CNET科技行者

网站导航

英特尔收购的这家人工智能公司不走深度学习路线,要提供“白盒AI”

英特尔在AI生态系统当中投资10亿美元的举动,已经成为这家芯片巨头在各类宣传活动当中的主要议题之一。

就目前来看,先后收购的各初创企业对于英特尔的AI发展野心确实起到了理想的推动作用——其中包括2015年收购Altera与Saffron、2016年收购Nervana与Movidius,2017年刚刚收购Mobileye。

英特尔投资公司也已经凭借着Mighty AI、Data Robot、Lumiata、CognitiveScale、Aeye以及Element AI等初创企业的协助不断充实着自己的AI方案组合。

然而,英特尔一直对自身的AI应用或者AI技术所要专注解决的实际方向保持缄默。AI无疑属于一类广泛而深入的技术领域。在英特尔不断扩大的收购名单当中,最为神秘的当数Saffron

英特尔收购的这家人工智能公司不走深度学习路线,要提供“白盒AI”

背景Tips:2015年,英特尔宣布收购人工智能公司Saffron Technology。和其他人工智能公司一样,Saffron的技术旨在通过模仿人类大脑工作方式的算法来从庞大的数据集里提取有用的信息。但和其他不同的是,该公司专注于研发自家的“联想记忆”技术,而非像谷歌和Facebook等重度投资的深度学习类人工智能。

英特尔收购的这家人工智能公司不走深度学习路线,要提供“白盒AI”英特尔发布业界首个AI防洗钱工具

意料之外的是,就在收购Saffron近两年后,英特尔发布首款基于这家认知计算初创公司技术的软件产品——AI防洗钱工具,据称这是市场首次在金融服务行业中使用"关联记忆"人工智能。

这款名为“英特尔Saffron反洗钱(简称AML) 顾问”运行在至强处理器之上,但其并不属于硬件设备,而是专门帮助调查人员及分析师研究金融犯罪的工具方案。

英特尔收购的这家人工智能公司不走深度学习路线,要提供“白盒AI”Saffron公司金融行业解决方案主管 Elizabeth Shriver-Procell

本周早些时候,EE Times与Saffron公司金融行业解决方案主管Elizabeth Shriver-Procell进行了交流,希望了解Saffron产品背后所使用的AI技术。在她看来,Saffron确实凭借着融入英特尔公司而获得了巨大助益。

不过让我们更感到好奇的是,像Shriver-Procell这样一位金融犯罪打击者到底是如何在全球最大的CPU厂商当中工作的呢?

EE Times: 我听说您是一位金融分析方面的专家,曾经供职于美国财政部等多个机构及企业,请介绍一下您自己。

Shriver-Procell: 我是名律师,我的工作重点在于打击金融犯罪。我曾在多家国际咨询企业以及各类金融机构当中工作。在这份工作之前,我效力于美国银行。我是在今年早些时候加入Saffron的。没错,我也曾经以分析开发项目经理的身份加入美国财政部。

EE Times: 那么在加入Saffron公司之前,您有没有使用过Saffron的产品?

Shriver-Procell: 我曾经接触过的一些组织机构——包括咨询企业的部分客户——已经开始使用Saffron产品。我对这套平台很感兴趣,所以当机会出现时,我选择加入这家公司。

EE Times: 那么,Saffron到底能够带来怎样的助益?

Shriver-Procell: Saffron一直是以一套“分析平台”的定位进行销售与宣传,其能够面向广泛的应用场景进行定制,它的用户包括供应链、银行以及保险企业等等。

EE Times: 随着英特尔Saffron反洗钱顾问工具的推出,Saffron的平台方案有没有发生变化?

Shriver-Procell: 现在我们开始面向特定应用场景推出针对性产品。

AI发展的另一条分支:“关联记忆AI”

EE Times: 我猜测英特尔公司之所以要收购Saffron,在很大程度上是希望获取Saffron的AI技术,而非真正解决金融犯罪问题(尽管这同样值得一试)。您能否向我们介绍一下Saffron公司所设计及使用的AI技术知识,其又与其它AI方案有何区别?

