أو الشركات التقليدية، لدينا لبناء منصة البيانات أباتشي هدوب أن المجاميع معاملة جميع والبيانات غير المعالجة، بحيث يمكن أن تكون مجموعة متنوعة من البيانات معالجة وتحليل وتطبيق، وتطبيق لمنصة. وبهذا المعنى، فإن أي تطبيقات معالجة البيانات وتحليل الإطار، بما في ذلك التعلم العميق، وتكون قادرة على جيد جدا وأباتشي هدوب هو معيار التفاعل منصة البيانات.
الاتجاه الثالث، نموذج التعلم العميق هو الجزء الوحيد من العملية برمتها، وطلب الاستيراد لبناء ونموذج التعلم العميق، وكذلك البيانات والتطهير البيانات واستخراج ميزة، وبين إدارة موارد الكتلة بالكامل والتطبيقات المختلفة لهذه الموارد تقاسم هذه الأعمال في الواقع تعلم الآلة أو تشغل مثل هذا التعلم العميق في معظم الوقت والموارد لتطوير التطبيقات الصناعية. لذلك، يجب أن تكون معالجة البيانات، والتعلم الآلي، والخوارزميات بشكل جيد والعمل من البيانات الكبيرة القائمة تجهيز معا.
DAKIN حقوق شعور عميق بأن هناك انفصال كبير بين معالجة البيانات الكبيرة والعميقة خوارزمية نموذج التعلم. يواصل الباحثون دراسة معمقة للنموذج أعلى في الشوط الاول، ولكن العلماء البيانات والمحللين وللمستخدم العادي من الصعب تطبيق نموذج لبيئة الإنتاج الحقيقية كانت للذهاب. A عنق الزجاجة الرئيسي هو عمق التعلم معالجة البيانات، وبخاصة بيانات الإنتاج، يتم تخزين موزعة، فمن الصعب نسخه إلى بيئة المعالجة آخر مرة أخرى.
على ما يبدو الحق في لبس الذهب، اباتشي سبارك هو الحوسبة صناعة المحركات العنقودية موزعة على الأكثر استخداما على نطاق واسع، فإنه يحتوي على عدد كبير من المكونات لتحليل البيانات ومعالجتها، لمعالجة سبيل المثال SQL، والتعامل مع الوقت الحقيقي الجري، وكذلك تحليل للمكتبة الرسم التخطيطي.
واستنادا إلى شرارة شرارة إطلاق مكتبة BigDL القياسية من المكونات القياسية، ويكون قادرا على تحليل هذه البيانات الكبيرة النظم الإيكولوجية المختلفة في الداخل، مكونات معاملة حسنة جدا معا. BigDL مع التيار إطار التعلم العميق الحالي كافيه، نفس الشعلة، يمكن TensorFlow تحقيق وظيفة. على الرغم من أن السوق كانت في صلب إطار التعلم العميق، فذلك لأن إنتل قدم BigDL نرى فجوة كبيرة في تحليل البيانات والذكاء الاصطناعي الجمع. يمكن تشغيل BigDL مباشرة على الكتلة Hadoop وسبارك القائمة، الكتلة لا تحتاج إلى إجراء أي تغييرات.
ديكين الحق أن تقول شبكة لى فنغ: "نحن نرى أن هناك سيناريوهات التطبيقات الهامة للغاية أخرى، لا تشملها هذه الأطر القائمة، لدينا الكثير من المستخدمين شرارة، ابتداء من عام 2007، وتطوير المصادر المفتوحة، أصبح العقد تخزين البيانات في هذه الصناعة عملية تحليل القياسية، وقد أنشأنا مجموعة بيانات كبيرة، وهناك الكثير من البيانات أعلاه، الكتلة قد يكون عدة آلاف، عشرات الآلاف من شركات الإنترنت يمكن لمثل هذا الحجم.
