人工智能（Artificial Intelligence，AI）一直是全球熱議的話題。曾經不可思議的‘未來產品’不斷地成為現實，如今人工智能已經滲透進人們生活的方方面面，例如在醫療方面，基于深度學習快速查找海量數據庫，精準快速分析病人病情走向；在零售領域，基于BigDL的超大規模圖像處理能夠幫助電商提供如目標檢測、圖像分類和特征提取等功能。
英特爾能夠提供用于構建企業級人工智能解決方案的全套人工智能技術，并提供優化的軟件堆棧以實現顛覆性的應用。
英特爾展位現場
英特爾?至強?可擴展處理器擴展英特爾AI產品組合的實力
所有的人工智能技術需要依賴于大量數據的支持，越多的數據就能學習做出越精準的判斷。英特爾? 至強? 可擴展處理器可以運行人工智能工作負載并處理復雜數據集，以構建深度學習模型，再通過TensorFlow*、Caffe*、MXNet和 PyTorch 等深度學習框架，實施神經網絡模型來解決圖像分類、語音識別和目標檢測等領域的各種問題。英特爾工程師與框架所有者合作優化這些架構，以提高他們在該處理器平臺上性能。
英特爾?至強?可擴展處理器
基于 Apache Spark* 的 BigDL 分布式深度學習框架的具體應用
BigDL（一種面向 Apache Spark* 的分布式深度學習框架）作為基于英特爾? 至強? 可擴展處理器為深度學習建立的早期開源項目，也是此次大會英特爾分享的重點之一。英特爾通過輔導課，詳細介紹如何基于 Apache Spark* 及 BigDL 運行分布式 Keras*。
基于ApacheSpark的BigDL分布式深度學習框架展示
作為最受歡迎的上層神經網絡 API 之一，Keras*可以幫助公司輕松快速地建立原型并支持多個后端，其中就包括 TensorFlow* 和 Theano*。同時， Keras 可以無縫集成到 BigDL 中，支持用戶運行基于英特爾? 至強? 處理器的現有分布式Hadoop*，以驅動的大數據任務。此外，英特爾還具體分享了基于 BigDL的分布式深度學習的應用，括圖像分析、自然語言處理（NLP）等。
基于Apache Spark及BigDL運行分布式Keras 輔導課
視覺數據增長迅猛，分析和理解海量視覺數據已然成為一項大挑戰。英特爾通過各個領域的前瞻性研究，如臉部分析、情緒識別、用于對象檢測的高效 CNN 設計、DNN 模型壓縮和密集視頻字幕等，推進基于深度學習的視覺理解。
隨著數據量的不斷增加，基于GPU解決方案的應用受到軟硬件基礎設施限制，而BigDL在 Apache Spark 上構建具有高度靈活性和可擴展性的端到端深度學習應用，為大規模圖像處理提供了豐富的端到端支持，包括基于OpenCV的圖像預處理庫和各種視覺模型（SSD、Faster-RCNN、Inception等）。
BigDL還支持Caffe*、Tensorflow*等第三方框架的加載模型，如此通過 BigDL使用深度學習技術分析大量圖像變得更加簡單。
深度學習時代的數據科學和自然語言處理（NLP）帶給計算機理解人類語言的能力。NLP利用深度學習最新算法發展例如文檔理解之類的應用，使公司能夠篩查海量文本，分類并找到相關信息。英特爾在會上分享了深度學習的最新發展如何影響文本、語言和對話式應用的處理，并激發新的數據使用方向，并分享幾個自然語言處理的業務案例。
英特爾人工智能事業部數據科學部主任劉茵茵博士與會者們討論了深度學習的自言語言處理技術
基于英特爾? Movidius? 神經計算棒的物體檢測和對象識別技術應用演示
在平臺層，數據科學家借助英特爾? Movidius? 神經計算棒的加速，利用SSD MobileNet模型為道路監控或實時視頻進行對象識別和圖像分類。英特爾? Movidius? 神經計算棒可支持原型構建和調整流程，實現快速 CNN 部署，顯著加速邊緣推理開發。不僅如此，其低功耗 VPU 架構無需云連接即可提供全新嵌入式引擎。
英特爾? Movidius? 神經計算棒
基于英特爾? FPGA可編程加速卡構建的卷積神經網絡系統
會上，英特爾還展示了基于英特爾? FPGA可編程加速卡構建的卷積神經網絡系統。英特爾?基于PCI Express*的數據中心FPGA加速卡可以支持in-line和lookaside兩種加速類型，提供FPGA加速的強大性能以及多樣功能，并且具備英特爾?至強?處理器和FPGA加速軟件棧的支持。
英特爾? FPGA可編程加速卡
此外，英特爾提供面向深度學習加速的設計包，可以在預測應用中將多種神經網絡拓撲卸載到英特爾?FPGA可編程加速卡上。
針對卷積網絡應用，低精度表示在未來數年內很可能成為業界標準做法，它至少帶來了兩個好處：極大減少了模型的存儲量和使硬件可能提供更高的計算能力。
人工智能助推醫療行業現代化
除了技術層的分享，英特爾分享了人工智能醫療行業的應用。在當下龐大人口的就醫問題給治療效率提出了高要求。利用海量醫療數據提高醫生洞察、加快診斷速度、減少藥物開發成本和時間，而且，隨著靶向治療開發的加速、生物標記物發現和解譯的進步、以及面向計算機輔助疾病檢測的智能算法工作效率的提高。
英特爾人工智能事業部副總裁、人工智能實驗室和軟件總經理Arjun Bansal帶來演講
基于深度學習的新興算法和模型將被用來分析醫療數據，如電子健康記錄、醫學影像以及制藥和基因組數據集等，無疑，人工智能將推動精準醫療的發展。
在人工智能領域，英特爾具有全棧實力，提供豐富的AI創新應用，開發AI架構，與用戶深度合作來打造AI多元生態，通過英特爾? 優化框架來分享應用人工智能未被挖掘的機會，幫助用戶解決實際問題。此外，無論是剛涉足人工智能領域的新人還是專家，英特爾? 人工智能學院都能提供的基礎學習材料、社區、工具和技術來幫助學習和工作，加強對人工智能的理解。
