​让所有人都能使用人工智能

让所有人都能使用人工智能

任何有效技术的民主化都会因其成功而自动发生，即使它最初呈现的复杂性让一些最聪明的人不知所措。但是，在数据中心进行了 6 年的商业计算之后，我们当然学到了一两件事来帮助这个采用和集成过程。

在这方面，人工智能 (AI) 本质上没有什么特别之处，可以说它只是一长串复杂数据处理工具的最新发展。

在 1960 年代和 70 年代，大型机被保存在温室中作为一种计算的圣殿，然后被模仿并复制到小型计算机中。最终，PC 产生了两个巨大的转变：变得强大到足以成为服务器并在客户端-服务器环境中运行关键任务工作负载。他们不断访问大众无处不在的数据，最终导致智能手机处于浓缩处理能力的极端，而超大规模数据中心则处于另一极端。

从 1980 年代开始，关系数据库发生了平行演变。可以使用相当简单的结构化查询语言 (SQL) 向原始问题提出问题，并显示交易数据之间的联系和关系。它的继任者最终变成了数据仓库，其中塞满了历史数据，从中挖掘出重要的洞察力，然后将非结构化数据添加到 Hadoop 和 Spark 以及无数其他数据分析平台中。

不可避免的人工智能革命

过去十年的人工智能革命是不可避免的，因为训练统计机器学习算法所依据的信息量和可用性，加上需要剔除以获取洞察力的数据量不断增加，以及相对便宜且强大的并行处理GPU引擎。机器学习所基于的卷积神经网络模型自 1980 年代就已问世，但当时没有足够的训练数据或计算能力让这些模型收敛并提供我们今天看到的准确性。

可以肯定的是，人工智能技术现在将融入政府机构、学术机构和企业的各种应用程序和计算用例中。最终，每个组织都可能获得数据处理和存储技术，以探索自己的 AI 工作负载，并将操作封装在他们创建或购买的应用程序代码中。

这种功能的计算机化已经将后台会计应用程序转变为企业资源规划 (ERP)、客户关系管理 (CRM) 和供应链管理 (SCM) 软件套件。这种转变将随着人工智能的注入而加速，人工智能将使用先进的统计技术和神经网络来提高效率，并且像其他先于人工智能的技术一样，做以前不可能做的新事情。

如果处理得当，人工智能将触及每个组织的范围，并超越过去拥有最多计算和存储资源的超大规模和云构建者的领域。与传统的 HPC 模拟和建模不同，传统 HPC 模拟和建模也在过去几十年中实现了民主化，人工智能是一种可以应用于所有行业和公司规模的技术。

化繁为简

人工智能民主化涉及使技术更简单。这是一个棘手的问题，因为与之前的数据处理和分析技术不同，人工智能基于神经网络的黑盒、非确定性处理，这是一组统计模型，数据集可以从中转换为其他形式或以某种方式识别或分析。这是一项很难掌握的技术，就像之前的 HPC 模拟和建模一样。然而，HPC 现在在任何想要使用它的组织的技术和经济控制范围内，AI 很可能会紧随其后。

“大多数数据科学家和 AI 工程师都非常熟悉 Windows 或 Ubuntu 环境，他们大多在笔记本电脑、个人电脑或工作站上工作，”联想 EMEA 人工智能主管 Valerio Rizzo 解释说，联想已经是世界上最大的公司之一。 HPC 系统的供应商，现在是新兴人工智能系统市场的领导者。”

“每个人都在寻找的数据科学家独角兽是在数学和统计方面具有深厚专业知识，能够使用多种语言进行编程，可以使用市场上任何一种工具或框架，精通 IT 技术并具有商业思维的专业人士，“ 他加了。“但现实是，如今缺乏这种非常广泛和深入的专业知识，而且一旦找到，价格也很昂贵。”