Shriver-Procell:在Saffron公司,我们所使用的AI技术被称为关联记忆AI,这是一条隶属于人工智能范畴但又不同于深度学习的发展分支。关联记忆AI非常擅长查看规模庞大且种类丰富的数据,并从数据库当中提取出特征或者模式。其能够将来自各类企业系统、电子邮件、网络以及其它数据源的结构化与非结构化数据统一起来。

EE Times: 请给我们举几个例子。

Shriver-Procell: 我们就以一位名叫Mary的银行客户为例。Mary每两周去一次伦敦,并在自由大街的商店里购物。而来自另一个国家的John也会以同样的频率前往伦敦,这意味着他能够恰巧在这里与Mary相遇——不过他的目的完全不同。那么这两个人之间有何联系?两者之间又有什么共同之处?我们可以查看双方使用的IP地址吗?我们是否能够发现双方登录模式当中的相似之处?有没有什么迹象,能够昭示其中可能存在的恶意行为?

EE Times: 也就是说,关联记忆AI的核心能力在于将这么多看似无关的数据库信息整合起来?

Shriver-Procell: 不仅如此,它还能够将原本极为耗时的工作快速完成。尽管深度学习需要大量训练,但关联记忆AI则不需要任何训练。这是一套速度极快的一次性学习AI方案,同时也是一套无需模型的AI方案。

EE Times: 在新闻稿中,您将Saffron描述为“白盒AI”(white box AI)。能不能为我们详尽解释一下?

Shriver-Procell: 所谓“白盒AI”,我们希望强调的是透明度的问题。我可以解释一下我们如何得出这样的结论。过去,金融机构需要为欺诈检测工作构建起一套基于模型且来自供应商的解决方案。我们将其称为“黑匣子”,因为用户并不清楚其软件在黑匣子中如何工作。而当监管机构要求金融机构说明相关结论是如何得出的时,后者很难真正给出解释。这是因为他们看不到黑匣子里面有些什么,因此无从判断其工作流程是否正常。

在要求高度监管的行业当中,金融机构能够实现数据透明度可谓至关重要。

EE Times: 非常有趣,这听起来与深度学习型AI几乎完全相反。一些安全专家担心,当在自动驾驶车辆当中部署深度学习AI时,可能引发一些新的问题,例如汽车制造商无法解释AI为什么作出某些决定。由于学习过程缺乏透明度,会导致汽车制造商难以验证其自动驾驶车辆的安全性水平。

Shriver-Procell: 我认为最重要的是,必须认识到存在着多种不同的AI实现方法。当英特尔公司的CEO谈到解放AI的革命性潜力时,他表示我们可能应当尝试新的方法。我们需要探索更多新型学习模式。

英特尔收购的这家人工智能公司不走深度学习路线,要提供“白盒AI”Saffron公司解释称,关联记忆AI能够“发现知识所在,加快决策流程,降低人类认知负担并以透明化方式解决法规遵循难题。”

EE Times: 您认为不同的AI技术分支最终会汇聚在同一交点上吗?

Shriver-Procell: 我认为这些方法之间是相互补充的关系。当我们面对越来越可观的应用混合趋势时,我认为将多种类型的AI结合起来才能切实满足各类应用场景的实际要求。

EE Times: 请向我们介绍一些关于新产品的信息。

Shriver-Procell: 正如之前所提到,Saffron公司始终将自身产品作为平台进行销售。目前,随着我们开始在特定的细分市场当中发现更为具体的需求,我们决定推出更有针对性的解决方案,并利用其帮助客户应对种种市场挑战。

Saffron公司一直在金融市场上处于非常强势的地位。而在金融市场经验的支持之下,我们也得以更为高效地发现金融犯罪活动。通过360度视力将结构化与非结构化数据对接并统一起来,我们将能够了解到存储数据边界之上存在的各种实际模式。

我们同时兴奋地宣布,新西兰银行也刚刚加入了英特尔Saffron的早期采用者项目。该项目专门针对那些对于金融服务创新活动抱有兴趣的机构,旨在帮助其利用关联记忆人工智能技术成果实现最新进展。

EE Times: 您认为Saffron在被纳入英特尔公司之后获得了哪些助益?

