边缘|英特尔张宇谈：如何在边缘侧建一个“城堡”？( 二 )

而OpenVINO工具套件是更上层的软件工具，张宇解释，OpenVINO有点类似于一个编译器，可以帮助开发者高效地将各种各样开放的人工智能框架放到英特尔产品上进行网络模型的设计和训练，“OpenVINO与OneAPI相配合，能够将开发人员在开放的人工智能框架上，所设计和训练好的网络模型部署在不同的英特尔的硬件平台之上去执行推理的操作”。
目前，OpenVINO和OneAPI都已经开源。张宇说，英特尔希望把OneAPI做成一个通用、开放，满足行业标准的这样一个接口，而OpenVINO也基本保持着一个季度一个新版本的迭代速度。
边缘人工智能发展的“三个阶段”

文章插图
张宇认为，物联网边缘侧的人工智能发展将会分为三个阶段。
第一，边缘推理阶段。由于边缘算力有限，所以大量训练和存储需要依靠数据中心来完成，训练完成的模型被推送到边缘端，再进行推理操作。该模式的不足是，训练发生在后端，模型更新频率受限，无法做到高速迭代，而在工业物联网等环境下，如果遇到数据样本有限的环境，就会显得捉襟见肘。
第二，边缘训练阶段。在边缘，利用小样本数据达到较好的训练效果，需要注意的是，边缘训练并不是把云端的训练原封不动的照搬到边缘，如何通过实际数据基础衍生出更多可用可用于训练的样本数据，是目前业界还在探索的工作。非常重要的一点是，边缘训练解决了很多企业对数据安全的担忧，更多数据在本地处理让企业更加大胆地使用自己的数据。
第三，自主学习阶段。当前，人类仍然在人工智能里扮演还是很重要的一个因素，关键在于人定义了网络模型结构，并根据使用场景固化了网络模型结构，这让人工智能仍存在一定局限性。未来，机器将可以根据人的意图自主设计网络模型结构，自主利用所收集到的数据来训练网络模型，得到最终的结果用于推理实践。
张宇向《IT时报》采访人员表示，目前业界已实现第一阶段目标，第二阶段的实践也已经开始，预计第二阶段会花3-5年时间不断成熟，“自主化学习，Auto Machine Learning的概念已经被业界提出，整个业界也认可这个发展方向，但机器自主学习的出现将在3-5年后，目前一些标准理论的研究现已经开始起步”。