Intelligenza artificiale: come ricavare tutto il necessario dall'infrastruttura già disponibile

Riducete i rischi dell'intelligenza artificiale e gli ostacoli all'accesso con l'attuale infrastruttura.

L'entità esatta di quello che si può ricavare dai dati con l'apprendimento automatico e il deep learning dipende dai casi d'uso coinvolti. Dipende anche dalla voglia di sperimentare che ha l'organizzazione.

Tuttavia, anche se le varie organizzazioni si trovano in fasi differenti nel percorso verso l'intelligenza artificiale (AI), i rischi della sperimentazione sono ridotti se per iniziare si sfrutta l'attuale infrastruttura. Per aiutarvi, Intel ha ottimizzato per l'architettura Intel® numerosi framework di deep learning più diffusi, tra cui TensorFlow*, Theano* e altri ancora.

Inoltre, Intel ha creato BigDL per introdurre il deep learning nei big data. Si tratta di una libreria distribuita di deep learning per Apache Spark* (DL Library per Apache Spark*) che può essere eseguita direttamente negli attuali cluster Spark o Apache Hadoop* e consente ai team di sviluppo di scrivere applicazioni di deep learning come i programmi Scala o Python.

In ogni attività Spark, BigDL usa Intel® Math Kernel Library (Intel® MKL) e la programmazione multithreaded. In questo modo si ottengono prestazioni elevate, ottimizzando le prestazioni di deep learning rispetto alle soluzioni open source predefinite Torch* o TensorFlow su un processore Intel® Xeon® a singolo nodo.

I rischi della sperimentazione con l'intelligenza artificiale sono ridotti perché le organizzazioni possono usare l'attuale infrastruttura del data center per iniziare.

Tre casi d'uso dell'intelligenza artificiale che possono avere un impatto in quasi tutti i settori

Intel intravede tre aree principali in cui le aziende sperimentano con l'intelligenza artificiale nell'attuale infrastruttura dei data center: riconoscimento delle immagini, elaborazione del linguaggio naturale e manutenzione predittiva. E quando è il momento di ampliare queste iniziative, la possibilità di sfruttare framework open source nell'attuale architettura dei data center può fare la differenza nel semplificare l'adozione dell'intelligenza artificiale nell'intera organizzazione.

1) Riconoscimento delle immagini

Le applicazioni per il riconoscimento delle immagini vengono oggi installate per attività come il controllo qualità (identificazione di difetti dei prodotti), la sicurezza (scansione di volti e targhe automobilistiche) e l’assistenza sanitaria (identificazione di tumori).

Uno dei problemi più comuni per le organizzazioni riguarda la disponibilità di una quantità di dati sufficiente per addestrare gli algoritmi di classificazione e riconoscimento delle immagini, e la pre-elaborazione delle immagini può richiedere più della metà del tempo totale della soluzione. Per risolvere questo problema, i processori Intel® Xeon® sono in grado di supportare le applicazioni per l'aumento della quantità dei dati. Queste applicazioni ruotano e ridimensionano le immagini e regolano i colori, quindi per l'addestramento effettivo degli algoritmi di riconoscimento sono necessarie meno immagini (a seconda del caso d'uso).

Le CPU offrono prestazioni eccellenti nella gestione dei carichi di lavoro di aumento della quantità dei dati, grazie all'efficienza energetica e all'ampia larghezza di banda della memoria, fino a 100 Gbs. Ciò vale soprattutto per la famiglia di processori scalabili Intel® Xeon®, ottimizzata dal set di istruzioni Intel® Advanced Vector Extensions 512 (Intel® AVX-512).

Le CPU offrono prestazioni eccellenti nella gestione dei carichi di lavoro di aumento della quantità dei dati, grazie all'efficienza energetica e all'ampia larghezza di banda della memoria, fino a 100 Gbs.

2) Elaborazione del linguaggio naturale

Gli assistenti virtuali attivati a voce non si limitano a elaborare accuratamente le richieste, ma riconoscono la natura delle query per continuare a migliorare. Allo stesso modo, l'esperienza e la soddisfazione dei clienti risultano trasformate da sistemi in grado di elaborare le registrazioni dei call center o i moduli scritti a mano, una miniera d'oro di informazioni precedentemente nascoste che possono essere usate per identificare i comuni reclami o per risolvere più rapidamente i problemi dei clienti.

L'elaborazione del linguaggio naturale si basa sulla tecniche Recurrent Neural Network (RNN) e Long Short-Term Memory (LSTM), e quando vengono elaborati i loop e le dipendenze che caratterizzano queste operazioni, anche il set di istruzioni Intel® Advanced Vector Extensions 512 (Intel® AVX-512) svolge un ruolo cruciale.

3) Manutenzione predittiva

La manutenzione predittiva è diversa dal riconoscimento delle immagini e dall'elaborazione del linguaggio naturale in quanto si basa solitamente su una velocità di trasmissione molto più ridotta, con le informazioni acquisite da sensori che monitorano le condizioni alla periferia. Idealmente, la maggiore quantità possibile di calcoli dovrebbe svolgersi alla periferia prima del passaggio al cloud per l'analisi o le decisioni. La soluzioneIntel® Movidius™ Neural Compute Stick, basata su una VPU, è particolarmente indicata per lo sviluppo accelerato del deep learning alla periferia.

Guardate: L'intelligenza artificiale trasforma il modo in cui le organizzazioni usano sempre più spesso la manutenzione predittiva per supportare l'infrastruttura strategica.

Iniziate oggi stesso a usare l'intelligenza artificiale

Le prestazioni dell'intelligenza artificiale sono basate su una combinazione di calcolo, ottimizzazioni software e larghezza di banda della memoria del processore e, indipendentemente dalla fase raggiunta nel percorso verso l'intelligenza artificiale, l'ampia gamma di hardware e software Intel offre un set di strumenti completo per creare un'architettura di implementazione a costi estremamente contenuti per i carichi di lavoro di questa tecnologia.

5 fasi per una prova di concetto dell'intelligenza artificiale


Scoprite come iniziare con una prova di concetto per l'intelligenza artificiale.

Intelligenza artificiale

Le soluzioni basate su tecnologia Intel consentono alle aziende di accelerare le loro soluzioni, automatizzare le operazioni e migliorare le informazioni strategiche.

Per saperne di più

Anatomia di una prova di concetto per l'intelligenza artificiale

Scoprite i requisiti di una prova di concetto efficace per l'intelligenza artificiale.

Visualizzate l'infografica