人工智能的“加速器”

一边是深度森林算法创新，一边是为AI发展提供全栈解决方案的平台，两股力量的碰撞的化反效果是人工智能发展的加速，并给这个世界带来让人兴奋的改变。

没有人能精确地说明这一轮人工智能的热潮到底是从哪个节点开始，但是能够肯定的一点是今天人工智能的发展已经形成了“多轮驱动”，而不在是早几年那个“单打独斗”、各自为战的时代。日前，英特尔与南京大学宣布成立英特尔-南京大学人工智能联合研究中心就很好的印证了这一点。

南京大学周志华教授团队近期提出的“深度森林”算法在人工智能学术界和工业界受到广泛关注，并已在大型互联网金融企业实施。比如，针对在网络交易方面是否存在套现的行为的监测，“深度森林”可以用少量的数据训练出不错的结果，直接可以解读交易的行为。

如今，双方的合作将加速“深度森林”这一创新成果的商业化，并加速人工智能技术创新和生态构建。与此同时，也将推动人工智能人才的培养，比如，借助英特尔AI平台（包括硬件和软件）将AI技术用于解决实际问题的实践经验，进行以硬件和软件为导向的AI培训。

加速创新

尽管“深度森林”实现了人工智能的创新，但是，在周志华看来，这个“深度森林”模型的计算量非常大，普通的企业很难有匹配的技术条件去做一个大型的分布式去实现。

“如果能像今天的神经网络一样，大家买几块芯片插进设备就能实现人工智能的应用，何乐而不 为？”周志华看到的不仅是双方共赢的机会，而且看到了未来人工智能将如何以一种简单的形态被应用的可能。

在周志华看来，人工智能一样没有“免费的午餐”，“任何一个模型都只适用于一定的范围，现在深度神经网络在图像、视频、语音的问题上特别有效，但是它并不能解决所有的问题。”周志华表示， “深度森林”的结构在符号数据、离散数据、混合建模上面有它的特长，如果能够进一步优化可能会做更多的事情。“与英特尔的合作，有可能做到指令级的优化，或者直接芯片布局的优化。”

不过，加速对“深度森林”的优化仍然有很多的挑战，比如，不能在同一芯片上做加速，因为 AI应用的形态种类很多，有在前端的，有在云端的，有在边缘计算位置的，它们对功耗、尺寸、实时性、性能要求都不太一样。英特尔目前给出的是全栈式的解决方案。

加速商业化

通过学院在算法上的突破，再接入企业的数据和应用，再加上英特尔在芯片上的设计，将帮助更多的商业领域实现人工智能“落地”，让其产生商业价值。

“对英特尔来说，我们核心的业务是硬件，以芯片的方式在出我们的产品，芯片上还会有一层层的软件的堆栈。因为硬件的设计周期很长，我就要

预先知道哪些潜在运算的模块是非常重要的，通过跟各个产业和学术界建联合实验室，来去运行他们认为比较重要的或者前瞻性的一些工作负载，可以对我们做硬件架构的设计提供很好的指导。”英特尔中国研究院院长宋继强表示。

以英特尔-南京大学人工智能联合研究中心的成立为例，“深度森林”的具体算法是怎样的？它的性能指标、准确率、计算效率等等都是英特尔需要在芯片的设计方面考量的因素。总之，通过与学院的联合，英特尔将获悉生产相关硬件产品，以及做架构设计的重要信息。只有这样，才能推出面向商业更合适的硬件。

“比如说我们会给出硬件的平台多核处理器，再加上AI的平台。英特尔的研发人员会和周教授他们团队一起来看怎么去优化某些算法，再下一步其实就是要看到底在哪些行业去用。”宋继强表示。

加速人才培养

比起合作对人工智能技术的研究突破，让周志华更为兴奋的是将为南京大学人工智能学院培养出兼具出色软硬件工程实现能力的人才。

“我们现在组里的几位研究生现在对这种底层硬件的理解和操作的能力，已经远远超过了我们一般课程培养出来的研究生。”周志华解释，他们得到了英特尔的很多资深的工程师的指点。“我们的学生虽只是在理论和算法上给他们支持，但是他们通过合作得到更多的硬件，软硬件有机结合的知识，这个人才培养已经看到效果。”

按照南京大学学院的计划，未来还将加入智能芯片的课程。“我们的老师就应该了解这个行业里面的最新的进展，而英特尔在这个方面应该说是在国际上最领先的企业之一。那么通过这个合作之后，我们的老师在准备开设这样的课程的时候，就不光能够用到经典教科书里的内容，还可以跟学生讲述现在最新的发展甚至动向，这个对我们的人才培养无疑变成很大的优势。”周志华如是说。

在周志华看来，未来合格的人工智能人才应该具备两个特质：第一，应该具有源头创新的能力；第二，应该具有能够解决企事业单位关键技术难题的能力。对南京大学来说，就要做好人才基本素质培养的基础，首先要培养其扎实的数学基础，其次是培养扎实的计算和软件程序的基础，最后是培养出具有全面的人工智能的专业知识。