close
在此次於舊金山舉辦的AI DEVCON活動中，前Nervana共同創辦人暨執行長，現任Intel人工智慧解決方案部門總經理Naveen Rao強調人工智慧仍處於相當早期發展階段，同時並非僅能由單一機構獨立推行，必須藉由眾人力量持續推動人工智慧技術發展，並且使其成為改變傳統電腦運算的全新方式。 分享 facebook 就Intel目前對於人工智慧發展看法，認為將從軟體、硬體與互動交流三大面向投入發展，而這也是目前Intel在人工智慧技術著重發展部分。.inline-ad { position: relative; overflow: hidden; box-sizing: border-box; }
.inline-ad div { margin: auto; text-align: center; }
.inline-ad iframe { margin: auto; display: block; /*width: auto !important;*/ }
.inline-ad div[id大發網^=google_ads_iframe] {
padding: 50px 0 30px;
}
.inline-ad div[id^=google_ads_iframe]:before {
content: "推薦";
font-size:13px;
color:#999;
text-align:left;
border-top: 1px solid #d9d9d9;I88娛樂城
width: 100%;
position: absolute;
top: 15px;
left: 0;
padding-top: 5px;
}
.inline-ad div[id^=google_ads_iframe]:after {
content: "";
border-bottom: 1px solid #d9d9d9;
甜心百家樂 width: 100%;
position: absolute;
bottom: 15px;
left: 0;
}
.innity-apps-reset { padding: 20px 0 0 !important; margin: -20px auto -10px !important; } 其中，在軟體應用部分除了加入支援市面主流常見的TensorFlow、Caffe、Caffe 2、MXNet、pytorch、ONNX、CNTK，並且可藉由Intel旗下深度學習編譯器nGraph持續相容未來更多學習框架，同時透過開放架構達成內容相容效果，藉此強化人工智慧學習應用效果。 分享 facebook 就目前Intel對於人工智慧技術發展，主要還是基於FPGA架構整合CPU、GPU等運算元件，藉此針對不同需求建構各類學習運算模式，同時也能快速依據臨時變更需求調整學習模式，因此Intel強調在部分情況下，透過FPGA架構佈署的學習模式將比藉由GPU加速方式更為省電。不過，持續強調FPGA架構所帶動優勢，並非代表Intel認為GPU加速效益不佳，最主要還是看人工智慧技術應用方向，以及實際學習模式，例如應用項目面臨大幅度變更學習運算模式，而非鎖定巨量學習運算規模，必須藉由GPU加速縮短學習時間的情況下，FPGA架構自然有其彈性應用優勢。以著重發展GPU的NVIDIA立場而言，同樣也認為FPGA架構有其優勢所在，而GPU則是在學習加速有明顯效率表現，進而以更具效率方式推動人工智慧技術成長。 分享 facebook 而針對TensorFlow學習框架應用，Google持續藉由更新TPU設計讓學習效率具體提昇的情況，Intel日前也宣布與微軟攜手合作名為Project Brainwave服務項目，透過FPGA架構與Azure雲端服務平台結合應用，讓開發者能依據不同需求即時調整學習運算資源配置，強調相比Google以TPU推動運算模式可縮減5倍運算延遲效果。另一方面，Intel在與亞馬遜旗下AWS雲端平台合作部分，同樣也是藉由FPFGA運算架構提供彈性配置效果，藉此對應最佳運算效益。因此在結合開放學習運算資料庫、藉由深度學習編譯器達成不同學習框架運算相容，並且配合旗下XEON處理器藉由FPGA架構彈性配置推動更具效率的學習效果，更進一步與合作夥伴、開發者等交流互動、建立深度合作，進而擴大人工智慧技術應用範疇。在未來逐漸成為主流發展的物聯網應用方面，Intel除日前宣佈推出OpenVINO開發工具，更與C3 IOT平台合作打造各類微型服務等物聯網應用項目。藉由人工智慧學習運算，Intel認為將能帶來全新應用改革，例如藉由電腦視覺推動搜尋內容推薦，或是避免不良內容出現在搜尋結果，甚至應用在Facebook可讓動態牆顯示內容更符合個人閱讀需求，此外也能應用在影像內容及時標示、顯示註解，或是在賽事轉播過程即時標示畫面中出現選手名稱、單場得分或助攻等數值等。更多應用則包含監視系統物件識別、動畫人物肢體或嘴部動作模擬真實表現，以及醫療分析、自動駕駛、內容創作等領域，因此讓不少市場看法認為人工智慧將可帶動下一波工業革命。 分享 facebook 分享 facebook