Shriver-Procell: 加入英特尔为我们带来了可观的助益。我们正在讨论各类大型金融机构所面临的严重问题。为了能够为其提供有效支持,我们需要英特尔这样的巨头级企业以获取各类资源与支持。我们还需要英特尔作为技术合作伙伴提供的全面推动,只有这样我们才能顺利在Saffron平台上构建新的功能与应用方案,并使其具备延伸性与扩展性。随着人工智能技术的快速发展,我们永远不能停止对新事物以及新型AI实现方法的探索与实践。

资深分析师对AI分支的看法

在完成对Saffron公司的采访后,EE Times又与几位分析师进行了沟通,希望了解他们对于AI技术发展现状的观点。

Tirias Research公司创始人兼首席分析师Jim McGregor通过观察指出,“目前存在着多种不同类型的学习(监督、无监督),不同类型的数字神经网络(深度学习、全息关联记忆——亦被称为关联记忆、推理模型等),面向不同硬件解决方案的AI(包括CPU、GPUS、DSP、FPGA、TPU以及量子处理器等等)外加众多不同的软件架构。因此,整体AI解决方案的发展轨迹类似于一棵每天都会延伸出新的子分支的大树。”

Tirias Reasearch公司首席分析师Paul Teich亦对此表示赞同。“新的学习与AI算法类型仍在以可观的速度不断涌现。”他同时补充称,“这意味着我们距离高效全定制化芯片仍然有着很长的发展道路要走。在快速变化的时代之下,只有通用型芯片才能最终取得胜利。正因为如此,GPU、FPGA以及协处理器型矩阵数学加速器(在这一领域的突出代表分别为英伟达的Tensor Core以及谷歌的TPU2)将占据主导地位,直到我们在为模型开发与部署层面选择最佳算法及最佳实践方面找到最理想的解决思路。”

那么未来,我们会看到这些不同的AI发展分支彼此结合以共同协作吗?

McGregor指出,“这是个好问题。”根据他的观察结论,“目前大部分的努力正集中在集中化智能与混合智能层面,在这里所有核心任务皆在云端进行处理; 其中学习由云端负责完成,而边缘设备则仅进行推理。以微软为代表的部分企业正在积极研究分布式智能,确保其能够在深度学习数据中心等多种资源设施之间往来传播。”

根据他的观点,“未来将必然需要使用整体智能,即将现有智能解决方案合并起来加以协作。我们认为未来的正确答案必然是整体智能的某一种表现形式。”不过他同时强调称,“但这一切将何时到来还没有确切答案。哪种解决方案更为优先?如果这些解决方案给出的结论存在矛盾时,用户该做些什么?我们如何在规模庞大的不同框架及神经网络之间进行信息共享(或者说,创建两套使用相同数据且看起来完全相同的神经网络并不可能)?这些都是我们必须要解决的问题。”

McGregor补充称,“我对于英特尔公司以Saffron作为起点的作法并不惊讶,因为金融行业将成为推动我们走向整体智能的关键性行业之一,特别是考虑到其对于全球经济的重要意义。”

现在英特尔正在将Saffron的反洗钱顾问工具作为“一款产品”推向金融市场,那么这是否意味着英特尔正在采取类似于IBM的方式,通过拥抱“服务商业模式”而逐渐摆脱单纯依靠芯片业务的市场定位?

McGregor认为事实正是如此。“英特尔此前曾经进行过尝试,而且一直在解决方案供应商与技术供应商这两种定位之间来回摇摆。但在AI领域当中,考虑到其对于硬件与软件两大支柱的高度依赖,相信已经在二者身上投入巨大资源的英特尔几乎必将也必须坚定成为解决方案供应商的决心。”

<来源:EE Times/siliconANGLE;编译:科技行者>

关注科技行者公众号

即将跳转至电脑版页面您确认跳转吗?
取消 跳转