为何AI再次猛烈地来敲门
IBM 大中华区系统部副总裁、认知系统及服务器解决方案总经理施东峰分析认为，人工智能不是一个新的话题，现在又一次突然变得那么火，比较重要的因素有两点：
一是计算力的改变。上世纪人工智能刚起步的时候，人们只能在理论层面大胆地设想，根本无法想象计算机怎么能够强大得实际计算出来。今天人们可以接触到的技术，则可以把大量人工智能的计算量变成一个可实施的新IT应用，这一点是非常重要的。IBM下国际象棋的时候，强调的是Power计算力足够大；AlphaGo围棋比赛战胜韩国棋手李世石的时候，同时采用了数台服务器；IBM从来没有告诉你Watson用了多少台机器，其实是因为背后庞大的计算力在理论上是无限的。到了今年，Google声称只用了一台服务器就把程序跑得很完美了。从过去大量机器的计算到一台机器可以做出来，改变的是什么呢？就是让现在一般的IT使用者都能够感觉到，人工智能的实践是可以接触到的。这是人工智能变得特别火的第一个因素。
延伸阅读：面向人工智能的IBM Power Systems LC服务器
2016年，IBM发布了三款全新的Power Systems LC服务器产品，搭载NVIDIA NVLink的全新IBM POWER8 服务器能实现比其他平台高5倍的数据处理速度，与最新的x86服务器相比，能够实现每美元平均超出80％的性能。
全新的Power服务器系列是IBM在与OpenPOWER 基金会其他成员协同创新的基础上，对其Linux服务器产品家族的进一步延展，专门面向人工智能、深度学习、高性能数据分析等计算密集型工作负载，能帮助企业和云服务提供商节省数据中心的成本。
据IBM与腾讯联合进行的早期测试表明，凭借新OpenPOWER服务器的大规模集群，腾讯在处理数据密集型工作负载时，能够在减少三分之二服务器数量的前提下，获得比原本基于x86架构的系统高3倍的速度。考虑到其能够利用更少的服务器获得更高的性能、更大的成本优势，腾讯现正把这些OpenPOWER服务器整合到其超大规模数据中心，专门用以处理大数据工作负载。
二是用户可以建立自己的人工智能业务引擎。在过去，人工智能大部分运行于公有云的环境中，从最简单的一些智能手机功能，复杂到IBM Watson提供的智能医疗、智能律师、能气象等等，都是一个个公有云上的工具。一般的IT使用者使用这个公有云上面的功能，把数据资料喂给它，就能得到想要的答案。当计算力发生了极大提升的时候，越来越多的使用者开始设想，能不能在一个封闭的环境里面，建立一个自己的人工智能引擎？更有甚者，用户希望把公有的人工智能跟自己的业务引擎混合使用，以提供更好的效能。比如把业界已经非常成熟的人脸识别工具，和自己的业务进行结合，在特殊的业务领域发挥出效能。
延伸阅读：IBM和NVIDIA合作开发IBM PowerAI，将深度学习训练时间从数周缩短到数小时
IBM PowerAI是一款训练人工智能和机器学习系统的软件工具，PowerAI 针对当前流行的机器学习与深度学习开源应用框架采用了企业级软件分发方式，在专为AI而构建的IBM Power Systems上运行，可轻松处理计算密集型工作负载。无论是内部环境还是云端环境，PowerAI 均可帮助数据科学家与开发人员大程度地缩短开发时间。
具体来说，PowerAI 的二进制分发方式仅需一次下载，而且安装简单，其中包含有TensorFlow、Caffe、Torch、Theano、Chainer、NVIDIA DIGITS 及其他机器学习与深度学习框架，而且还配有相关的库与软件包。
PowerAI 的生态系统包含许多软件，例如 Continuum Analytics 的 Anaconda、H2O 的 H2O 机器学习库、Bons.ai 的 AI 软件开发工具等等。此外，IBM 还可为在应用开发方面采用深度学习的开发人员提供企业级支持与服务。IBM列举了这款软件在银行的诈骗识别，面部识别，以及自动驾驶汽车等现实中的应用。已有IBM Power S822LC高性能计算服务器的IBM客户可以免费使用IBM PowerAI。