.inline-ad div { margin: auto; text-align: center; }
.inline-ad iframe { margin: auto; display: block; /*width: auto !important;*/ }
.inline-ad div[id大發網^=google_ads_iframe] {
padding: 50px 0 30px;
}
.inline-ad div[id^=google_ads_iframe]:before {
content: "推薦";
font-size:13px;
color:#999;
text-align:left;
border-top: 1px solid #d9d9d9;I88娛樂城
width: 100%;
position: absolute;
top: 15px;
left: 0;
padding-top: 5px;
}
.inline-ad div[id^=google_ads_iframe]:after {
content: "";
border-bottom: 1px solid #d9d9d9;
甜心百家樂 width: 100%;
position: absolute;
bottom: 15px;
left: 0;
}
.innity-apps-reset { padding: 20px 0 0 !important; margin: -20px auto -10px !important; } 其中，在軟體應用部分除了加入支援市面主流常見的TensorFlow、Caffe、Caffe 2、MXNet、pytorch、ONNX、CNTK，並且可藉由Intel旗下深度學習編譯器nGraph持續相容未來更多學習框架，同時透過開放架構達成內容相容效果，藉此強化人工智慧學習應用效果。 分享 facebook 就目前Intel對於人工智慧技術發展，主要還是基於FPGA架構整合CPU、GPU等運算元件，藉此針對不同需求建構各類學習運算模式，同時也能快速依據臨時變更需求調整學習模式，因此Intel強調在部分情況下，透過FPGA架構佈署的學習模式將比藉由GPU加速方式更為省電。不過，持續強調FPGA架構所帶動優勢，並非代表Intel認為GPU加速效益不佳，最主要還是看人工智慧技術應用方向，以及實際學習模式，例如應用項目面臨大幅度變更學習運算模式，而非鎖定巨量學習運算規模，必須藉由GPU加速縮短學習時間的情況下，FPGA架構自然有其彈性應用優勢。以著重發展GPU的NVIDIA立場而言，同樣也認為FPGA架構有其優勢所在，而GPU則是在學習加速有明顯效率表現，進而以更具效率方式推動人工智慧技術成長。 分享 facebook 而針對TensorFlow學習框架應用，Google持續藉由更新TPU設計讓學習效率具體提昇的情況，Intel日前也宣布與微軟攜手合作名為Project Brainwave服務項目，透過FPGA架構與Azure雲端服務平台結合應用，讓開發者能依據不同需求即時調整學習運算資源配置，強調相比Google以TPU推動運算模式可縮減5倍運算延遲效果。另一方面，Intel在與亞馬遜旗下AWS雲端平台合作部分，同樣也是藉由FPFGA運算架構提供彈性配置效果，藉此對應最佳運算效益。因此在結合開放學習運算資料庫、藉由深度學習編譯器達成不同學習框架運算相容，並且配合旗下XEON處理器藉由FPGA架構彈性配置推動更具效率的學習效果，更進一步與合作夥伴、開發者等交流互動、建立深度合作，進而擴大人工智慧技術應用範疇。在未來逐漸成為主流發展的物聯網應用方面，Intel除日前宣佈推出OpenVINO開發工具，更與C3 IOT平台合作打造各類微型服務等物聯網應用項目。藉由人工智慧學習運算，Intel認為將能帶來全新應用改革，例如藉由電腦視覺推動搜尋內容推薦，或是避免不良內容出現在搜尋結果，甚至應用在Facebook可讓動態牆顯示內容更符合個人閱讀需求，此外也能應用在影像內容及時標示、顯示註解，或是在賽事轉播過程即時標示畫面中出現選手名稱、單場得分或助攻等數值等。更多應用則包含監視系統物件識別、動畫人物肢體或嘴部動作模擬真實表現，以及醫療分析、自動駕駛、內容創作等領域，因此讓不少市場看法認為人工智慧將可帶動下一波工業革命。 分享 facebook 分享 facebook
文章標籤
全站熱搜
留言列表
