主页 > G卫生活 >导入 AI 是一场企业长期奋战,跨越硬体技术鸿沟的秘诀是什幺 >

导入 AI 是一场企业长期奋战,跨越硬体技术鸿沟的秘诀是什幺

2020-07-04  点赞736   浏览量:891

导入 AI 是一场企业长期奋战,跨越硬体技术鸿沟的秘诀是什幺

2017 年是台湾的 AI 发展元年,进入 2018 年后, AI 更成了企业提升营运绩效、追求创新突破的关键字。以往 AI 似乎像空中楼阁,只是政府超级电脑的配备,或者顶尖学术机构的实验室工具,毕竟 AI 涉及机器学习和演算法,须要高速运算能力以及强大 IT 架构的配合。

空有演算法,却没有跑得动 AI 的硬体系统,就像电影钢铁人中的场景:

被企业寄予厚望的 AI 也是一样,一直在等待克服技术上的门槛,才能化为实际的应用,像钢铁人的心脏,真实地跳动。2017 年 IBM 推出 Power 9 晶片及相关系统,并与擅长 AI 演算法晶片的美国大厂 NVidia 合作,等于宣告跨越了硬体的技术鸿沟,让企业能够快速导入 AI 。

IBM 硬体系统事业部总经理于伯琨表示,国内企业在从事数位转型时,并不排斥导入 AI ,只不过 AI 的要件包括深度学习及机器学习,这中间牵涉相当庞大的资料量。以前企业的统计数据其运算分析,或许交给 CPU 来处理就能胜任;但进入 AI 时代,机器学习及深度学习的巨量数据,必须仰赖运算能力更强大的 GPU;「光是运算时间就相差数十倍以上。」换言之,过去用 CPU 进行数据分析,可能三天三夜都跑不完。

从硬体系统建置,催生企业 AI 的快速普及

此外, AI 的深度学习也须要时间来建立模型、训练机器;若採传统的 IT 装备及架构,动辄要花一个月以上的时间。当资料科学家如火如荼地开发深度学习工作负载,训练模型用的(一批次)神经模型的矩阵结构与资料要素必须存放在 GPU 记忆体。因此仅有 16 GB 的 GPU 记忆体空间是不敷使用。

由于模型的开发环境複杂(较深度的神经网路需要更多叠层与更大的矩阵)且资料集的大小也不断扩大(高画质影片与网页影像扩充),资料科学家因此受限于 GPU 的 16 GB 记忆体空间而做出权衡让步。

「IBM 的 Power 9 系统,解决了上述这些技术障碍。」于伯琨指出,与上一代的 Power 8 相比,除了核心运算能力大跃进、高效核心数量加倍,更设计了更强大的 I/O,让系统能够外接 GPU 等专用加速器或其他周边设备。

IBM Power 9 除了独特 NVLink 可连接 CPU (记忆体) 与 GPU 之外,同时提供 Large Model Support 功能,使用者可大幅增加模型大小、资料要素以及批次或资料集大小,并且执行大型模型以及在四个 GPU 将系统记忆体容量增加近 1 TB。并透过 DDL 分散式深度学习工具,让过去旷日费时的建模工作,时程大幅缩短;「AI 所需的 IT 系统,是各种高效能单位的协同运作。」

以製造业为例,过去管理生产流程的各个环节,只须要一部伺服器、 一块主机板,因为产线的每个节点,大多採用人力判断,并没有导入人工智慧来辅助。不过近期全球许多大型製造业,已开始利用 AI 进行「视觉检测」,数据量庞大,对运算能力的要求也高,可能须要十部伺服器同时工作,才能兼顾所有生产环节的良率、确保暇疵在可控範围内。

AI 做影像辨识,成功要件之一就是 IT 架构设置

在金融业方面, IBM 也在协助客户导入 AI 。金融业对于 AI 的终端应用虽然与製造业不同,但对硬体的要求却是一样严苛。以保险业为例,某位保户割了盲肠要申请理赔,所检附的证明,可能是「上阑尾局部摘除手术」这类专业术语,以往是交给人员判读,比对这个病症的 ICD(国际疾病编码)号码是否符合理赔资格及健保给付。此外,包括文件上的出院时间、门诊次数等,也都是仰赖人力来判读。

现在已有保险业者导入 AI 的「影像辨识」功能;透过机器来读取医疗单据,将之化为可读式的数据资料。「有了 AI 之后,只要训练它进行自然语意的理解,就能判断某个案件是三天住院加上两天手术,自动比对投保内容有无包括理赔项目。」

这类视觉辨识的过程,首先在机器学习的阶段就须要大量的数据汇入及分析,才能将人工智慧训练完成,接着人工智慧上线,要同时处理的资料量更多,因此只有新一代的 IT 架构才能轻鬆驾御。

这也是为什幺,Google 的资料中心近期宣布从英特尔的 x86 架构,转向 IBM 的 Power 系统,因为后者无论是核心运算、传输频宽、可支援记忆体容量,都高出许多,才能满足企业的 AI 需求。

企业导入 AI ,视个别需求可有不同程度的投资

企业在导入 AI 时,也有技术层次的不同,必须视个别需求而定。以银行业为例,国内龙头中国信託,在自建云上导入「影像辨识」的 AI 引擎,可辨识贷款客户客户提供的文件资料,第一张是身份证、第二张是薪资证明、第三张是存摺影本。「过去贷款的申请过程,须要大量的人力来判别,因此能核发的数量有其上限;透过 AI 协助,可以加快流程。」

不过因为身份证、存摺这类资料,被视为「高度个资」,企业一般会倾向放在公司内部的自建云上,除了软硬体投入庞大,也须养一组人员来维护。因此不是每一间银行业者都会採取这样的 AI 导入方案。若要减轻初期的 AI 布建成本,也会有金融业者选择以导入智慧聊天机器人,作为数位化的初步尝试。

AI 应用是一趟旅程,须要时间和决心

IBM 强调,国内企业对 AI 的普遍迷思是,「AI 是一个现成方案,只要导入,它立刻就变得很聪明,帮我解决所有问题;」其实不然。 IBM 全球企业谘询服务事业群顾问协理陈昌裕指出,企业导入 AI ,是一趟旅程,企业内部必须先收集数据、人工智慧也须要训练学习,另外还要人员负责维运。「数据」、「机器学习」、「人员」这三者都须要时间来建置及培养。如果企业能够先建立这样的认知,导入 AI 时脚步将可更加稳健。

国内企业建置 AI ,一般耗费的期程约为六到十二个月,但事实上所需时间应该更长。只不过业者通常很难接受一个新技术或解决方案的导入时间长达两年以上,因此会设定分阶段目标,希望在第一阶段的半年到一年内就看到成果。

IBM 指出,即使如影像辨识这类的 AI 应用,导入时间较长,「但企业都已意识到 AI 是未来竞争力的来源,仍然愿意投入。」除了金融保险业,国内包括工具机大厂、跨国零售业,都已将 AI 逐步落实在日常营运及全球据点管理上。「人工智慧的落实,必须结合硬体平台、软体、数据,三者,才能够缩短学习曲线,避免不必要的重複投资,加速拉开与竞争对手之间的差距。」

─ ─

─ ─

其它你会感兴趣的文章

3 个工作天完成整月结帐作业,IBM 怎样改造财务流程的?
台湾起飞?《富比世》专文分析为什幺微软、Google、IBM 相继来台大举投资
IBM 对深度学习系统的新观点:GPU 的运算速度太快并非好事,为什幺?

相关阅读