几年前，联想开发了 Software Antilles，以简化 HPC 基础设施管理和作业调度。它后来发展成为Lenovo Intelligence Computing Orchestrator，简称 LiCO，现在涵盖 HPC 和 AI 工作负载。具体来说，根据 Rizzo 的说法，它服务于 HPC 和 AI 的交叉点。

“大多数 AI 用户不熟悉传统的 HPC 软件堆栈，因此借助 LiCO，我们可以让他们使用 HPC 风格的基础设施来支持 AI 培训应用程序，而无需学习 HPC 堆栈并经历陡峭的学习曲线， ”他解释道。

他们设置了他们的 Python 环境和他们的 Jupyter 笔记本，他们所有的库，我们以这样一种方式抽象了 HPC 软件堆栈，使得数据科学家使用起来并不比他们熟悉的 PyTorch 或 Anaconda 更难。 ”

LICO 和 HPC 结合

从本质上讲，LiCO 使数据科学家能够训练 AI 模型，并使用 HPC 集群，而无需他们操作、管理和连接每个 HPC 软件堆栈组件。但同样重要的是，Rizzo 说，LiCO 堆栈有助于保持集群中 GPU 加速的服务器忙碌，从而使对这些 AI 系统（如之前的 HPC 系统）的资本投资最大化。

联想子公司摩托罗拉移动已经在使用 LiCO 来运行在其智能手机相机上执行人工智能辅助变焦功能所需的人工智能训练。这几乎不是传统的 HPC 用例，但会有许多 LiCO 用户对 HPC 模拟和建模不感兴趣，但仍然希望使用 HPC 技术创建可扩展的 AI 训练集群。

Rizzo 预测，其他人将从 Kubernetes 容器和微服务的角度来研究人工智能。因此，他们需要一个可以与 Kubernetes 交互的管理工具，因此联想创建了一个与容器管理平台本身交互的 LiCO 版本。

“LiCO 的 HPC 版本绑定到 Lenovo 系统，因为它具有我们的硬件和软件堆栈赋予它的特殊功能——例如深度监控，使我们能够有效地利用集群资源，”Rizzo 解释道。“Kubernetes 版本几乎与硬件无关。”

对于石油和天然气、汽车或金融服务行业的传统 HPC 客户，LiCO 可以通过 GPU 加速置于现有 HPC 基础架构之上，并可供希望在 HPC 系统上运行训练的新 AI 用户访问.

事实上，能够几乎连续地进行大规模 AI 训练是将 AI 嵌入各种不同应用程序的第一步。许多最近创建了成百上千个应用程序并打算在未来向其中添加 AI 算法的公司将需要自己进行 AI 培训，并弄清楚如何通过机器学习来增强其应用程序的功能。

在全球独立软件供应商的推动下，一些工作负载已成为 AI 革命的早期先驱。在电子行业，机器人过程自动化 (RPA) 正在改变制造业，以提供比人类员工相关的更高水平的精度和更快的制造时间。人工智能还与计算机视觉算法一起使用，对生产环境中的制成品进行质量控制检查。在金融服务中，人工智能被嵌入到欺诈检测中，以更好地发现欺诈，而不会给出太多误报。在零售业，人工智能辅助视频监控被用于多种类型的损失预防，以及提升客户体验。

其中许多应用程序已经通过联想的AI 解决方案加速器计划进入市场。当他们这样做时，独立软件供应商将使用联想工具和平台来执行 AI 培训并支持他们的应用程序工作负载，而客户只需购买 AI 驱动的应用程序并享受将其实施到他们的业务中的好处。这就是 AI 真正的民主化。

成都联想ThinkSystem服务器总代理 - 成都强川科技有限公司，专注企业IT服务需求，产品可按需定制。主营：联想ThinkSystem服务器、联想电脑（笔记本/台式机）、联想ThinkStation工作站、联想存储设备，以专业的IT解决方案和优质的服务体验赢得企业信赖。QQ：2851150694；服务热线：028-85024766  18215624006（微信同号）