إلى دراسة متعمقة وتطبيق الذكاء الاصطناعي، هو وضع هذه المجموعات بيانات كبيرة مهجورة تماما، ثم آخر لبناء نظام جديد؟ أشعر أنه لا يوجد معظم مسار معقول، بمعنى من المعاني، ينبغي أن يكون منصة في بياناتك كبيرة، مجموعات البيانات الكبيرة أعلاه، القائمة يمكن التعلم عمق جديد، والذكاء الاصطناعي، والتي يمكن أن تضاف إلى مزيج . "
حديقة حيوان تحليلات
منذ يناير 2017 إنتل مفتوحة المصدر BigDL، لديها بالفعل حالة التعاون واسعة النطاق. في منتصف العام الماضي، والحق في ارتداء فريق الذهب على أساس من طراز أباتشي سبارك وBigDL على وبناء منصة لتحليل البيانات الكبيرة تحليلات حديقة الحيوان والذكاء الاصطناعي.
بعد ما يقرب من ستة أشهر BigDL المصدر المفتوح، والحق في ارتداء الذهب فبدا لبناء تحليلات حديقة حيوان ل. وتحدث مع العديد من العملاء في التعاون BigDL، شعر، BigDL، Tensorflow إطار التطبيق النهائي لمنظمة العفو الدولية لا يزال لديه لمسافات طويلة.
تطوير التطبيق نفسه هو عمل خط التجميع معقدة جدا، والتفكير ديكين كيفية توفير خط الحق في ذلك بسهولة لمعالجة ميزات مثل الجري على سبارك، يوفر المدمج في نموذج، العمليات الهندسية ميزة، والتعلم الهجرة خط الدعم. حديقة حيوان تحليلات مثل هذا المستوى العالي من منصة تحليل البيانات + AI يمكن استخدام شرارة مختلف خط أنابيب بنيت العملية ميزة نموذج، عميق تعلم تطبيقات المستخدم بناء النهاية.
بمعنى أنه هو امتداد شرارة وBigDL، والغرض منه هو تسهيل تطوير الدراسة للمستخدم النهائي استنادا إلى تطبيقات البيانات الكبيرة، بالإضافة إلى المدمج في نموذج، بعض عملية بسيطة جدا في البناء، التي توفر أيضا عددا من الدعم المتقدم للأنابيب، ويمكن استخدام dataFrames سبارك، وخطوط الأنابيب ML خطوط تعلم عمق، بناء نموذج API تعريف يمكن أن تتعلم من خلال API الهجرة، ونماذج نموذج حديقة الحيوان على هذا الأساس يمكن أن يكون بسهولة جدا نحن نقدم نهاية حتى مشيرا تطبيقات نهاية، مثل الكشف عن شذوذ، وما إلى ذلك، يمكن أن يكون رمز صغيرة جدا، واستخدام هذه رفيع المستوى API، ثم باستخدام المدمج في نموذج يمكن أن تنتهي بسهولة في تطبيقات تحليل البيانات الكبيرة بالإضافة إلى عمق التعلم بناء.
حالة التعاون
ديكين يفسر الحق كيفية استخدام المستخدمين حديقة حيوان تحليلات لBigDL في مجموعات البيانات الكبيرة القائمة، وعادة ما يكون هناك تطبيق منصة كبيرة على كتلة أو البيانات على كبيرة جدا معالجات زيون نطاق واسع، لبناء جديد التعلم التطبيقات العمق.
حاليا، BigDL وتقنية حديقة حيوان تحليلات يمكن استخدامها على AWS، علي سحابة، سحابة بايدو، الخ كلها تقريبا تشمل منصة سحابة العامة.
المثال الأول هو إنتل و Jingdong لتوسيع التعاون. Jingdong ربما يكون هناك مئات الملايين من الصور التي يتم تخزينها في نظام تخزين وزعت، وأنها تريد أن تضع مئات الملايين من الصور تلا من كبير داخل نظام البيانات، ومن ثم معالجته. في هذه الحالة، مع نموذج SSD في محاولة لتحديد ما هي العناصر داخل الصورة، ومن ثم استكشاف مع نموذج DeepBit سيضم المواد المستخرجة. وقد تم ذلك في Jingdong الأصلي في عدد من التطبيقات على بطاقة GPU، ولكن هناك عدد من القضايا، بما في ذلك كيفية التعامل مع بيانات خط النهاية، بما في ذلك كيفية تحسين كفاءة حد لعملية نهاية. ديكين الحق أن أعرض، "عندما نضع كامل عملية الانتقال الطلبات إلى شرارة ومنصة BigDL، يمكنك ان ترى الكثير من ذلك إلى تعزيز كفاءة التشغيل والصيانة، واستخدام BigDL / سبارك في إنتل زيون (قابلة للمعالج Intel Xeon) كتلة تمديد ساري المفعول، قامت مجموعات GPU فيما يتعلق زيادة في الأداء 3،8 أضعاف ".
