英特尔为AI生态圈“添砖加瓦”,首先从辅助医生诊疗开始

来源:www.xjctc.net   时间: 2020-02-05

摘要:“没有场景支持的人工智能研究是空中城堡,”腾讯集团董事长马化腾说。

在Google的AlphaGo赢得顶级人类大师Ke Jie之后,DeepMind创始人Demis Hazabis宣布AlphaGo将永远退休,他的团队将在未来的研究和开发工作中投入其他具有挑战性的领域,包括寻找治疗重大人类疾病的方法,发明革命性的新材料等。

有些人认为,人工智能在人类面前表现出一种存在感,它可能会像几十年前一样成为一个上升和下降的概念。但事实上,它并没有走得太远,巧妙地说,人工智能已经渗透到我们的许多生活场景中。

在中国,细分领域的人工智能蓬勃发展,产生了实际应用价值。这不是一夜之间完成的。它由众多技术巨头和众多创新和创新公司完成。前者平台方的作用提供了潜在的技术支持,而后者加深了细分。

腾讯集团董事长马化腾表示,“没有场景支持的人工智能研究是空中楼阁”。

这也是事实。如果使用分数来描述它,“去”的技巧可能只是人工智能的可能性。随着技术的普及,这一分母将逐渐增加。

最近,Titanium Media的记者访问了英特尔作为该领域的巨头之一及其相关合作伙伴,从应用领域到感受人工智能如何有效解决具体问题。

一,人工智能辅助诊断和治疗

人工智能与医疗领域的结合应该是科技行业的第一次。当人们仍然感叹人工智能是如何工作的时候,小发猫Watson已经通过强烈的认可在MD癌症中心工作了一段时间。了解计算能力后,系统可以从患者病例和丰富的研究数据库中查找信息,为临床医生提供有价值的见解,帮助医生找到有效的治疗方案。

浙江大学第一附属学院超声医学系也出现了类似病例,这是第一个用人工智能诊断甲状腺结节的医疗机构。

具体来说,这是由德胜云星和浙江大学杰出教授孔德兴根据英特尔至强融合处理器平台开发的一套辅助诊断系统。

根据数据,浙江德尚云兴成立于2013年。浙江大学特聘教授孔德兴是主要的技术领导者。该公司专注于人工智能,机器视觉,3D可视化和数字量化领域的图像处理和分析。研究,开发和应用。

1.工作原理

浙江大学第一附属医院超声科赵主任,

从功能上讲,这是一种基于超声图像的甲状腺结节的良性和恶性辅助诊断系统。根据甲状腺结节检查中拍摄的医学图像的特点,通过识别和标记图像,医生可以更准确。做出诊断结论。

目前,甲状腺结节的检查主要依靠超声检查。与CT和核磁相比,超声的好处是便宜,灵活,没有副作用。因此,它也是临床医学中使用最广泛的检测方法。缺点是图像不清晰,对比度大,对医生要求更高。

浙江大学第一附属医院超声科赵主任告诉泰坦媒体,该系统最初也被怀疑。因为它涉及到患者的诊断,如果不可靠,伤害很大,但经过多次尝试,确实提高了医生的效率。

用于图像处理的计算机视觉,传统的机器学习是人类定义的特征。由于从许多医院收集的数据不规范,Deshang Yunxing专门从事有监督的深度学习。医生标记数据。每个训练样本由医生手动标记。然后将结节的大小和位置(包括患者的其他病理特征)反馈给机器进行训练。

德尚云兴总经理胡海容表示,“三甲医院医生平均准确率为60%-70%,基层医院甚至更低。辅助诊断系统的准确率可以达到85%以上,但由于中国的人工智能尚未达到医疗实践的条件,因此我们将其定位为辅助医疗,只为医生提供一些参考。“ p>

2.数据的作用

如今,无论是互联网巨头还是芯片制造商,直接或间接拥有大量用户的公司都会将自己标记为“数据公司”。大数据也是人工智能时代到来的典型特征。

对于计算机而言,所谓的“思考”过程基本上是基于某种数据基础,然后根据具体的决策和判断规则。在进入数据时代之前我们遇到的许多问题都可以转换为特定类型的场景。数据问题。

例如,对于刚刚在Go领域击败人类的AlphaGo,2016年3月李石的版本约为3,700分。今年的AlphaGo得分已达到4500分。改进源自AlphaGo。数以百万计的自我培训,数据的作用是不可或缺的。

