以“应用人工智能”为主题，英特尔与O’Reilly联合主办的中国人工智能大会在北京举行，英特尔在会上分享了人工智能实际应用方面的技术和最新创新成果，展示了人工智能全栈解决方案，分享了如何利用英特尔人工智能产品和技术深入挖掘不同行业数据价值，解决实际问题，加速人工智能产业落地的洞察和实践经验。
英特尔技术专家还在大会上发表了题为“人工智能如何推动医疗现代化”的演讲，阐述了人工智能如何为医疗行业提供新洞察并提高诊断效率。此外在题为“基于深度学习的自然语言处理”的演讲中，英特尔分享了人工智能如何推动自然语言处理的发展并惠及各行业。
英特尔正部署人工智能全栈式解决方案
“英特尔正在不断推动技术和产品创新，以简化和加速人工智能的部署与发展。”英特尔人工智能事业部副总裁、人工智能实验室和软件总经理Arjun Bansal表示：“英特尔拥有业内广泛的人工智能产品组合，持续加大技术研究投资和人才培育，通过与生态产业合作伙伴携手，让人工智能加速在医疗、零售、能源、交通、制造等各行业尽快落地。”
目前，英特尔已经部署了人工智能全栈式解决方案等一系列产品组合，智能菌梳理如下：
至强可扩展处理器、英特尔Nervana神经网络处理器和FPGA、网络以及存储技术；
针对深度学习/机器学习而优化的基于英特尔架构的数学函数库（Intel MKL）以及数据分析加速库（Intel DAAL）；
支持和优化开源深度学习框架如Spark、Caffe、Theano以及Neon；
构建以英特尔Movidius和Saffron为代表的平台等等。
此外，英特尔还表示，为更好的推动人工智能技术普及，英特尔还联手百度云等合作伙伴安排了培训等课程，让开发者们更好地了解BigDL等框架。BigDL是一款基于Apache Spark的分布式深度学习框架,它可以无缝的直接运行在现有的Apache Spark和Hadoop集群之上。百度云在即将发布的数据分析平台中将整合BigDL最新版本。未来英特尔还将联合百度云智学院推出完整的“数据分析+BigDL”培训课程。
用人工智能解决医疗行业的三大挑战
人工智能正在不断推动医疗行业现代化发展，目前在医疗行业主要有三大挑战，第一是数据量特别大，而且不断地增加；第二是中国临床医生太少，不足以满足中国人民群众的需求；第三是人们看病要花费高额的时间和成本。
英特尔人工智能事业部副总裁、人工智能实验室和软件总经理Arjun Bansal称，英特尔的的目标是解决这三大类的问题和挑战。通过深度学习处理大数据，用海量的数据来进行学习和训练。关于医生人数不够多的问题，Arjun Bansal透露，目前英特尔也搭建了一些解决方案和系统来做一些特定疾病的检测，比如说做一些电子病历的存档和分析，为医生提供一些辅助服务。在成本方面，英特尔制定了专门具体的解决方案，比如做大量的内容筛选。
Arjun Bansal表示，目前CT扫描、核磁共振的应用都可以在至强处理器上完成，英特尔正在扩大使用范例。同时，英特尔还搭建了专门的硬件和软件的支持来做推理、收集和分析数据。“英特尔希望能够为客户定制化模型和产品，然后在特定领域，比如在金融、医疗、零售领域为我们的客户提供精专化的服务，尤其对于中国客户。”
面对AI是否将取代医生的工作？Arjun Bansal认为，AI技术是为了能够提升医生、护士的工作能力，比如说他们可以看更多的病人、提高工作效率、提高诊断的准确性。人类医生和机器AI合作，这是我们目前的主攻方向。
人工智能如何推动自然语言处理的发展？
今年以来，利用深度学习，自然语言处理领域出现了很多的成果，比如年初阿里、微软在斯坦福举行的SQuAD 挑战赛(Stanford Question Answering Dataset)，机器表现就超过了人类。前端时间，微软宣布其研发的机器翻译系统在通用新闻报道测试集newstest2017的中-英测试集上，达到了可与人工翻译媲美的水平。
那么，这是不是意味着机器在自然语言处理上很快就能落地应用？
答案是否定的。英特尔人工智能事业部数据科学部主任刘茵茵称，SQuAD就好比自然语言处理领域的ImageNet，它是一个大型的数据库，可以为很多研究人员、开发人员提供一个平台，不断地开发新算法，并且比较各种各样算法的优劣势。但这仍不能够迅速地将科研成果使用到应用场景中，还需要经过一段时间的提升和优化，同时还需要各种各样的软件、硬件配合在一起才能实现新的商业方案。
刘茵茵，从学术创新到商业方案，虽然现在的发展十分迅速，但仍需要一个过程，SQuAD和自然语言处理也是一个非常关键和激动人心的部分。近来，很多软件和算法性能得到了提高，并开始解决一些复杂自然语言处理的模型和应用。但是可能还是需要一段时间来整合软件和硬件的配合，进而更好地应用到商业领域。
总之，数据洪流带来巨大机遇和挑战，多种多样的应用需求需要不同的解决方案和技术来满足，人工智能也是如此。纷繁复杂的工作负载也需要不同类型和特点的人工智能产品来支撑。