2017年5月12日宣布的 PowerAI 新路线图具有 4 个突出的新功能，这些功能旨在解决客户的关键需求，包括 AI 系统性能、高效的数据准备及企业级软件部署：
易用性：一个新的软件工具“AI Vision”，借助该工具，应用开发人员仅需较少的深度学习知识，即可训练和部署其应用所需的计算机视觉深度学习模型。
数据准备工具：与集成了 Apache Spark 的 IBM Spectrum Conductor 集群虚拟化软件相集成，可轻松实现非结构化数据与结构化数据的转换，进而使这些数据可供深度学习训练之用。
缩短训练时间：TensorFlow 的分布式计算版本，这是由 Google 首创且在业内非常流行的开源机器学习框架。这种分布式版本的 TensorFlow 利用了 GPU 加速服务器的虚拟化集群，这些集群采用经济、高性能的计算方法，将深度学习的训练时间从数周缩短到数小时。
模型开发更轻松：一款名为“DL Insight”的新软件工具，可帮助数据科学家提升深度学习模型的准确度。该工具能够监控深度学习训练进程，并在性能高峰时段自动调整参数。
解锁IBM企业级AI商业密码
IBM在人工智能领域一直处于领先地位，那么IBM到底能给用户提供什么呢？对此，施东峰总结说，IBM提供的不是机器，而是好的认知系统架构以及丰富的产业应用。IBM看认知计算或者人工智能有两个角度：对于希望使用现有引擎的用户，Watson是迄今为止人工智能领域好的公有云引擎；对于希望建立自有引擎的用户，在大数据与人工智能等方面IBM都能给出非常好的建议和方案。
IBM全球副总裁、IBM中国系统开发中心总经理谢东博士也谈到，算力的大幅提高、数据的大幅积累，以及人工智能算法的重要突破，使得人工智能领域不断有新成果、新应用出现在大家的面前。
现在很多企业开始思考如何把人工智能的能力与自己的业务应用结合起来，但是，人工智能的研究成果应用到企业实际业务中还存在着一些的沟沟坎坎需要跨过。
首先，科研的环境相对简单，只要找出一个好算法或者解决一个特定的问题就行了，而实际业务中的问题会更加具体和复杂，而且还取决于能够采集到什么质量的数据；其次，每个模型都有自己的专业性，围棋下好了不等于下象棋也行，用到自动驾驶上更是行不通的。
所以，IBM推出认知系统（Cognitive Systems），包括BlueMind深度学习云平台，PowerAI深度学习框架，以及使用NVLink 技术的IBM Power System S822LC（Minsky 服务器）提供一个硬件+软件整合的解决方案，目的是帮助用户建立起自己的AI能力，能够进行AI应用的开发，总结起来有五个特点：
第一，可以帮助用户完成从前端的数据收集、清洗，到后端模型训练、应用实施等整个生命周期的管理。例如，应用人工智能进行癌细胞的图像识别时，数据标注、模型训练都不是现成的；再如人工智能实施的时候可能是一个云端服务，也可能会成为一个嵌入式系统。对于这些问题，IBM都有端到端的解决方案帮助到用户。
第二，帮助用户选择模型并进行调优。建立一个模型，选择什么样的神经元网络？采用机器学习的模型还是深度学习的网络？模型在哪个领域有了成功应用？人工智能在设计阶段有很多的讲究；选定模型以后，参数调优又是一项巨大的工程，有时需要花费几个月的时间。IBM在这些方面拥有经验丰富的专家和一些自动化调优工具。
第三，更好地根据业务实际场景对模型进行训练与实施。企业进行模型训练的时候，希望系统的功能强，训练快，经济易用，不同人工智能小组在训练不同的模型时能够并行协同，有效进行资源管理，最短时间内在业务部门运用起来。这些都是IBM所擅长的。
第四，保持开放性，兼容不同的模型与框架。现在越来越多的模型、各种各样的训练框架不断推出，IBM的平台不是封闭的，而是以一种开放的设计，在未来更多新算法出现的时候，能够让用户很快集成到平台中应用起来。
