英特尔正式推出首个开源AI参考套件，旨在让企业更轻松地在本地、云和边缘环境中部署AI。这些参考套件首次在英特尔愿景大会上发布，包括人工智能模型代码、端到端机器学习流水线指令、库和用于跨架构操作的英特尔oneAPI组件，使数据科学家和开发人员能够更快、更简单地了解如何在医疗、制造、零售和其他行业中以更高的精度、更好的性能和更低的总落地成本部署人工智能。
英特尔副总裁兼人工智能和分析部门总经理李炜博士表示，“创新可以在开放和创造性的环境中蓬勃发展。无论是英特尔加速开放的AI软件生态系统，包括各种优化的流行框架，还是英特尔的AI工具，都是基于开放的、基于标准的、统一的oneAPI编程模型。此次推出的参考套件由英特尔的各种端到端AI软件产品组成，将使数百万开发者和数据科学家能够轻松快速地将AI添加到他们的应用中，或改进现有的智能解决方案。”
随着视觉、语音、推荐系统等领域用例的出现。AI的工作量越来越大，越来越多样化。与埃森哲联合开发的英特尔AI参考套件旨在加速AI在各行业的应用。这些套件是开源的预置AI，可以支持新AI的引入和现有AI解决方案的战略调整，用于各种重要的企业应用场景。
英特尔此次将推出四种套件供下载:
公用事业资产健康状况:随着全球能源消耗的持续增长，输电资产的数量预计将会增加。训练预测分析模型以提高公用事业的服务可靠性。通过英特尔oneAPI的数据分析库，它使用英特尔优化的XGBoost算法，基于34个属性和超过1000万个数据点对电线杆的使用情况进行建模。数据类型包括资产使用寿命、机械性能、地理空数据、检验报告、制造商、以前的维修和维护历史以及停电记录。预测性资产维护模型将不断学习新提供的数据，如新的电线杆制造商、停电和其他条件变化。
视觉质量控制:质量控制是所有制造操作中必不可少的环节。计算机技术的挑战在于，他们在培训过程中往往需要大量的图像计算能力，而且随着新产品的推出，他们需要频繁的再培训。这种人工智能的视觉质量控制模型是通过使用英特尔人工智能分析工具包进行训练的，包括英特尔PyTorch优化版和英特尔OpenVINO工具包，两者都由oneAPI提供支持。与现有的不含英特尔优化2的埃森哲视觉质量控制套件相比，对于跨CPU、GPU和其他基于加速器的架构的计算机视觉工作负载，该模型的训练和推理速度分别提高了20%和55%。利用计算机视觉技术和SqueezeNet分类算法，这种AI视觉质量控制模型可以通过超参数优化和优化来检测药品缺陷，准确率达到95%。
客服机器人:会话式聊天机器人已经成为支撑整个企业发展的关键服务。交互式聊天机器人的人工智能模型庞大且高度复杂。参考工具包包括深度学习自然语言处理模型，用于使用BERT和PyTorch进行意图分类和命名实体识别。该模型通过英特尔PyTorch扩展和英特尔OpenVINO工具进行了优化，在异构系统间实现了更高的性能。与现有未安装英特尔优化3的埃森哲客服机器人套件相比，推理速度提升45%。同时，开发人员可以重用模型开发代码进行训练和推理，只需要对代码做最小的改动。
智能文档索引:企业每年需要处理和分析数百万份文档，很多半结构化和非结构化文档需要人工操作。AI可以自动处理和分类这些文档，提高速度，降低人力成本。该套件使用支持向量分类(SVC)模型，并通过英特尔扩展的Modin和Scikit-learn进行优化，后者是由oneAPI技术支持的英特尔发行版。与现有的未经英特尔4优化的埃森哲智能文档索引工具包相比，这些工具将分别增加46%、96%和60%的数据预处理、训练和推理时间，并能以65%的准确率审阅和分析文档。
这些AI参考套件可以从英特尔官网或Github的AI参考套件页面免费下载。
开发者希望将AI添加到他们的解决方案中，英特尔此次发布的AI参考套件将有助于实现这一目标。这些套件基于英特尔的端到端工具和框架，以优化人工智能软件并改进这一产品组合。基于oneAPI的开放的、基于标准的、异构的编程模型开发可以在多种架构上运行。这些工具可以克服专有环境的限制，帮助数据科学家以更快的速度和更低的成本训练模型。
未来一年，英特尔还将发布一系列新的开源AI参考套件，提供各种经过训练的机器学习和深度学习模型，帮助各种规模的企业进行数字化转型。
