科技评论

金融行业AI落地中英特尔的十问“实”答!

  人工智能正进入一个新阶段,越来越多的企业在选择这一给人类经济与社会生活带来颠覆性影响的技术,来开启数字化转型的新篇章。在金融行业,尤为如此。

  高盛,抑或是摩根大通,这些传统意义上的金融投行,正在投入大量人力和资本,向AI技术公司转型,而他们也已经从自己的AI 战略中尝到了甜头。事实上,它们只是整个金融行业发展趋势的代表。

  究其原因,整个金融行业认识到:人工智能技术将产生颠覆性的影响。与其等着被人革命,当然不如自己先发起变革。

  我国即将成为世界最大的经济体,同样我国政府也认识到了 AI 技术的重要性。我们为自己设定的目标是:2030 年,中国将成为人工智能领域的全球领导者。

  在 AI 的实战应用上,中国的金融行业同样领先,无论是前、中、后三端的 AI 能力,还是风险 & 合规、客户体验、营销决策和智慧运营等四个方向的应用场景,众多中国金融企业都有实实在在落地的案例。

  在过去的十余年,这些行业引领者正将更多资金投入大数据、机器人和云计算服务领域,这些举措也受到投资者的热捧。那么,AI是如何成为金融行业的新宠儿?英特尔AI又在其中扮演了怎样的角色呢?答案就在这里!

  Intel 金融行业AI落地

  十问「实」答

  问:传统机器学习和单一基于时序神经网络的深度学习方法在侦测金融反欺诈上的不足何在?

  答:基于传统机器学习的方法,很难掌握序列化交易的特征,而单一基于时序神经网络的深度学习模型,对于单笔交易内的特征学习能力也有限,从而在 AI 模型的训练阶段难以获得良好效果,直接影响后面的应用。

  问:银联和英特尔联合提出的“三明治”多层反欺诈模型如何解决前述问题?

  答:该模型使用英特尔的 AnalyticsZoo 工具,首先进行特征提取,并与业务专家的特征工程相结合,结合时序神经网络的深度学习模型可以将单笔交易的时序化特征也抽取出来,使用“GBDT—>GRU—>RF”三层架构,突破传统方法的限制,并借助英特尔的高性能处理器算力支持,在三明治模型中各个层面都有优化和工具,大幅提升了反欺诈的效率。

  问:针对信贷预期风险预测场景,AI 如何发挥作用?

  答:传统的人工信贷预期方式周期长、质量差。英特尔和一家商业银行使用时序神经网络和传统机器学习的混合模型,全部基于英特尔架构平台,准确性提升 2 倍,预测效率提升 10 倍,在针对用户端的在线预测方案中,单笔预测时间小于 1 秒,大幅提升了客户的满意度,也充分满足了用户对于预测过程可解释性的要求。

  问:如何利用 AI 处理历史数据,从而推进金融产品的精准营销?

  答:英特尔的 Analytics Zoo 提供了端到端的 AI 与大数据分析能力,内置大量模型和 API ,让企业可以快速利用自己的数据,在现有大数据平台上构建基于深度学习的推荐系统,不需要从头开始,从而大幅减少了中国人寿等金融企业建设业务推荐系统的成本与时间。

  问:使用 AI 技术辅助保险行业进行医学影像分析的重点是什么?

  答:保险行业各个险种都对影像分析有巨大需求。医学影像分析的重点和难点,在于如何提早发现细微病理体征,提升恶性疾病的早期发现概率。英特尔与中国平安合作的影像应用,基于英特尔架构,使用多种模型,借助多种成熟开源框架,进行 AI 推理,从而大幅提升检测能力,降低误读率。

  问:第二代英特尔至强可扩展处理器提升了哪些方面的 AI 处理能力?

  答:该系列处理器集成了深度学习加速技术(矢量神经网络指令 VNNI),同时扩展了英特尔 AVX-512,可加速人工智能和深度学习推理,并针对工作负载进行了优化。这使其拥有了集成 AI 加速能力的 CPU 架构。

  问:英特尔傲腾数据中心级持久内存主要解决什么问题?

  答:它颠覆了传统的内存 - 存储架构,创建新的存储层来填补内存 - 存储之间的容量差距,以合理价格提供海量持久性内存,满足人工智能训练与推理等内存密集型工作负载,从而加速 IT 转型,满足数据时代需求。

  问:在存储架构上,英特尔傲腾固态盘和采用 QLC3D NAND 技术的英特尔固态盘有哪些创新?

  答:英特尔傲腾固态盘采用 3D XPoint 存储介质,结合一系列先进软硬件技术,提升数据密集型的 AI 模型训练和推理的效率。采用 QLC 3D NAND 技术的英特尔固态盘,是针对数据中心等基础设施用户对 “大容量” 存储的需求,尤其适用 AI 训练等应用场景对于 “一写多读” 的性能需求。

  问:流行的深度学习框架,比如Caffe, TensorFlow 等,以及 Python 分发包,它们在英特尔架构上表现如何?

  答:这些框架和开发工具都已经针对英特尔架构专门进行优化,并已经应用于实践。比如面向英特尔架构优化的 Caffe做的量化模型的优化,推理速度可在不影响预测准确度的情况下,使多个深度学习模型量化后的推理速度相比未量化模型提升 2-4 倍。针对TensorFlow ,英特尔做了大量计算图优化和数据布局优化,还有针对性地调整了众多框架组件,大大降低了延时。Python 分发包集成多个工具和高性能数据分析和数学库,部署简单,易于使用。

  问:英特尔还提供了哪些可以帮助 AI 应用直接落地的软件工具?

  答:英特尔提供丰富的帮助AI应用落地的软件工具,比如Analytics Zoo、OpenVINO等就深受市场的欢迎。

  AnalyticsZoo作为统一的大数据分析与 AI 开源平台,可以帮助用户无缝集成多种现有大数据应用和框架,无需专用基础设施,同时内置多种软件开发库,提高训练和推理速度,多种参考用例和工具,帮助用户快速实现大数据分析和 AI 的高效融合与部署、应用。

  OpenVINO是英特尔推出的、加速深度学习推理及部署的软件工具套件,用以加快高性能计算机视觉处理和应用。借助优化的常见 AI 框架和预先训练的模型,它可有效推进计算机视觉技术在智能摄像头、 视频监控、机器人、智能交通、智能医疗等众多领域的深入应用。此外,OpenVino也正在加强语音,推荐,自然语言处理等等的领域的应用支持。

  特别值得一提的是面向深度神经网络的英特尔数学核心函数库(MKL-DNN),作为开源的基础库, 可加快各种深度学习框架运行速度,Analytics Zoo和OpenVINO也都得到了它的支持。经过该库优化的深度学习框架比如英特尔优化版的Caffe或Tensorflow等等,运行不同的模型,可以比优化前获得数倍乃至几十倍的性能提升。

Copyright © 2002-2019 huohu365.com. 火狐网 版权所有