第五，丰富的模板。IBM设计了很多针对金融、医疗等具有行业特色的模板，也有面向图象处理、语音识别等方面的技术模板，帮助用户利用这些模板更快地设计出自己的系统。
除了以上五个方面，谢东还指出，企业的CIO和CTO以前更多考虑的是数据架构、云的架构，现在要考虑人工智能的架构应该怎么设计才能更好地和原来的架构相结合为业务提供服务，还要需要组建一支包括数据科学家、人工智能科学家等各方面人才的团队，IBM在这些方面都能提供良好的咨询服务和技术支持。
脑洞大开，AI在制造业中怎么用
制造业是国民经济的主体，是立国之本、兴国之器、强国之基。
2015年5月8日，国务院正式印发《中国制造2025》，成为我国政府实施制造强国战略第一个十年的行动纲领。今年3月5日，李克强总理在政府工作报告中提出深入实施《中国制造2025》，首次明确把发展“智能制造”作为主攻方向，并且指出要全面实施战略性新兴产业发展规划，加快培育壮大包括人工智能在内的新兴产业。“人工智能”首次被写入全国政府工作报告，在产业界和科技界引发了热烈的反响。
日前，国务院印发了《新一代人工智能发展规划》。《规划》提出了六方面的重点任务和一系列保障措施，要求到2020年人工智能总体技术和应用与世界先进水平同步，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元；到2030年，中国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。
智能制造本身就是源自于人工智能的研究，它包含智能制造技术和智能制造系统，不仅能够在实践中不断地充实知识库，具有自学习的功能，还有搜集与理解环境信息和自身的信息，并进行分析判断和规划自身行为的能力。
中国正处在向智能制造转型升级的重要阶段，人工智能的普及应用在其中起着至关重要的作用，也存在着非常广阔的用武之地。IBM大中华区硬件系统部Linux系统技术总监徐宁谈到，中国一家著名的电池制造厂，3万多员工中有5千多人在做质检，每个工人每日八小时、长年累月地用肉眼盯着产品找问题，如果采用了人工智能技术的图像识别，完全可以更快速地完成任务，还能解放出宝贵的劳动力从事更有价值的工作。
据介绍，IBM认知计算针对制造业中的各类场景已经推出了众多解决方案。
场景一：深度学习技术辅助零部件和材料缺陷检测
某制造企业的业务需求是：零部件及材料中的各种缺陷直接影响成品质量，造成大量次品、废品，影响了企业效益及声誉；传统的影像分析方法对于各种复杂的缺陷特征需要人工建模，适应性较差，造成大量误检、漏检。
采用IBM人工智能解决方案，通过深度神经网络，可以从历史样本中自动提取各种缺陷特征，从照片中自动识别可能的缺陷并标识出位置，便于工作人员及时发现和纠正，提升了产品质量和工作效率。
场景二：利用机器学习解决工业检测/智能制造的应用场景
例如，某企业的业务需求是：自动检测并输出工件位置坐标，辅助机械手臂自主定位，能够适应各种旋转、缩放、光照等情况；可以自动测量高精度的工件尺寸，并对良品和不良品进行分拣；对装配不良件零容忍，能够自动检测装配件是否有效安装、是否少装、漏装。
IBM机器学习解决方案通过对检测对象建立精确的视觉模型，结合人工智能芯片超强的计算能力，对肉眼无法检测到的微小瑕疵，实现了毫秒级的实时检测。
场景三：人工智能实现电力系统自动巡检与预测分析的应用场景
例如，某外国某电力公司的业务需求是：以往将技术工人置于高风险的环境手动检查其庞大的传输网络，这种方法既昂贵且伴随危险，同时很难扩展。因而该公司为了解决这个问题，增加工人的生产力，寻求部署无人机进行输电塔的可视化检查。
通过使用 PowerAI 训练深入学习网络，该企业可以标识无人机捕获的潜在维护问题。IBM 的 Power系统，IBM ESS 存储及Spectrum Scale 集成解决方案组合，不仅能够使客户使用深度学习类型应用，而且能够提供 in-memory DBMS 和高速存储以储存和分析多种类型的数据。
