從太空研究到極地動(dòng)物和海洋生態(tài)保護(hù)，再到大幅提升醫(yī)療診斷水平，解決基因和大腦研究等世界難題……人工智能在過去幾年已取得長(zhǎng)足進(jìn)步，越來越多的企業(yè)和機(jī)構(gòu)在發(fā)揮人工智能的力量。

作為國(guó)際三大金融機(jī)構(gòu)之一的世界銀行，其下屬的國(guó)際比較計(jì)劃（ICP）小組正是這樣做的。 ICP已有50年的歷史，它對(duì)各國(guó)貨幣的購(gòu)買力平價(jià)進(jìn)行權(quán)威評(píng)估，提供數(shù)據(jù)以衡量全球經(jīng)濟(jì)，從而讓世界銀行實(shí)現(xiàn)更大的使命——通過與各國(guó)政府和私營(yíng)部門合作，減少貧困、共享繁榮、促進(jìn)可持續(xù)發(fā)展。

肩負(fù)如此重大的使命，即使需要處理海量數(shù)據(jù)，ICP團(tuán)隊(duì)也必須保證其精準(zhǔn)性。從2015年12月到2016年8月，ICP委托進(jìn)行的試點(diǎn)數(shù)據(jù)收集研究獲得了超過100萬張圖片。在這個(gè)項(xiàng)目中，來自15個(gè)國(guó)家的貢獻(xiàn)者用智能手機(jī)收集了各種產(chǎn)品、服務(wù)的照片和價(jià)格數(shù)據(jù)，涵蓋從食品、家居用品到鞋類的162個(gè)類別。這些國(guó)家包括阿根廷、孟加拉、巴西、柬埔寨、哥倫比亞、加納、印度尼西亞、肯尼亞、馬拉維、尼日利亞、秘魯、菲律賓、南非、委內(nèi)瑞拉和越南等。

這百萬張圖片涵蓋了從食品、家居用品到鞋類的162個(gè)類別

如果通過手工對(duì)這百萬張圖片進(jìn)行分析和分類，工作量無疑是巨大的。為了高效地比較這些來自各個(gè)國(guó)家的圖片，ICP團(tuán)隊(duì)尋求人工智能和深度學(xué)習(xí)模型的幫助，這些模型將智能地進(jìn)行審查、搜索和分類。簡(jiǎn)而言之，它們需要自動(dòng)確認(rèn)眾包圖片是否與對(duì)應(yīng)的商品和服務(wù)相匹配，并從圖片中刪除個(gè)人身份信息。

英特爾BigDL介紹

在對(duì)超過100萬張眾包圖片進(jìn)行分類時(shí)，ICP團(tuán)隊(duì)利用了英特爾BigDL和運(yùn)行在英特爾?至強(qiáng)?處理器上的AWS Databricks*平臺(tái)。BigDL是一款面向Apache Spark的分布式深度學(xué)習(xí)庫(kù)。通過BigDL，用戶可以在現(xiàn)有的 Spark 或 Apache Hadoop* 集群上直接運(yùn)行，支持直接訪問存儲(chǔ)的數(shù)據(jù)，并獲取出色的工具/工作流一致性。

運(yùn)行在英特爾BigDL框架上的模型對(duì)圖像進(jìn)行分類，每個(gè)圖像都被標(biāo)識(shí)為“正確標(biāo)記”、“錯(cuò)誤標(biāo)記”或“無效”。接下來，被識(shí)別為“正確標(biāo)記”的照片將被用來訓(xùn)練模型，這個(gè)模型即可以“聰明”地識(shí)別照片中的商品或服務(wù)類型。

根據(jù)部分?jǐn)?shù)據(jù)集訓(xùn)練和可擴(kuò)展性測(cè)試結(jié)果，ICP團(tuán)隊(duì)能夠創(chuàng)建一個(gè)自動(dòng)驗(yàn)證流程的應(yīng)用，以確認(rèn)收集到的照片與需要觀察的物品相匹配。

這樣的任務(wù)，其數(shù)據(jù)質(zhì)量、完整性和保密性都很重要。通過創(chuàng)新的眾包方式來收集數(shù)據(jù)，再加上人工智能在云端的使用，讓世界銀行大幅減少了對(duì)審查、搜索和分類的人力投入。

與世界銀行的合作，只是英特爾推動(dòng)人工智能應(yīng)用落地的一個(gè)例子。作為全球領(lǐng)先的端到端平臺(tái)提供者，英特爾擁有人工智能全棧實(shí)力，從終端設(shè)備到云計(jì)算，從網(wǎng)絡(luò)、加速到存儲(chǔ)，英特爾產(chǎn)品的廣度讓各種規(guī)模的機(jī)構(gòu)都能夠輕松地通過英特爾來開啟自己的人工智能之旅。