ثلاث نقاط أساسية AI في البيانات الكبيرة، الخوارزميات، قوة حساب، وكثير من الناس يعتقدون أن منظمة العفو الدولية تعتبر أن يكون ما يكفي من القوة وعدم GPU-لا. Jingdong تعكس هذه الحالة BigDL وقابلة للمعالج إنتل زيون التعاون لتعزيز الأداء العام للعمق التعلم. ديكين الحق أن تقول شبكة لى فنغ، بدءا Jingdong يستند هذه الحالة على GPU متعددة، وفريقهم في مقهى على التدريب والتطوير والنشر، واجهت مشاكل في الأداء. إنتل الترحيل لجانب سبارك jingdong أعلاه، تشغيل 1200 منطق الأساسية، يدعمها منطقية الخادم 50 و 24 بشكل كبير عن طريق الخادم، وذلك باستخدام مثل شرارة تجهيز خط أنابيب نهاية، مقارنة مع تجسيد السابق مع GPU يمكنك الوصول إلى ما يقرب من 3.8 أضعاف الأداء.
الحالة الثانية هي حالة من إنتل وMLSListings التعاون، فهي في كاليفورنيا تجار العقارات، فإنها يمكن تعريف المستخدم إلى الصور الاستعراض من المنازل، وأوصت لمستخدمي المنازل مماثلة. تم بناء هذا النظام على مايكروسوفت أزور.
القضية الثالثة هي والبنك الدولي على AWS. صور الغذاء التابع للبنك الدولي التي تم تحميلها من قبل متطوعين في جميع أنحاء العالم لمساعدتنا لتحليل مستوى الأسعار في جميع أنحاء العالم. كيفية التعامل مع البيانات الكبيرة التي في الصورة تنظيفها، معالجتها، ومن ثم نقل التعلم لبناء نموذج تصنيف الصورة يستحق القلق.
القضية الرابعة هي بالتعاون مع UCSF، ويصنف الصور الطبية من خلال نموذج 3D، أولا من هوية تحمل صورة MRI 3D ثم تصنيف ذلك، يمكنك محاولة لتشخيص بعض الأمراض من فوق الركبة.
الحالة الخامسة هي منظمة الصحة العالمية وكراي وشركة (القيام شركة كمبيوتر سوبر) التعاون. التعاون هو مضمون للقيام سحابة من توقعات هطول الأمطار مؤخرا عن Seq2Seq نموذج آخر ساعة من صور الأقمار الصناعية لتقديم سلسلة من المدخلات إلى النموذج الذي يمكن أن تساعد في التنبؤ يتغير كل 10 دقيقة، وهذه الصورة الأقمار الصناعية ساعة القادمة، من خلال هذا لتحليل بعض من هطول الأمطار.
القضية السادسة هي التعاون GigaSpaces وطريقة تعاملها مع مركز الاتصال يديره اللغة الطبيعية. عندما ندعو المستخدمين في، لتحويل صوتهم إلى نص في وقت لاحق، في نظم BigDL الداخل، ثم في الوقت الحقيقي الجري، وذلك باستخدام نموذج تصنيف النص على المستخدم BigDL يمكن أن نطلق في أن يعرف لماذا هو ويندوز ماك مشكلة أو مشكلة، وسوف تدخل تلقائيا في وسط مكالمة هاتفية مع قسم مختلفة.
وأخيرا، يخلص الحق في ارتداء الذهب، تلتزم إنتل نهاية كومة كاملة لانهاء حلول الذكاء الاصطناعي. وتلتزم BigDL وAnaylitics حديقة حيوان لردم الهوة بين البيانات الكبيرة والذكاء الاصطناعي، وعندما يقوم المستخدم استنادا أباتشي الكتلة بيانات كبيرة، ويمكن حملها بسهولة على الذكاء الاصطناعي والكبيرة تطبيقات تحليلات البيانات، وليس فقط أن يكون أعلى استخدام الموارد، ولكن أيضا تحسين كفاءة حد للتنمية نهاية ونشر وتعزيز الكفاءة.
