Intel CTO Greg Lavender AI演講- AI 未來角色
本次 MLcon 的第二天将邀请 Intel CTO 兼首席副总裁 Greg Lavender 发表演讲- AI 的未来角色
目录
- AI挑战
- 解决AI挑战的方案
- 深度学习和训练的未来趋势
- 推理的成功因素
- 伦理与AI的关系
- 如何确保道德AI实践
- 英特尔在量子计算方面的计划
- Ponte Vecchio在开放VINO和Converge中的支持
😕 AI挑战
过去几年中,我们与全球许多数据科学团队合作,发现成功实施AI的最大挑战之一是缺乏知识和专业技能。过去十年中,这一问题一直存在,并且令人震惊的是,即使在今天,即使拥有先进的工具,这仍然是一个巨大的挑战。那么,我们如何解决这个问题?如何使组织能够满足不断增长的AI需求?
😮 解决AI挑战的方案
这个问题很有意思,也很具有挑战性。在我职业生涯的早期,我曾在金融服务行业工作,我们大约花了70%到80%的时间来确保数据质量和资产质量,以进行各种分析,比如反洗钱分析。现在,AI研究人员和开发人员拥有了广泛的工具和技术,但要掌握所有这些,并将其整合到解决方案中却非常具有挑战性。因此,我认为构建平台并尽可能多地使用所谓的低代码或无代码开发策略是取得胜利的关键。当然,Python是实现这一目标的强大语言,因此在英特尔,我们的哲学是迎合开发人员的需求,而不是让他们成为CUDA专家或者加速器硬件专家。我们将所有的加速器技术都整合到现有的开放生态系统中,使域内的开发人员可以迅速进行问题领域的开发,而不需要成为专家。此外,提高性能不仅仅是为了扩展计算性能,还包括在多个节点或集群上进行扩展运算能力。因此,广义上,需要具备广泛的技能才能在这个领域取得进展。
😎 深度学习和训练的未来趋势
不可否认,通用GPU在过去的十年左右逐渐崭露头角。NVIDIA目前是市场领导者,而英特尔、AMD等也在此领域竞争。在英特尔,我们的策略是为开发人员提供选择。无论是在编程模型方面,我之前提到的低代码、无代码模型都是为了将开发人员从特定的硬件加速器上解放出来,这样他们就不需要成为低级别的并行编程专家。我们的目标是满足开发人员的需求,并信任在未来提供加速功能的各种技术。我们已经宣布今年晚些时候将推出的「Ponte Vecchio」GPU就是一个例子,我们希望提供更多的选择。此外,我们的目标是让开发人员能够轻松应用最新的硬件加速技术,同时提供丰富的软件生态系统,使开发人员能够快速获取价值,并在训练模型、部署模型和保护模型方面取得进展。在英特尔,我们致力于将我们的加速器技术与开放生态系统相结合,以使这一切成为可能。
😀 推理的成功因素
对于推理技术来说,它是AI发展中增长最快的领域之一,也是开发和部署方面的关键。就我个人而言,还出现了一个问题:在推理方面,哪些硬件和软件技术是必要的,才能取得成功?首先,你需要考虑的是你要解决的算法需求,然后,每个GPU供应商、CPU供应商、自定义加速器和FPGA等,都是可供选择的硬件加速器,可以加速你需要的算法。正如我们所知,机器学习推理将变得随处可见。几乎任何计算设备都将运行某种嵌入式硬件加速器,用于运行推理技术或者一些基本的机器学习技术。因此,普及推理技术并保证它的安全性,将是未来推理技术的发展方向。推理技术需要通过可信的执行环境来保护模型和模型参数,甚至数据,因为它可能成为恶意攻击的目标。因此,不论是在硬件层面、软件层面还是操作系统或运行时层面,我们都需要在安全方面进行进一步的创新。在英特尔,我们已经将我们的加速器技术应用到了各个开放生态系统中,为你提供这种可能性,使用英特尔平台。
😇 伦理与AI的关系
