英特爾正式推出了首套開源AI參考套件，旨在讓企業(yè)能夠在本地、云端和邊緣環(huán)境中都更易于部署AI。這些在英特爾On產(chǎn)業(yè)創(chuàng)新峰會（Intel Vision）上率先公布的參考套件包括AI模型代碼、端到端機器學(xué)習(xí)管道說明、庫和用于跨架構(gòu)運行的英特爾oneAPI組件，讓數(shù)據(jù)科學(xué)家和開發(fā)者能夠?qū)W習(xí)如何更快速、更簡單地在醫(yī)療、制造、零售和其他行業(yè)部署準(zhǔn)確性更高、性能更優(yōu)和總落地成本更低的AI。
英特爾副總裁兼人工智能和分析部門總經(jīng)理李煒博士表示：“在開放和眾創(chuàng)的環(huán)境中，創(chuàng)新才能蓬勃發(fā)展。不管是包括各種已優(yōu)化的流行框架的英特爾加速開放AI軟件生態(tài)，還是英特爾的AI工具，都建立在開放的、基于標(biāo)準(zhǔn)的、統(tǒng)一的oneAPI編程模型基礎(chǔ)上。此次推出的參考套件是用英特爾的各項端到端AI軟件產(chǎn)品打造而成，將讓數(shù)百萬的開發(fā)者和數(shù)據(jù)科學(xué)家能夠輕松快捷地將AI加入應(yīng)用程序，或改善現(xiàn)有的智能解決方案。”
隨著視覺、語音、推薦系統(tǒng)等領(lǐng)域的用例出現(xiàn)，AI工作負載正不斷增長并變得更加多樣化。與埃森哲聯(lián)合開發(fā)的英特爾AI參考套件旨在加速推動AI在各行業(yè)的應(yīng)用。這些套件是開源的預(yù)置AI，可針對各種重要企業(yè)應(yīng)用場景，支持新AI的引入和現(xiàn)有AI解決方案的戰(zhàn)略調(diào)整。
本次英特爾將推出四款套件供下載：
公用設(shè)施資產(chǎn)健康：隨著全球能源消耗的持續(xù)增長，電力傳輸資產(chǎn)的數(shù)量預(yù)計也將增長。這一預(yù)測分析模型被訓(xùn)練用于提高公用設(shè)施的服務(wù)可靠性。通過英特爾®oneAPI數(shù)據(jù)分析庫（Intel® oneAPI Data Analytics Library），它使用經(jīng)英特爾優(yōu)化的XGBoost算法，基于34項屬性和超過1,000萬個數(shù)據(jù)點，對電線桿的使用狀況進行建模1。數(shù)據(jù)類型包括資產(chǎn)使用年限、機械性能、地理空間數(shù)據(jù)、檢查報告、制造商、先前的維修和維護歷史以及斷電記錄。該預(yù)測性資產(chǎn)維護模型會不斷學(xué)習(xí)新提供的數(shù)據(jù)，如新的電線桿制造商、斷電和其他條件變化。
視覺質(zhì)量控制：質(zhì)量控制是所有制造業(yè)務(wù)中的必需環(huán)節(jié)。計算機視覺技術(shù)的挑戰(zhàn)在于它們在訓(xùn)練過程中往往需要大量的圖像算力，且需要隨著新產(chǎn)品的推出頻繁地重新訓(xùn)練。這一AI視覺質(zhì)量控制模型是用包括英特爾®PyTorch優(yōu)化版的英特爾®AI Analytics Toolkit和英特爾®發(fā)行版OpenVINO™工具套件訓(xùn)練而成，二者均由oneAPI提供技術(shù)支持。針對跨CPU、GPU和其它基于加速器的架構(gòu)的計算機視覺工作負載，與現(xiàn)有的未經(jīng)英特爾優(yōu)化2的埃森哲視覺質(zhì)量控制套件相比，這一模型的的訓(xùn)練和推理速度分別提高了20%和55%。利用計算機視覺技術(shù)和SqueezeNet分類算法，這一AI視覺質(zhì)量控制模型可通過超參數(shù)調(diào)優(yōu)和優(yōu)化檢測藥品缺陷，準(zhǔn)確率達95%。
客服機器人：對話式聊天機器人已成為支持整個企業(yè)發(fā)展的關(guān)鍵服務(wù)。用于對話式聊天機器人交互的AI模型是規(guī)模龐大且高度復(fù)雜的。這款參考套件包含了進行意圖分類（intent classification）和命名實體識別（named-entity recognition）的深度學(xué)習(xí)自然語言處理模型，使用BERT和PyTorch。英特爾®PyTorch擴展包（Intel® Extension for PyTorch）和英特爾®發(fā)行版OpenVINO™工具對該模型進行了優(yōu)化，實現(xiàn)了跨異構(gòu)的更高性能，與現(xiàn)有的未經(jīng)英特爾優(yōu)化3的埃森哲客服機器人套件相比，推理速度提高了45%，同時，還讓開發(fā)者通過最少的代碼改動就能重新使用模型開發(fā)代碼進行訓(xùn)練和推理。
智能文檔索引：企業(yè)每年需要處理和分析數(shù)百萬份文檔，許多半結(jié)構(gòu)化和非結(jié)構(gòu)化文檔都需要手動操作。AI可以自動處理和分類這些文檔，以提高速度并降低人力成本。此款套件使用支持向量分類（SVC）模型，并通過oneAPI技術(shù)支持下的Intel®發(fā)行版Modin和英特爾®Scikit-learn擴展包（Intel® Extension for Scikit-learn）進行了優(yōu)化。與現(xiàn)有的未經(jīng)英特爾優(yōu)化4的埃森哲智能文檔索引工具包相比，這些工具將將數(shù)據(jù)預(yù)處理、訓(xùn)練和推理的時間分別提高了46%、96%和60%，能以65%的準(zhǔn)確率審閱和分析文檔。
