【CIO早班车】人工智能,离你还有多远?

摘要: 为什么当前市场上对人工智能和深度学习这么热,其实这不是偶然的。

08-29 21:17 首页 比特网

本期主讲嘉宾

徐宁

IBM 大中华区认知系统技术总监


徐宁,IBM认知系统技术总监,IBM系统部负责认知系统相应解决方案:深度学习、机器学习,硬件加速的数据分析,高性能计算的方案设计和技术支持工作。


很多人见了我都问,为什么当前市场上对人工智能和深度学习这么热,其实这不是偶然的。大家都知道这几年市场上很热的一个话题是大数据,很多人预言数据将取代石油成为世界上最宝贵的资源。在这种背景下,很多企业都建立了自己的大数据平台,搜集各种结构化和非结构化的数据到大数据平台上,但大数据平台建立起来后大家发现面临一个新的挑战,就是对这些数据如何进行分析?尤其是非结构化的数据,如图片,视频,语音和文本等,传统的技术无法对这些非结构化的数据进行分析。而人工智能深度学习技术正是擅长于这种非结构化数据的处理与分析,这是人工智能和深度学习技术快速发展和流行的驱动力之一。

 

另一大驱动力来自于计算机技术的发展,人工智能和深度学习并不是一项新的技术,早在上世纪60年代这项技术就出现了,但由于深度学习模型需要进行大量的计算,当时的计算机技术无法满足要求。当前由于混合计算技术的发展,出现了通过GPU, FPGA和ASCI进行计算加速,使得深度学习模型的计算成为可能。

 

讲到这里有人会问什么是人工智能和深度学习?人工智能包含了所有让机器模拟人类行为和智能的技术,而深度学习是指通过深度神经网络模型进行机器学习,使得计算机拥有视觉和听觉,可以识别物体,听懂人类语言的技术。目前深度学习在人工智能的所有技术中是发展最快,市场热度最高的技术。

 

那么深度学习技术可以应用在哪些领域呢?我来举几个例子,在制造业深度学习技术可以用于质量控制与检测,我们有一个客户,他每一条生产线同时需要两个质检员实时观察流水线上产品质量出现的缺陷,一天24小时就需要6个质检员,这样的生产线他们企业有100多条,由于需要质检员8小时不停的观察,质检员的劳动强度很高,同时错检、漏检率也很高。我们通过深度学习的方法为他们训练一个检测模型,可以取代人工的工作,并且随着不断地进行数据训练,模型识别的准确率逐步提高,错检、漏检率大幅下降。

 

另一个案例在医疗行业,有很多医生花费大量的时间对医疗影像进行判读和识别。比如在病理检验阶段,专业医生需要花费大量的时间通过显微镜对病理组织切片中的癌细胞进行识别,我们正在训练模型帮助医生,首先通过深度学习模型对癌细胞进行识别,再由专业医生验证,这样可以大大降低专业医生的劳动强度。

 

总之,目前各个行业中凡是需要人工通过视觉进行识别和判断的工作,都可以尝试通过深度学习的技术由计算机来完成。

 

那么如果构建一个深度学习系统呢?大家记住深度学习的三要素:数据,算法,算力,先说算力,首先你要构建计算平台来提供计算能力,这个平台不同于传统的CPU为核心的计算平台,通常是CPU+GPU的混合计算平台,如IBM Minsky服务器,提供Power CPU + P100GPU的混合计算能力,并且CPU和GPU之间是通过独有的NVLink高速总线进行互联。第二就是算法,指的是深度学习框架和模型,IBM提供PowerAI,集成市面上流行的深度学习框架如Caffe, TensorFlow等,还提供一个深度学习平台,降低深度学习的门槛,可以帮助一些不是研究深度学习的非专业人士也可快速掌握和使用深度学习技术。另外我们还提供深度学习相应的模型设计和训练服务。那么用户需要提供的就是最后一个要素,数据,用于对模型的训练工作。

 

今天简要的给大家介绍了,人工智能和深度学习技术,适用场景和如果构建一个深度学习系统,希望能对大家有所帮助。


如果您希望了解更多的IBM认知系统的技术和解决方案,欢迎参加9月1日北京“架构人机同行”高峰论坛,点击“阅读原文”报名,或拨打CIO热线电话:400-810-1818 转5086分机。

 


首页 - 比特网 的更多文章: