“你到底愛不愛我？”這或許是戀愛雙方出現(xiàn)頻率最高的問題，想要知道對方大腦在想什么，并不是什么天方夜譚，通過科學技術還真的有望實現(xiàn)。不過，讓如此大膽的想法變?yōu)楝F(xiàn)實，我們需要借助什么技術呢？我想，目前最火的人工智能技術應該首先出列。

人工智能風頭正勁

卻逃不過“博眼球”的帽子

人工智能并不是什么新鮮的概念，但是對于大多數(shù)人來說，它仍然是一個新鮮事，自 AlphaGo 兩次擊敗人類職業(yè)圍棋選手后，其熱議話題再度掀起。貼著人工智能標簽的創(chuàng)業(yè)公司如雨后春筍般創(chuàng)立起來，更有行業(yè)大佬 All in AI。關于人工智能的報道也是連綿不絕地出現(xiàn)在大眾的視野里。歷經(jīng)兩次寒冬，人工智能再次崛起，成為科技領域最新的變革趨勢，智能時代，人類社會對于人工智能的需求爆發(fā)，“萬物智能”概念推出，在此迫切需要人工智能的發(fā)展。

但是，我們大部分時候看到的人工智能面貌是什么樣呢？各家科技公司在這股浪潮下，常常放飛自我，各種畫風清奇的人工智能操作與工具誕生，研究會畫畫、會聊天的 AI，看似精彩卻不夠接地氣的應用。在“博眼球”的背后，更多科技企業(yè)誓要利用人工智能創(chuàng)造出更加具有意義的嘗試，但是如何讓 AI 不再嘩眾取寵，如何讓 AI 不再僅僅局限于規(guī)則與策略，從而真正落地造福人類呢？

破解AI尷尬局面

高性能計算來支招

“想要知道對方想什么”，通過科技手段或許能實現(xiàn)，這不，在普林斯頓大學，研究者們正在探索大腦的奧秘，他們開發(fā)了可實時繪制人類思維圖的軟件，使用高性能計算、機器學習和人工智能，對功能性磁共振成像掃描所得的數(shù)據(jù)進行分析，從而推斷大腦內(nèi)部正在思考什么。

當然了，這項研究可不是簡單的破解你的戀愛對象在想什么，該研究團隊已經(jīng)創(chuàng)建了一個大腦成像分析工具包，現(xiàn)可供全球神經(jīng)科學家使用，以進一步推動新發(fā)現(xiàn)，最終還可以用于幫助增強精神疾病的診斷和治療，在實際落地應用中大有作為。

不難發(fā)現(xiàn)，隨著人工智能逐漸從規(guī)則與策劃中走出來，更多的機器學習加入其中，而高性能計算如同一針強心劑，加速人工智能快速且順利落地，并能夠發(fā)揮出更大的價值與潛力。換句話說，人工智能的發(fā)展，使得計算能力成為瓶頸，而高性能計算則為人工智能的崛起提供了計算引擎，打破瓶頸，再造輝煌自然不難。融合發(fā)展是必由之路，在大規(guī)模并行系統(tǒng)搭建等方面表現(xiàn)出色的高性能計算，也為 AI 提供了堅實的平臺基礎，兩者的融合必將引起關注。

當心踩坑！

二者融合并非易事

正如人工智能與高性能計算的融合，使得AI最終成為行業(yè)的選擇，AI解決方案與現(xiàn)有的高性能計算工作負載融合后，將如何改變業(yè)務模式，并加速科研與學術成果的獲取都成為了我們討論的問題。事實上，融合并非易事，首先人工智能和高性能計算，根據(jù)組織的需求和應用案例有多種不同的組合方式，其“融合”的含義也不止一種。

除此之外，為了實現(xiàn)工作負載的融合，必須考慮底層技術堆棧，雖然硬件層的要求在某些方面可能類似，但編程和運行的軟件堆棧截然不同，正如沒有一個單一的融合起點一樣，也沒有一體適用的融合堆棧，對于那些希望在當前環(huán)境中將人工智能和高性能計算融合到一起的組織來說，高性能計算和人工智能的融合勢在必行，不過，仍可利用現(xiàn)有的基礎設施作為起點，開始接下來的融合之旅。

在融合之旅開始之前，用戶通常要查看自己的業(yè)務與任務目標，明確人工智能可以在哪些方面幫助實現(xiàn)更快、更經(jīng)濟或更準確的高性能計算結(jié)果。而新的人工智能開發(fā)者，當務之急是確保自己的投資專注于從現(xiàn)有的基礎設施中收獲更多的價值，同時開發(fā)和優(yōu)化算法，對模型進行訓練以滿足企業(yè)需求。而如何對人工智能工作負載進行優(yōu)化是大家最棘手的問題，在大多數(shù)高性能計算中心，現(xiàn)有的基礎設施均為基于英特爾? 至強? 處理器的集群，這使得用戶在不能確定是否真正需要或如何有效利用現(xiàn)有基礎設施之前，并不需要投資新的、昂貴的加速器或 GPU。這樣的選擇可謂貼心。

持續(xù)優(yōu)化

在高性能計算環(huán)境中釋放AI潛能

如何化解AI落地難的尷尬問題？高性能計算來助力。那么，什么樣的平臺與架構(gòu)，能讓這場融合之路暢快無阻呢？助力企業(yè)在高性能計算環(huán)境中研究、規(guī)劃和實施人工智能功能，還得看英特爾至強? 處理器的高性能計算架構(gòu)。那么，企業(yè)如果選擇自己開發(fā)算法，則需要一開始就專注于針對現(xiàn)有的英特爾? 架構(gòu)環(huán)境優(yōu)化算法；如果是選擇使用云端現(xiàn)成的工具測試算法，則需要使用資源并針對現(xiàn)有的基礎設施進行優(yōu)化。除此之外，英特爾致力于確?；谟⑻貭? 至強? 可擴展處理器的最新計算平臺，已針對常見的人工智能框架進行了優(yōu)化。

當融合之旅漸漸開始，接下來要做的便是為擴大規(guī)模與進一步發(fā)展做好準備，而挑戰(zhàn)則是將其向整個組織擴展以進行全面部署。為了實現(xiàn)這一目標，編寫的應用需要能充分利用高性能系統(tǒng)中的功能，可在 CPU 的所有內(nèi)核上執(zhí)行，并可擴展至整個高性能計算集群的多個節(jié)點。利用這些功能，清楚地了解訓練模型所需的時間和頻率，從而來決定是否能夠高效地擴展，并從運算角度判斷需要在哪些方面進行投資。對于那些想要快速啟動并投入運行的組織來說，英特爾與其他行業(yè)領先企業(yè)合作開發(fā)了面向高性能計算的英特爾? 精選解決方案，這是面向快速部署基礎設施的技術套件，已針對分析集群和高性能計算應用進行了優(yōu)化，旨在縮短實現(xiàn)突破、提供可行洞察和設計新產(chǎn)品的時間。

隨著高性能計算與人工智能功能的逐漸演進，新的挑戰(zhàn)與機遇也將不斷出現(xiàn)。不過，可以確信的是，只要企業(yè)明確目標，在人工智能應用的部署與規(guī)劃下，與高性能計算環(huán)境的融合，將會令其取得長遠的成功。不止于人類大腦奧秘的探索，更多大有作為的應用將會在融合之路上得以實現(xiàn)，其等待的時間或許不會太久。