เส้นทางขนส่งเร่งด่วนสู่การปรับขนาด AI และวิทยาศาสตร์ข้อมูลในทุกแห่งหน

บริษัทหลายพันแห่งในอุตสาหกรรมต่างๆ กำลังสร้างความก้าวหน้าครั้งใหญ่ให้กับปัญญาประดิษฐ์ (AI) โดยใช้ระบบที่มีอยู่ซึ่งได้รับการเพิ่มประสิทธิภาพด้วยเทคโนโลยี Intel® AI ด้วยระบบการเร่งความเร็วฮาร์ดแวร์ในตัวและการเพิ่มประสิทธิภาพสำหรับเครื่องมือซอฟต์แวร์ยอดนิยม เวิร์กโฟลว์ AI จึงมีประสิทธิภาพมากยิ่งขึ้น ตั้งแต่การนำเข้าข้อมูลไปจนถึงการปรับใช้งานในขนาดต่างๆ สำหรับนวัตกรที่ใช้ AI เพื่อรับมือกับความท้าทายที่ยิ่งใหญ่ Intel กำลังปูเส้นทางไปสู่การปรับขนาด AI ในทุกแห่งหน

คำถามที่พบบ่อย

ปัญญาประดิษฐ์ (AI) หมายถึงระบบในวงกว้างที่ทำให้เครื่องจักรสามารถเลียนแบบความสามารถขั้นสูงของมนุษย์ได้ แมชชีนเลิร์นนิง (ML) เป็นแขนงหนึ่งของวิธีการทางสถิติที่ใช้พารามิเตอร์จากข้อมูลที่มีอยู่ แล้วคาดการณ์ผลลัพธ์จากข้อมูลใหม่ที่คล้ายคลึงกัน เช่น ภาวะถดถอย แผนผังการตัดสินใจ แมชชีนเวกเตอร์สถานะ การเรียนรู้เชิงลึก (DL) เป็นส่วนย่อยของ ML ที่ใช้เลเยอร์หลายเลเยอร์และอัลกอริทึมที่ได้รับแรงบันดาลใจมาจากโครงสร้างและหน้าที่ของสมอง ที่เรียกว่าโครงข่ายประสาทเทียม เพื่อเรียนรู้จากข้อมูลจำนวนมาก DL ใช้สำหรับโครงการต่างๆ เช่น คอมพิวเตอร์วิทัศน์ การประมวลผลภาษาธรรมชาติ เครื่องมือให้คำแนะนำ และอื่นๆ

ในขั้นต้น ข้อมูลจะถูกสร้างขึ้นและป้อนเข้าสู่ระบบ จากนั้นจะผ่านการประมวลผลล่วงหน้าเพื่อให้แน่ใจว่ารูปแบบข้อมูล ประเภท และคุณภาพของข้อมูลมีความสอดคล้องกัน เมื่อมั่นใจว่าข้อมูลสะอาดแล้ว ข้อมูลจะเข้าสู่กระบวนการ การสร้างแบบจำลอง และการเพิ่มประสิทธิภาพเพื่อรองรับการวิเคราะห์ที่รวดเร็วขึ้นและชาญฉลาดยิ่งขึ้น เมื่อแบบจำลอง AI ได้รับการพิสูจน์แล้ว ก็สามารถนำไปปรับใช้ให้เป็นไปตามข้อกำหนดของโครงการได้

การวิเคราะห์จะสร้างกราฟข้อมูลจำนวนมากให้เป็นรูปแบบต่างๆ เพื่อคาดการณ์ผลลัพธ์ในอนาคต AI จะทำให้การประมวลผลข้อมูลเป็นไปโดยอัตโนมัติเพื่อการค้นพบรูปแบบได้อย่างรวดเร็ว และแสดงความสัมพันธ์ของข้อมูลแบบคร่าวๆ ซึ่งจะทำให้ได้ข้อมูลเชิงลึกที่สามารถนำไปปฏิบัติได้ 

ไม่ หน่วยประมวลผลกราฟิก (GPU) เป็นทางเลือกสำหรับโปรเจกต์ AI ในอดีต เนื่องจากสามารถจัดการชุดข้อมูลขนาดใหญ่ได้อย่างมีประสิทธิภาพ อย่างไรก็ตาม หน่วยประมวลผลกลาง (CPU) ในปัจจุบันมักเป็นตัวเลือกที่ดีกว่าสำหรับโครงการ AI CPU สามารถเข้าถึงได้มากกว่า มีราคาถูกกว่า และประหยัดพลังงานมากกว่า เว้นแต่จะใช้การเรียนรู้เชิงลึกที่ซับซ้อนบนชุดข้อมูลขนาดใหญ่มาก 

ไม่ หน่วยประมวลผลกราฟิก (GPU) เป็นทางเลือกสำหรับโปรเจกต์ AI ในอดีต เนื่องจากสามารถจัดการชุดข้อมูลขนาดใหญ่ได้อย่างมีประสิทธิภาพ อย่างไรก็ตาม หน่วยประมวลผลกลาง (CPU) ในปัจจุบันมักเป็นตัวเลือกที่ดีกว่าสำหรับโครงการ AI CPU สามารถเข้าถึงได้มากกว่า มีราคาถูกกว่า และประหยัดพลังงานมากกว่า เว้นแต่จะใช้การเรียนรู้เชิงลึกที่ซับซ้อนบนชุดข้อมูลขนาดใหญ่มาก