BEREIT FÜR DAS NÄCHSTE KAPITEL
​​​​​​​IM BEREICH KI?

Die Bilderkennung wird gegenwärtig in der Qualitätskontrolle (zur Erkennung von Defekten), für Sicherheitsmaßnahmen (Scannen von Gesichtern und Autokennzeichen) und in der Medizin (Tumorerkennung) eingesetzt.

Ein Problem besteht für Unternehmen häufig darin, genügend Daten für das Trainieren der Bildklassifizierungs- und Bilderkennungsalgorithmen bereitzustellen, und die Vorverarbeitung von Bildern kann mehr als die Hälfte der gesamten Zeit bis zur Lösung in Anspruch nehmen. Intel® Xeon® Prozessoren können Anwendungen für die Erweiterung der Datenmenge (Data Augmentation) unterstützen, um dieses Problem zu lösen. Solche Anwendungen drehen und skalieren Bilder und verändern die Farben, sodass weniger Bilder benötigt werden, um Bilderkennungsalgorithmen (abhängig vom Anwendungsfall) effektiv zu trainieren.

Dank ihrer Energieeffizienz und hohen Speicherbandbreite bewältigen die CPUs Data-Augmentation-Anwendungen spielend. Das gilt insbesondere für die skalierbare Intel® Xeon® Prozessorreihe, bei der die Verarbeitung durch die Befehle der Intel® Advanced Vector Extensions 512 (Intel® AVX-512) beschleunigt wird.

Sprachaktivierte virtuelle Assistenten können nicht nur Anforderungen präzise erfüllen, sondern auch die Art der Anforderungen „verstehen“, um sich ständig zu verbessern. In entsprechender Weise kann die Kundenzufriedenheit mithilfe von Systemen gesteigert werden, die Callcenter-Aufzeichnungen oder handgeschriebene Formulare verarbeiten können – eine Fundgrube zuvor verborgener Einblicke, die genutzt werden können, um häufig vorkommende Beschwerden zu erkennen oder schneller auf Probleme von Kunden zu reagieren.

Natural Language Processing (NLP) nutzt die als „rekurrentes neuronales Netz“ (RNN) und „Long short-term Memory“ (LSTM, langes Kurzzeitgedächtnis) bekannte Technik, und bei der Verarbeitung der Schleifen und Abhängigkeiten, die diese Operationen kennzeichnen, kommen die Intel® Advanced Vector Extensions 512 (Intel® AVX-512) voll zur Geltung.

•  
• Welches ist der geeignete Anwendungsfall für meine Organisation/Firma?
• Welche Informationstechnik brauche ich und was ist bereits vorhanden?
• Verfügen wir über das notwendige Know-how, und falls nicht: wo finden wir diese Kompetenzen oder wie können wir sie entwickeln?
•  

Die voraussagende Instandhaltung unterscheidet sich von den Verfahren der Bilderkennung und der Verarbeitung natürlicher Sprache insofern, als sie üblicherweise mit wesentlich geringeren Datenraten arbeitet und die Daten von Sensoren für die Überwachung von Betriebsbedingungen des Endgeräts erfasst werden. Idealerweise sollte ein möglichst großer Anteil an der Verarbeitung bereits auf der Endgeräteebene erfolgen, bevor Daten zur Analyse bzw. als Entscheidungsgrundlage in die Cloud transferiert werden. Der mit einer VPU (Vision Processing Unit) bestückte Intel® Movidius™ Neural Compute Stick eignet sich ideal für die Deep-Learning-Beschleunigung am Netzwerkrand (Edge).

​​​​​​​Und wenn es sinnvoll erscheint, die vorhandenen Kapazitäten zu erweitern, kann der Einsatz von Open-Source-Frameworks mit Ihrer bestehenden Rechenzentrumsarchitektur die KI-Einführung im gesamten Unternehmen erheblich vereinfachen.

​​​​​​​Die Leistungsfähigkeit der KI wird durch eine Kombination von Rechenleistung, Software-Optimierungen und Speicherbandbreite des Prozessors bestimmt; und unabhängig davon, wie weit Sie mit Ihrer KI-Implementierung fortgeschritten sind, bietet Ihnen Intels Portfolio an Hardware und Software ein reichhaltiges Instrumentarium für den Aufbau einer möglichst kosteneffektiven Architektur für KI-Aufgaben.