爱吧机器人网 » 专题 > 观点 > 正文

全球仅2%数据被利用,AI能否深挖数据红利?

根据艾瑞预测,2019年人工智能赋能实体经济产业规模将达到570亿元,人工智能的落地应用趋势依旧稳中向好。AI从象牙塔尖走向场景落地确实成为了产业主旋律。然而AI应用比比皆是的现象背后是云计算、大数据、物联网和人工智能等新技术在各个产业尤其是传统行业更为密集渗透的体现。

应用越来越广,随之而来的是产生的数据量变得越来越庞大。

据统计,人类历史上90%的数据都是在过去几年间产生的,50%在短短两年内生成的,而目前只有2%的数据被真正地分析过。这意味着海量数据高速增长的趋势下,绝大部分数据还未被利用与开发。

那么,数据对人工智能的意义是什么呢?举个简单的例子,人工智能技术想要走出实验室到真正实现落地应用,需要完成一套数据分析流水线。这一套流水线大概只有20%在用作深度学习,而80%的时间和资源,则全部都用作做数据收集、数据存储、数据管理、数据清理、数据预处理等等的工作。

人工智能尤其是训练阶段需要很高的吞吐量,强大的计算力来满足高难度、长时间的数据处理工作。对于计算能力的需求、智能算法的快速突破不断攀升,已到达了前所未有的程度,也成为业界需要共同努力攻克的难关。而研究表明,未来几年,AI模型的复杂性以及对大规模深度学习计算的需求仍将爆发式增长。

随着各行业对于AI的需求快速增长,AI算力也提出了指数及创新的需求。

面对这些挑战,英特尔这个就算平常百姓也熟知的芯片巨头,正在通过不断深化转型,将数据为中心将引领AI 与自能革命列为自身的战略愿景。其实现在人们生活的很多场景都是通过英特尔的技术赋能而实现的。

下面硅谷洞察就来跟你分析分析,英特尔在人工智能的应用落地以及布局规划。

触手可及的AI应用场景

快递与移动互联网、电商一起,被人们亲切地称为现代生活的“吉祥三宝”。快递小哥按下的清脆门铃声,已成为许多人心目中最美妙的音符。因为互联网与电商风靡的原因,使得快递业务量逐年猛增,快递公司的运营压力陡然增加。

但回忆一下,在电商狂欢节剁手的商品似乎送到我们手中的时间似乎越来越短了。过去人们印象中的快递就是劳动密集型的行业,只要快递小哥辛苦些,快递就能送达的快一些。然而这背后蕴涵的科技其实含量相当高,远不止于自动分拣、地址归集、车牌识别等技术手段。现在小编就带大家来八一八。

一件快递从发货到运到消费者手上,大概历经这样几个过程:快递小哥揽收、发货地转运中心转运、接收地转运中心转运、快递小哥派件,消费者开心地收到商品。

在这看似简单的流程想要提高效率降低支出难度却不小,转运中心或称分拨中心是最能体现真功夫的地方。以快递件的体积测量举例来说,通过对快件的体积进行预判,分拨中心工作人员可以给出更为合理的分拣、装车和配送规划,来降低单件配送时长及单公斤成本。

传统的方式是分拨中心采用人工方式来进行判别,不仅费时费力,还可能出现较大误差。这时候人工智能小帮手就上线了。

高达 4.7 亿件的年揽件量的快递行业巨头韵达快递计划利用机器视觉技术来提升测量的效率与质量。通过装备在分拨中心输送系统上的高拍仪,AI 应用会采集快件的图像信息,并传送到后端服务器进行测量。测量完成后,数据返回至输送系统,并据此将不同大小的快件送至合适的分拣和装车处。

利用英特尔推出的Analytics Zoo大数据分析+AI内置的图像识别模型,AI 应用首先能够提取出待测量的快件轮廓,进而通过平台提供的深度学习框架,结合英特尔至强可扩展处理器提供的强劲算力,完成从模型训练、模型重定义到模型推理的 AI 处理全流程,最终获得准确的大小件测量数据。

AnalyticsZoo 最大的优势是能够在现有基于 Spark 与英特尔至强服务器的基础设施之上无缝运行各类主流深度学习框架和模型,客户可以选择使用适合自身需求的深度学习框架做模型训练,无需购买或者设置不同的硬件基础设施。