這些AI參考套件可在英特爾官網(wǎng)的AI參考套件頁面或Github上免費下載。
開發(fā)者希望能將AI加入其解決方案，英特爾此次發(fā)布的AI參考套件則有助于這一目標(biāo)的實現(xiàn)。這些套件建立在英特爾端到端工具和框架優(yōu)化AI軟件的基礎(chǔ)上，并完善了這一產(chǎn)品組合。基于oneAPI開放的、基于標(biāo)準(zhǔn)的、異構(gòu)的，可在多種架構(gòu)上運行的編程模型開發(fā)，這些工具能克服專有環(huán)境限制，幫助數(shù)據(jù)科學(xué)家以更快的速度和更低的成本訓(xùn)練模型。
未來一年，英特爾還將發(fā)布一系列新開源AI參考套件，提供各種已訓(xùn)練好的機器學(xué)習(xí)和深度學(xué)習(xí)模型，幫助各種規(guī)模的企業(yè)進行數(shù)字化轉(zhuǎn)型。
附屬細則：
注意事項與免責(zé)聲明
預(yù)測性公共設(shè)施分析參考套件（Predictive Utility Analytics Reference Kit），測量于2022年6月29日。硬件配置：微軟Azure Standard D4_v5，操作系統(tǒng)：Ubuntu 20.04.4 LTS（Focal Fossa），8 X英特爾®至強®Platinum 8370C CPU @ 2.80GHz，2線程/核, 4核/插槽，1插槽。軟件配置：配置1（Python v3.9，Scikit-learn v 1.0.2，Xgboost v0.81），配置2（英特爾®發(fā)行版Python 3.9.12 2022.0.0，Scikit-learn 0.24.2，英特爾®Scikit-learn擴展包 2021.5.1，Xgboost 1.4.3，daap4py 2021.6.0）。其他詳細信息見https://github.com/oneapi-src/predictive-health-analytics。結(jié)果可能有所不同。
2視覺質(zhì)量檢測套件（Visual Quality Inspection Reference Kit），測量于2022年6月29日。硬件配置：微軟Azure Standard D4_v5，操作系統(tǒng)：Ubuntu 20.04.4 LTS（Focal Fossa），4 X英特爾®至強®Platinum 8370C CPU @ 2.80GHz，2線程/核，2核/插槽，1插槽。軟件配置：配置1（PyTorch v1.8.0），配置2（英特爾®PyTorch擴展包 v1.8.0，英特爾®神經(jīng)網(wǎng)絡(luò)壓縮器v1.12，英特爾®發(fā)行版OpenVINO工具2021.4.2）。其他詳細信息見https://github.com/oneapi-src/visual-quality-inspection。結(jié)果可能有所不同。
3客服機器人參考套件（Customer Chatbot Reference Kit），測量于2022年6月22日。硬件配置：微軟Azure Standard D4_v5，操作系統(tǒng)：Red Hat Enterprise Linux Server 7.9，4 X英特爾®至強®Platinum 8370C CPU @ 2.80GHz, 2線程/核, 2核/插槽，1插槽。軟件配置：配置1（PyTorch v1.11），配置2（PyTorch v1.11.0，英特爾®PyTorch擴展包 v1.11.200，英特爾®神經(jīng)網(wǎng)絡(luò)壓縮器v1.12）。其他詳細信息見https://github.com/oneapi-src/customer-chatbot。結(jié)果可能有所不同。
4智能索引參考套件（Intelligent Indexing Reference Kit），測量于2022年6月22日。硬件配置：亞馬遜AWS m6i.xlarge，操作系統(tǒng)：Red Hat Enterprise Linux Server 7.9，4 X英特爾®至強®Platinum 8370C CPU @ 2.80GHz, 2線程/核, 2核/插槽，1插槽。軟件配置：配置1（Pandas, Scikit-learn），配置2（英特爾®AI Analytics Toolkit v 2021.4.1，英特爾®Scikit-learn擴展包，英特爾®發(fā)行版Modin）。其他詳細信息見https://github.com/oneapi-src/intelligent-indexing。結(jié)果可能有所不同。
實際性能受使用情況、配置和其他因素的差異影響。更多信息請訪問www.Intel.com/PerformanceIndex。
結(jié)果可能有所不同。性能結(jié)果基于配置信息中顯示的日期進行測試，且可能并未反映所有公開可用的更新。
沒有任何產(chǎn)品或組件能夠保證絕對安全。
您的成本和結(jié)果可能有所不同。
英特爾技術(shù)可能需要啟用硬件、軟件或激活服務(wù)。
英特爾不控制或?qū)徲嫷谌綌?shù)據(jù)。在評估數(shù)據(jù)準(zhǔn)確性時，請參考其它信息源。