国内大专用车改装制造企业新宏昌重工集团CIO兼集团运营总监吴海晨对AI与汽车行业应用谈到了三大观点，并列举了多个应用场景。
首先，AI与制造业的结合是必然趋势。
因为制造业在全面进入BI时代以后，面临未来将何去何从的问题。而AI无疑将是很好的方向，企业信息化之路不会停止，有需求就会有发展。
其次，企业超越自我必然有AI一席之地。
制造业是最复杂的信息化承载体，当生产过程全自动化和智能化后，对于组织的运营能力要求极高，有可能将突破传统高经营团队的认知边界或思维复杂度边界，基于这种状态，企业要想超越自我，在市场永久立于不败之地，必然有AI一席之地，因为她足够忠诚，博学，智能，全面……
第三，AI在汽车行业有非常清晰的、高度商业的价值，可以想象的应用场景非常多。
场景1：从汽车新品概念提出到模型建立、测试，热销车型甚至改装策略，都可以借助AI代替更多人为的工作，而把事情进行的更好。
场景2：汽车行业在车间个性化、小批量自动化技术应用方面也有AI的空间。
场景3：整车企业的销量预测未来完全可以借助AI进一步提高准确性。
场景4：整车企业的零库存目前很多靠的是甲方话语权强迫零部件制造企业增加就近库存，未来借助AI，有望让整个产业链的实现真正意义上的JIT。
场景5：对消费者需求的研究、广告创意、广告投放、销售线索转化、到店销售服务、交车和售后跟踪等，每一个环节都可以建立一套AI辅助决策系统。
场景6：未来自动驾驶将成为主流，汽车对路面上所有物体进行识别、路线判断等等场景，依靠的核心技术就是AI。加上机器学习的算法，未来汽车自动驾驶比作为人类的司机更加安全，而且也没有疲劳驾驶、注意力分散等隐患。
吴海晨曾荣获“2015年制造业杰出CIO”“2016年度优秀CIO”等荣誉。他指出，当前人工智能正以前所未有的速度与力量，成长为未来科学技术革命的重要驱动力，它将进一步促进关联技术与新兴科技、新兴产业的深度融合，推动新一轮的信息技术革命。
人工智能作为引领变革的技术超越了传统IT的范畴，正在推动企业核心业务的数字化转型和创新。未来，企业以数字化转型思维，去拥抱人工智能，将对企业在数字经济时代的快速发展起到至关重要的作用。
同时，他也指出，人工智能技术与企业具体场景中的应用还存在着一定的距离。类似IBM PowerAI这样的商业平台确实能够帮助有志于建立自己的人工智能引擎的企业尽快实现在业务中的应用。
人工智能时代创新展望
谢东谈到，人工智能在应用中取得比较大进展的主要有以下几个领域：
一是视觉感知，比如对数百万张图像、视频资料进行快速分析，甚至在运动、遮挡、残缺等场景中的图像进行推理还原等都有广阔的应用空间。
二是语音感知；人工智能对各种方言、语速等场景中的识别能力早已超过人的水平。
三是语义感知，人工智能与人类进行对话、交流的能力正在大幅地提升。
四是大数据分析，深度学习既不怕数据类型杂，也不怕数据量大，在各类跨界应用中能够发挥积极的作用。
笔者体验可以进行互动的虚拟工厂场景。
走到今天，人类是自然进化的的产物，更是文化科技发展的结晶。展望未来，正如尤瓦尔.赫拉利在《未来简史》所预言的，人工智能不仅仅是21世纪最重要的科学进化，也不只是人类历史上最重要的科学进化，甚至是整个生命创始以来最重要的一种新规则。有机生命的进化规则在过去40亿年当中始终保持着一致性，人工智能也许将会替代物竞天择的自然选择，无机生命逐渐与有机生命大规模地并行的社会将会来临，人工智能可以了解人类的喜好，体会人类的情绪，提出适当的建议，最终将代替人类摆脱地球的束缚，探索更广阔的未知世界。但是，不管怎样，机器逻辑能带你从A到B，而人类想象则能带你去任何地方，人有人的用处，让我们乐观看待人工智能的兴起，拥抱人工智能时代的到来。
关联阅读：
DeepMind：把人工智能和神经科学结合起来，实现良性循环
热门专题