基于此,韵达还在进一步地利用深度学习算法来进行运筹优化。例如其将装车过程抽象为经典的“切箱问题”,也就是当不同大小的快件到来之际,要规划好摆放的次序、朝向和位置,来使装件量最大化,从而尽可能降低运输成本。


\
网络购物狂欢导致快递爆仓
图片源自网络

此外,英特尔在人工智能赋能的另一大合作伙伴是互联网视频巨头爱奇艺。

在线观看视频已是今天互联网生活的重要组成部分之一。产业链的不断成熟,也驱使视频服务商引入更多新技术、新能力来提升服务效能、改善用户体验。

而这个被业界誉为“爆款制造机”的爱奇艺,对于科技拥有着不断颠覆和重塑着社会生活的力量深信不疑,正积极引入更多人工智能技术,为用户提供更为丰富多彩且能“投其所好”的在线视频服务。爱奇艺一直都在积极推动AI应用与视频服务的融合,在智能创作、智能生产、智能播放等全流程智能视频服务中已获取累累硕果。

据爱奇艺介绍,人工智能已经贯穿爱奇艺剧本创作、选角、流量预测、视频的生产、理解、分发、播放到变现以及客服等诸多环节。

举几个简单的例子,在选角阶段,爱奇艺可以从角色需求的相应信息和演员的信息中抽取关键信息,并根据 AI 算法来判断二者的匹配度,筛选出与角色匹配度更高的演员,如《最好的我们》男主角余淮,角色标签是开朗、随和、阳光,刘昊然当时的标签是阳光、热情、坦诚,基本符合角色需要。

刘昊然之后,爱奇艺的AI选角系统还为《泡沫之夏》(新版)选出女主角张雪迎。除了给影视剧选角,爱奇艺的AI还为综艺节目《中国有嘻哈》选出评委吴亦凡、为《中国新说唱》选出评委邓紫棋。

再譬如在视频播放中,为了让弹幕信息不影响正常视频播放效果,爱奇艺还实现了智能人像弹幕功能:通过基于深度学习模型的图像分割算法,识别出每幅图像中的人像区域和背景区域,让弹幕从视频中人物的后面穿过,防止演员们被密集的弹幕所遮挡。对于网友刷剧体验最明显的就是再多的弹幕也不会遮住偶像的脸。反过来对于爱奇艺,也获得了更高的收视率。研究结果显示,OpenVINO帮助实时弹幕显示的推理速度提升达 5 倍左右。

在交互方面,爱奇艺在TV端率先上线AI雷达这个服务,AI雷达一上线就获得爱奇艺用户的喜爱,目前已经成为了TV端仅次于播放控制之外使用量最大的功能。从最一开始AI雷达支持识人,帮助大家识别出电视剧、电影、综艺中的明星达人,到现在AI雷达已经可以支持识别出动画片中的卡通角色,在这期间爱奇艺使用了英特尔公司提供的OpenVINO工具套件。OpenVINO提升了AI雷达服务中AI模型的CPU推理性能最高达8倍,大幅提升了AI雷达服务对快速增长的爱奇艺用户群的支持能力。

可见人工智能不仅助力爱奇艺为用户带来了更佳的观看体验,也帮助视频制作的流程实现了智能化的升级。爱奇艺对自身的基础设施进行不断完善,将AI与云计算结合构建了创新的 Jarvis* 深度学习云平台,以满足智能视频服务在业务弹性扩展、资源统一调度和主流深度学习框架支持等方面的要求。

来自爱奇艺的测试数据显示, OpenVINO 工具套件的引入,助力爱奇艺 Jarvis 深度学习云平台有效提升其 AI 应用的深度学习推理效率,不同应用的优化加速能力可达数倍至数十倍;同时带来的计算性能增强,可进一步提升这些 AI 应用的推理效率。

人工智能需要真正地做到普惠

人工智能被称为转折性技术。也就是说企业只有掌握了人工智能技术,才能在快速迭代、新老交替的市场占据一席之地。

但说起人工智能,很多人的印象还停留在AI行业的初创企业开发了AI的创新技术。其实人工智能的概念是非常广泛的,它可以是虚无缥缈的未来科技,也可以是普惠众生,在各个行业以及每个人的生活中唾手可得的应用。