首先,从伦理的角度来看,这始于管理层,我通过职业生涯中所学到的是:在任何组织中,你必须树立一个使数据用于恶意用途和违反区域、国家和政府隐私规定成为几乎不可能的文化。作为CTO,我有一个团队负责AI的合规和伦理,今年我们在这方面投入了更多的资源。我们与斯坦福大学的人本AI小组合作,他们是道德或负责任AI的坚定支持者。因此,首先要从高层领导层开始,制定一套文化和政策,确保不违反数据隐私规定,并且始终遵守道德行为,无论是在使用数据方面,还是在推理算法方面,都必须注重使用AI来做好事,而不是做坏事。在英特尔,我们与其他全球公司竞争,给客户提供一个开放的生态系统,提供安全环境来运行他们的应用,以及选择他们要选择的加速技术。
😎 如何确保道德AI实践
道德实践是从高层开始,并且我们作为从业者需要时刻保持警惕。我们在线下有一个常用的口头禅,即质疑一切。并且要关注底层的原因和结果。我之前提到过,我推荐你阅读朱迪·珀尔的《为何之书》。她是一位图灵奖获得者,专精于AI中的概率论,这对于AI实践者来说是一本非常重要的书,它帮助你了解因果关系,以及正确思考统计模型和算法的方法。
🚀 英特尔在量子计算方面的计划
英特尔内部正在进行量子计算项目的研究,这个项目已经进行了一段时间了。我们在基础硅级别进行组件研究,通过一套离散的方式来进行研究,我们认为这种方式可以扩展到数百万个量子比特,并且还必须考虑到容错的问题。此外,我们还开源了一个名为"Lava"的量子计算模拟模型,你可以在英特尔实验室的网站上找到它,并进行尝试。不可否认的是,整个世界对量子计算都非常感兴趣,但我们仍然认为这是一个长期的过程,要达到有效的量子计算还需要很长一段时间。我喜欢说,物理学在这个水平和温度下,通常不愿意配合,所以在构建和测试这些计算机时,会涉及到很多科学上的难题。
🖥️ Ponte Vecchio在开放VINO和Converge中的支持
是的,Ponte Vecchio将会在开放VINO和Converge等框架中得到支持。我们希望迎合开发人员的需求,并支持他们在他们喜欢的开源项目中进行开发。当然,对于我们来说,支持所有人喜欢的开源项目是一项艰巨的任务,但我们会将重要的项目放在首要位置。如果你使用Pi Torch、TensorFlow等开源框架,我们已经为这些项目提供了支持。我们还提供一些其他的技术和工具,如Numpy、Intel Neural Compressor和Converge.io等。只需要访问developer.intel.com,就可以免费下载它们。
😃 高潮
- AI挑战: AI的成功实施面临的挑战是缺乏知识和专业技能。
- 解决AI挑战的方案: 建立平台和使用低代码、无代码开发策略,以扩大AI的应用范围。
- 深度学习和训练的未来趋势: GPU在深度学习中发挥越来越重要的作用,英特尔提供多种选择以满足开发人员的需求。
- 推理的成功因素: 推理技术的成功取决于算法需求和相应的硬件和软件技术。
- 伦理与AI的关系: 伦理实践需要从管理层开始,确保不违反数据隐私规定,并始终坚守道德底线。
- 如何确保道德AI实践: 确保道德AI实践需要始于高层,遵守数据隐私规定,保证算法的公正和透明。
- 英特尔在量子计算方面的计划: 英特尔正在进行量子计算项目的研究,开发符合容错要求的量子计算机。
- Ponte Vecchio在开放VINO和Converge中的支持: Ponte Vecchio将在开放VINO和Converge等框架中得到支持,满足开发者的需求。
常见问题解答:
Q: AI成功实施的最大挑战是什么?
A:AI成功实施的最大挑战之一是缺乏知识和专业技能。
Q: AI在推理方面的发展趋势如何?
A:推理技术在AI的发展中起着越来越重要的作用,并且呈现出快速增长的趋势。
Q: 如何确保道德AI实践?
A:确保道德AI实践需要从高层开始,建立相应的文化和政策,并遵守数据隐私规定。
Q: 英特尔在量子计算方面的计划是什么?
A:英特尔正在进行量子计算项目的研究,计划开发符合容错要求的量子计算机。
资源列表:
- 英特尔官方网站
- Lava实验室
- 开源VINO
- Converge
- Pi Torch
- TensorFlow
- Numpy
- Intel Neural Compressor
- Ponte Vecchio
- OpenFL项目
- Judea Pearl的「为何之书」