大数据的一个显而易见的特征是体积庞大,这可以从AlphaGo玩的游戏数量中看出,但数据必须具有一些其他功能,特别是在医疗领域。

浙江大学孔德兴教授告诉Titan Media记者,“美国不到3%的数据被用于科学研究。数据收集和处理的手段仍然需要打破。这是一个非常关键的问题。收集数据后,怎么样?处理它尤其重要。“

对于医疗行业而言,数据共享并非顺畅。截至目前,该智能诊疗系统已在数十家基层医院试点,累计完成2万例,浙江大学医学院第一附属医院就是其中之一。

由于其在初级保健中的定位,该系统不仅有助于基层医院提高诊断水平,而且有助于实施分级诊疗政策。

谈到人工智能在医学领域普及过程中遇到的困难,孔教授认为“应该采取政策,研究机构应该相互配合,首先要告诉大家人工带来的好处。来自大环境的智慧;其次,在技术层面。功夫,如存储数据的分析,算法的准确性,以及操作的速度必须得到改善。“

其次,算法平台需要更多的计算能力

使用图像识别来帮助医生提高诊断的准确性,人工智能在我们的生活中产生了非常强烈的存在感,但我们不知道在更多的领域我们看不到,人工智能无处不在。

Keda Xunfei就是一个很好的例子。从科技大学的建立到现在,它已经研究了近20年的声音,现在已经转变为人工智能公司。

在香港科技大学的展厅,有一个大屏幕实时显示用户互动数据。数据显示,迅飞开放平台的在线服务已超过30亿人,每天有数以万计的APP客户和数亿台设备。写请求。

人工智能需要非常强大的计算能力。现在,深度学习算法促进了整个人工智能的发展。它的特点是模型驱动整个人工智能业务和经验,如一些图像识别,语音识别或翻译。实际上,输入图片,语音或句子由模型计算以匹配特征,然后反馈结果。

HPC深度学习平台和HPC研发总监张志江说:“深度学习是一种模型驱动的平台或技术。首先,你需要设计一个模型,然后使用大量的数据来学习使这个模型的算法更准确。在这种情况下,很明显单个服务器是不够的,需要一个非常大的计算集群。这个集群现在被称为Xunfei语音云平台。“

当一定量的计算量增加时,它不仅仅是添加机器的过程,而是重新计算问题。重新计算问题时,需要一个新的解决方案。英特尔在性能计算领域可以满足迅飞的需求。

张志江说:“英特尔A10的FPGA做得非常好,它可以简单地将双用途通用CPU的语音识别加倍。这种升级不仅降低了采购成本,降低了运营成本,而且降低了成本然后,几何数量上升。“

科学技术大学已经学会了人工智能算法,很清楚需要哪种计算工具来匹配它。这正是英特尔最擅长的。据悉,英特尔已经对迅飞内部的CPU架构进行了大量的培训和调优。优秀。

随着对计算的需求不断增加以及应用场景的数量不断增加,我们的要求也变得越来越准确。从这个角度来看,对计算的需求是无穷无尽的,包括许多基金会,包括英特尔和香港科技大学。技术提供商也在探索更适合人工智能场景的解决方案。

第三,支持人工智能的发展和大跃进

“人工智能并不是什么新鲜事。当我20多年前在大学时,人工智能已经很热了。为什么它很晚才冷?当时,由于某些算法不够先进,计算能力还不够。 “英特尔亚太研发中心总经理何景祥博士认为,人工智能正迎来一次大跃进。

作为一个技术应用领域非常广泛,人工智能是一种可以加速我们处理大数据的横向技术,从底层计算架构,算法平台到业界特定的应用案例,英特尔几乎在每个领域都有自己的尝试。

英特尔亚太研发有限公司总经理何景祥博士说:“在对象和云之间的联系方面,英特尔逐渐建立了自己的闭环,并且有很多产品和输入。方面,包括深度学习Xeon,Xeon5和Nervana,Lake Crest等领域的解决方案。“

自英特尔AIPG(人工智能部门)成立以来,一些英特尔以前分散的产品或人工智能研究已被置于更加连贯的生态环境中,为了促进人工智能进入民主化,英特尔的触角将会也扩展到更多领域。 (本文是第一个钛媒体,记者/李宇鹏)

  • 友情链接:
  • 版权所有© 新疆计算机培训中心 | 新ICP备10201303号-1 | www.xjctc.net . All Rights Reserved | 网站地图