英特尔正在打破理论与现实的壁垒,通过 AI 与数据分析的整合来加速人工智能的落地,试图实现完整的 AI 应用堆栈。

可见,英特尔在AI的野心不是局限于某一种产品或者技术,而是在于利用自身的平台优势,整合计算、存储和网络技术资源,结合软件技术形成强大的产品组合。为包括传统、互联网行业在内的企业发掘庞大数据的价值,并利用不仅仅是深度学习、机器学习或者混合AI应用,赋能企业实现数字化、智能化的转型。

这对于不论是人工智能的落地应用还是技术创新,都有着非常积极的带动作用。

上一篇:从百亿投资到备受质疑,智能客服沦为“资本弃子”?
下一篇:访递归神经网络之父:AI下一轮革命的核心是“人工好奇心”
精选推荐
麻省理工又秀神技:推出如魔法般跳跃的方块机器人集群
麻省理工又秀神技:推出如魔法般跳跃的方块机器人集群

[2019-10-31]  几天前,小编向大家介绍过麻省理工(MIT)研发的一种自组装机器人集群(点此阅览),它们可以用统一标准的小单元自动组装出各种大型结构。 ...

深度神经网络揭示了大脑喜欢看什么
深度神经网络揭示了大脑喜欢看什么

[2019-11-06]  爱吧机器人网编者按:近日,《自然-神经科学》发表了一篇论文,研究人员创建了一种深度人工神经网络,能够准确预测生物大脑对视觉刺激所产 ...

英伟达用联合学习创建医学影像AI 可共享数据和保护隐私
英伟达用联合学习创建医学影像AI 可共享数据和保护隐私

[2019-10-14]  英伟达(Nvidia)和伦敦国王学院(King’s College London)的人工智能研究人员利用联合学习训练了一种用于脑肿瘤分类的神经网络, ...

[2017-03-21]  虽然有很多关于机器人取代工人的担心,但哈佛经济学家James Bessen的论文指出,在过去的67年里机器人仅仅淘汰掉人类工作中的一个。在1950 ...

谷歌大脑发布ROBEL基准 鼓励用低成本机器人训练AI系统
谷歌大脑发布ROBEL基准 鼓励用低成本机器人训练AI系统

[2019-10-11]  训练AI系统的机器人D& 39;Claw和D& 39;Kitty用于控制机器人的人工智能系统,测量其性能所使用的基准通常仅限于为工业环境设计的昂贵硬件, ...

可编辑神经网络,有望简化深度学习?
可编辑神经网络,有望简化深度学习?

[2019-10-04]  深度学习是一个计算繁重的过程。 降低成本一直是 Data curation 的一大挑战。 关于深度学习神经网络大功耗的训练过程,已经有研究人员 ...

通过对抗性图像黑入大脑
通过对抗性图像黑入大脑

[2018-03-02]  在上面的图片中,左边是一张猫的照片。在右边,你能分辨出它是同一只猫的图片,还是一张看起来相似的狗的图片?这两张图片之间的区别在于, ...

MIT最新“人机”互连系统 让双腿机器人复制人体技能
MIT最新“人机”互连系统 让双腿机器人复制人体技能

[2019-11-01]  MIT的小爱马仕想借用你的大脑 ,图片来自: João Ramos爱吧机器人网消息,麻省理工学院(MIT)的研究人员展示了一种新型遥操作系 ...

本周栏目热点

李开复:关于人工智能在中国异军突起的六大主要原因

[2017-11-07]  虽然世界各个国家都已经开始加速对人工智能行业进行布局,虽然世界各国都已经出台了各种政策表示对人工智能的支持,但是就目前的发展形势来看,中美两国在人工智能领域的发展......

[2018-02-05]  “人工智能国际主流学界所持的目标是弱人工智能,也少有人致力于强人工智能。那么,这是不是因为强人工智能‘太难’,所以大家‘退而求其次’呢?不然。事实上,绝大多数人工......

阿里研究院:关于互联网+制造业的10个观点(组图)

[2015-12-29]     互联网对商业环节的渗透和改造是逆向的,从与消费者最近的广告营销端开始, ...

2020年中国AI基础数据服务行业发展报告

[2020-04-03]  核心摘要:目前人工智能商业化在算力、算法和技术方面基本达到阶段性成熟,想要更加落地,解决行业具体痛点, 需要大量经过标注处理的相关 ...

【业界观点】2016年工业机器人需求增速将放缓

[2016-01-19]     2015年中国工业机器人需求规模达到109亿元,同比增长16%,而2016年机器人需 ...