欢迎来到人工智能时代。

  留意一下就会发现,现在越来越多的新闻头条都和人工智能有关:从亚马逊用人工智能解雇偷懒员工、到人工智能与医疗深度结合、再到我们首次托机器算法的福、一睹黑洞真面目...背后都是人工智能作用于各个领域。

  从研究大脑到个人理财,人工智能多领域赋能

  大脑或许算得上是宇宙中最复杂的东西了,它如此精密而复杂,以至于我们直到今天对它的了解都极为有限,对大脑的研究自然也成为难度最大的科研领域之一。

  但现在,借助人工智能的力量,人类对自己大脑的了解将达到前所未有的程度。普林斯顿大学神经科学研究院(Princeton Neuroscience Institute)与英特尔实验室的合作,就是想通过人工智能,开发出可实时绘制人类思维图的软件,以大大推进科研进度。

  科学家们希望通过使用 fMRI (功能性磁共振成像),能直观地看到人们在思考和感受某种情绪时,大脑内部都在发生哪些变化,从而让人们学会如何更好地集中注意力。

  具体是怎么操作的呢?首先,科学家们把人们放入 MRI 扫描仪里,记录他们的大脑活动,然后再根据他们大脑的活动模式,判断出他们某一时刻在想些什么。

  之后,科研人员通过训练其计算机模型,以教会机器不同的大脑图像都是什么意思、反应什么内容。然后,科研人员再给机器一张新的图像,机器就会在之前训练的基础上,试图理解新图像的含义。

  但这种非常复、需要机器快速处理极大量图片、数据的任务,对计算机的计算能力的要求也极高。

  我们在之前的

  这篇文章

  里也谈到,英特尔近两年来在人工智能领域频频出手。其与普林斯顿的合作,使研究人员能用机器学习、AI、HPC(高性能计算)快速分析从MRI 扫描仪中获取的数据。 它使用高性能计算、机器学习和人工智能,对功能性磁共振成像(fMRI)扫描所得的数据进行分析,从而推断大脑内部正在思考什么。

  此外,普林斯顿研究所团队还创建了大脑成像分析工具包(Brain Imaging Analysis Kit),让各地的神经科学家们都可以使用普林斯顿的机器学习算法,对脑图像进行分析,以进一步推动新发现。这项研究的发现能让医生及研究人员们更好地诊断、治疗抑郁症、创伤后应激障碍、焦虑等精神方面疾病,大大加快神经领域的科研进度。

  除了医疗,人工智能在其他诸多领域也扮演着越来越重要的角色。

  Clinc 是一个基于手机等移动设施的、靠语音激活的人工智能平台创业公司,总部位于美国密歇根州安娜堡(Ann Arbor),目前已完成 A 轮融资。其团队想打造一款语音 App,让这款 App 扮演用户的 “个人财务小管家” 的角色,帮用户更便捷、准确地了解自己的财务状况。

  比如用户可以语音问 App:“过去三个月,我在超市花了多少钱?” App 就会给出总金额,及此项花费在总花费里的占比。

  由于机器的理解能力有限,这种人机互动往往要求人们提问时遵循一系列规则、不能像人与人交流一样自由发挥,而是用机器可以听懂的方式提问。但 Clinc 的创始人认为,人们在交流时问的问题往往是 “自然的”、“乱糟糟的”。

  因此,如果要让机器为复杂的问题也能提供个性化、即时的答案,Clinc 团队意识到他们需要利用最新的机器学习及深度学习技术。

  由于当前的自然语言算法尚不能解决这个问题,他们同样也选择与英特尔合作,一起打造出了名为 “Finie” 的 APP。这样,在用户问更模糊的问题时,例如 “我最近花在鞋子上的钱是不是有点多?” 它也能够明白用户的指令,并作出相应回答。

  除了医疗、个人理财领域,人工智能在其他领域也有极为广泛的应用,并且随着人工智能在功能、数据量及计算能力方面的增长,及其与高性能计算(HPC)相结合,无疑它将发挥更大的潜力。

  从探索前沿科技、到自动驾驶、到个人理财、再到医疗领域,各个行业在积极与人工智能融合的同时,也面临着一系列挑战。

  人工智能不是万能解决方案

  “人工智能” 的概念这两年才开始火起来,其实我们对于人工智能的研究,早在几十年前就开始了,不过很长时间以来,受制于数据量和计算能力,人工智能一直无法达到支撑获取洞察、并以此做出有力决策的水平。

  看来,近两年人工智能领域的稳步升温并非偶然现象:随着众多企业、学术组织和政府不断产生新办法收集海量数据,加之计算能力的显著提高、成本的降低,人工智能终于从 “构想”,逐渐变为可应用、可落地的技术。

  但人工智能的应用与落地,远不像 90年代互联网浪潮时,所谓 “与互联网结合” 就等于给公司做个网站那样粗暴简单。很多企业在考虑为公司业务部署AI时,首先都需要思考一个难题:到底如何将人工智能解决方案与现有的高性能计算机工作负载进行融合?

  通常,融合的方式有以下三种:

  在企业现有的高性能计算基础设施上,引入并运行人工智能框架,如谷歌的开源项目 TensorFLow 等,不过这对计算机 GPU、CPU、内存和硬盘配置都有较高的要求;

  另外一种,则是通过人工智能引擎来分析模型运行之后的输出数据,以优化现有的高性能计算工作负载(如仿真和建模);

  还有一种,就是使用生成式对抗网络(一类专为无监督机器学习而设计的人工智能算法),来组合复杂的数据源。例如,对暗物质的宇宙学研究,如今可以通过在高性能计算集群上运行线性代数方程来创建统计模型。通过在同一平台上添加人工智能层,就有可能从卫星中直接提取数据和图像,从而加快生成结果、增强模型,推进科研进度。郑州人流医院:http://mobile.tjyy120.com/

  当然,不论哪种方式,人工智能赋能于企业,都需要软件与硬件的双重保障。

  我们先来说硬件:英特尔 “至强” Xeon 可扩展处理器,就是为针对许多人工智能工作负载进行优化而诞生的。