▼
5月27日， 2017全球机器智能峰会在北京正式举行。作为一场聚焦人工智能的顶级行业盛宴，GMIS 2017汇集了众多行业大咖，兼顾学界与业界，以专业化、全球化的视角为人工智能从业者和爱好者献上一场机器智能的盛会。
在会上， 英特尔AIPG数据科学部主任刘茵茵发表了主题为《演变中的人工智能：与模型俱进》的演讲。她指出人工智能领域中的解决方案包括模型设计、数据收集、AI 框架搭建等不同组成部分。同时，来自不同从业者的思考，也对整个生态系统的发展起着重要的作用。
一种模型适用多种领域
茵茵强调了同一种深度学习模型可以被运用到不同的领域中，为各行各业提供多种人工智能解决方案，解决实际问题。英特尔的人工智能解决方案在金融、农业、零售、政务、工业等领域都有着丰富的运用，英特尔正在推动人工智能在多种领域内的运用发展。针对这一观点，她举了两个例子进行了说明。
首先是深度学习模型中最常见的用于图像的模型。即使缺少针对这一个细分领域的数据集，图像模型也可以通过在 ImageNet 数据集上训练好的通用图像分类器上添加层数和微调，以迁移学习的方法搭建针对特定领域的高效图像识别模型，既可以用于农业，进行作物疾病的识别，也可以应用于自动驾驶领域的街景勘测，还能帮助油气勘探和肿瘤检测。
再比如用于序列的模型。它不光可以为金融从业者提供内容概括解决方案，帮助他们从海量的数据中找到和自身相关的信息；还可以被用于基因组学、车内语音识别等其他领域。
英特尔持续推动AI发展
英特尔以Nervana 为基础提供全栈式平台，结合自身提供多样的硬件、库、框架与工具包，以模型为起点，然后收集不同的需求并解决，最后再将经验反馈到模型中。在这个不断重复的循环过程中，英特尔可以设计出更好的模型，并更加高效地提供解决方案。
从致力于驱动人工智能技术创新，到推动人工智能应用普及再到引导人工智能回馈社会，英特尔的脚步从未停歇。英特尔正在让人工智能成就未来！
英特尔展区技术回放
英特尔在大会上的精彩内容不仅有富有深度的演讲，更有人工智能前沿技术的展示，让参会观众在获悉人工智能前沿技术研究的同时，也能感受到丰富多彩的交互体验。
硬件部分，英特尔展示的人工智能技术解决方案：
- 基于英特尔至强融核处理器的人类大脑肿瘤的三维可视化方案。该方案可以实现精确检测，精准移除人脑肿瘤；
- 基于FPGA的OpenCL的卷积神经网络加速器。使用OpenCL编程语音，基于英特尔Arria10 FPGA技术为深度学习系统开发一个可扩展的卷积神经加速器，以提供高性能，低延迟和高能效的人工智能和深度学习推理加速解决方案。
软件部分，英特尔展示的人工智能技术解决方案：
- 基于英特尔至强融核处理器平台的深度学习训练集群。展示英特尔至强融核处理器平台上的深度学习训练性能并演示如何使用英特尔优化版本Caffe进行多节点训练；
- 基于Apache Spark 的分布式深度学习框架。BigDL是一种面向Apache Spark的分布式深度学习库，用户可以通过BigDL将深度学习应用编写为标准的Spark 程序，这些程序可以直接在Spark或Hadoop集群上运行。
英特尔在提供数据平台和知识共享的基础上，支持更为广泛和多样化的人工智能实践，致力于推动人工智能的普及，并视引导人工智能回馈社会为最高目标，用科学技术回馈社会，用人工智能成就未来。
