在推進人工智能領(lǐng)域時，最終獎仍然是顯而易見的。目標是盡可能接近人腦的力量。

對于處于人工智能發(fā)展前沿的研究人員，例如英特爾公司人工智能產(chǎn)品部門副總裁兼總經(jīng)理Naveen Rao而言，要實現(xiàn)與人類認知能力幾乎相等的水平還有很長的路要走。

“在2013年，有1000萬或2000萬個參數(shù)，對于機器學習模型而言，這是非常大的，” Rao說。“現(xiàn)在，他們的身家達到了數(shù)十億。人類的大腦是300萬億至500萬億個模型，所以我們離這還很遠。我們還有很長的路要走。”

在Amazon Web Services Inc. 在拉斯維加斯舉行的re：Invent會議上，Rao與SiliconANGLE Media的移動直播工作室CUBE主持人Dave Vellante以及PivotNine Pty Ltd.的首席分析師 Justin Warren做了客座主持人。他們討論了英特爾處理器技術(shù)在機器學習，云和邊緣計算智能，最近的神經(jīng)網(wǎng)絡(luò)培訓工具的影響，人工智能造福人類以及自動駕駛汽車的未來中的作用。本周，CUBE將Naveen Rao評為本周嘉賓。

在處理差距仍然很大的同時，Rao和英特爾正在開展多個項目，以推動AI向前發(fā)展。這不僅是該領(lǐng)域的基礎(chǔ)工作，而且是英特爾自己的業(yè)務(wù)戰(zhàn)略和長期前景不可或缺的一部分。

英特爾的PC芯片業(yè)務(wù)仍約占其總收入的一半，但第二大細分市場圍繞著AI影響最大的數(shù)據(jù)中心。該公司一直在調(diào)整其功能強大的至強中央處理器芯片，以處理復雜的機器學習任務(wù)，最近又添加了DL Boost來促進神經(jīng)網(wǎng)絡(luò)性能。

隨著開發(fā)人員和數(shù)據(jù)科學家對大型數(shù)據(jù)集進行迭代以生成一系列結(jié)果時，對結(jié)果如何推出和部署的推論變得越來越重要。

“推論是關(guān)于每瓦特的最佳性能，” Rao解釋說。“我可以將多少處理量用于特定的時間和功率預算？在訓練方面，更多的是我在探索不同類型的模型并非常快速地訓練它們方面具有什么樣的靈活性。”