上周，英特爾成都主辦第一次人工智能論壇，邀請到全國各地多所高校的專家學(xué)者及40多位英特爾資深工程師出席。

論壇主要聚焦于圖像識別、數(shù)據(jù)挖掘的學(xué)術(shù)及應(yīng)用分享討論，以達(dá)到促進人工智能在制造領(lǐng)域的實踐應(yīng)用，助力高效人工智能應(yīng)用人才的培養(yǎng)，開拓英特爾工程師思路，共同促進發(fā)展的目的。

英特爾成都希望通過此次論壇搭建高校和企業(yè)之間的橋梁，鼓勵創(chuàng)新，將學(xué)術(shù)研究和產(chǎn)業(yè)應(yīng)用緊密結(jié)合起來，互相促進，助推人工智能技術(shù)的應(yīng)用和發(fā)展。

“人工智能是大勢所趨，而且速度會越來越快。”

——卞成剛(英特爾制造與供應(yīng)鏈?zhǔn)聵I(yè)部副總裁、英特爾產(chǎn)品(成都)公司總經(jīng)理 )

英特爾制造與供應(yīng)鏈?zhǔn)聵I(yè)部副總裁、英特爾產(chǎn)品(成都)公司總經(jīng)理卞成剛在開場致辭中表示，“對英特爾來說，我們的人工智能戰(zhàn)略分三大塊：培育生態(tài)系統(tǒng)，推動共同發(fā)展;塑造開源軟件，取勝行業(yè)競爭;集成產(chǎn)品優(yōu)勢，構(gòu)造最佳平臺。”

他還對人工智能的幾個陷阱進行了分析，提醒工程師們在學(xué)習(xí)和運用人工智能功能的時候，避免掉入幾個明顯的陷阱。

“智能制造是工業(yè)4.0的核心技術(shù)和驅(qū)動力。”

——陳玉榮(英特爾中國研究院首席AI科學(xué)家)

英特爾中國研究院、英特爾首席AI科學(xué)家陳玉榮介紹了工業(yè)時代4.0中，人工智能+工業(yè)互聯(lián)網(wǎng)+數(shù)字化制造——智能制造是當(dāng)下的核心技術(shù)和驅(qū)動力。

巨量信息處理的過程中，人工智能發(fā)揮了不可替代的作用，通過對圖像、自然語言的分類、處理及挖掘，軟硬件結(jié)合同時助力智能制造。

擴展邊緣深度視覺智能及應(yīng)用也同樣體現(xiàn)在產(chǎn)品升級上：通過高效CNN結(jié)構(gòu)設(shè)計提升準(zhǔn)確率、降低資源需求;深度模型壓縮優(yōu)化，軟硬結(jié)合提升性能;視覺學(xué)習(xí)擴展 ，權(quán)衡準(zhǔn)確率和效率。

“多元化、非結(jié)構(gòu)、非線性數(shù)據(jù)的處理為智能信息處理領(lǐng)域提出了新的挑戰(zhàn)!”

——劉靜 (西安電子科技大學(xué)廣州研究院副院長)

西安電子科技大學(xué)廣州研究院副院長劉靜分享了團隊在智能優(yōu)化、復(fù)雜網(wǎng)絡(luò)系統(tǒng)和計算機視覺的研究與應(yīng)用。

其中，智能優(yōu)化提供了非結(jié)構(gòu)化海量數(shù)據(jù)的高效優(yōu)化、非結(jié)構(gòu)化非線性數(shù)據(jù)的自適應(yīng)學(xué)習(xí)和識別的解決方案，優(yōu)秀應(yīng)用案例中還涉及到多AGV調(diào)度、點膠路徑規(guī)劃和智能芯片布圖，充分體現(xiàn)了人工智能在智能制造中的應(yīng)用。

在復(fù)雜網(wǎng)絡(luò)系統(tǒng)方面，通過將系統(tǒng)的組成部分表示成網(wǎng)絡(luò)節(jié)點、將連接表示成邊的方式把相互作用的實體之間的關(guān)系表示成網(wǎng)絡(luò)，對復(fù)雜網(wǎng)絡(luò)的研究就可以獲得對應(yīng)系統(tǒng)的行為、性能等特性。

劉靜還介紹了計算機視覺在工業(yè)中的廣泛應(yīng)用，例如：視頻檢測、成品良率檢測、X光違禁物品檢測、高速掉落物品缺陷檢測、和工廠熟悉的AGV視覺導(dǎo)航系統(tǒng)。

“人工智能是解決工業(yè)檢測問題的可行解決方式。”

——汪國有(華中科技大學(xué)

人工智能與自動化學(xué)院教授)

隨著人工智能的發(fā)展，模式識別、計算機視覺、機器學(xué)習(xí)等理論與算法在工業(yè)視覺檢測和工業(yè)大數(shù)據(jù)分析中已得到廣泛應(yīng)用。

在許多實際業(yè)務(wù)領(lǐng)域，仍面臨算法的魯棒性不夠、訓(xùn)練樣本數(shù)量不足、訓(xùn)練樣本標(biāo)記欠缺等挑戰(zhàn)，影響了人工智能技術(shù)的推廣應(yīng)用。

華中科技大學(xué)人工智能與自動化學(xué)院教授汪國有分享了團隊通過圖像復(fù)原，圖像語義分割，視頻行為理解的方法，提出了可能的解決思路，包括魯棒模式識別的深度原型學(xué)習(xí)、小樣本學(xué)習(xí)、半監(jiān)督學(xué)習(xí)等。

最后，介紹了在工業(yè)視覺檢測和工業(yè)大數(shù)據(jù)分析中的相關(guān)成果，包括生產(chǎn)零件圖像檢測、機器視覺以及物聯(lián)制造大數(shù)據(jù)的機器學(xué)習(xí)與性能預(yù)測共性關(guān)鍵技術(shù)研發(fā)。

“我們的視界，充滿AI。”

——吳曉(西南交通大學(xué)

計算機與人工智能學(xué)院教授 )

隨著人工智能的飛速發(fā)展，尤其是近年來深度學(xué)習(xí)在各行各業(yè)的應(yīng)用落地，西南交通大學(xué)計算機與人工智能學(xué)院教授吳曉主要介紹了團隊在智能交通、智能風(fēng)險管控、智能安防等領(lǐng)域的最新研究成果和項目應(yīng)用。

通過深度學(xué)習(xí)、計算機視覺和圖像/視頻處理，將人工智能運用到主要四大工業(yè)，例如智能交通平臺，加油站安全風(fēng)險及服務(wù)管控、化工廠智能監(jiān)控和智能醫(yī)療影像分析，將人工智能運用于實際生活，助力民生。

令現(xiàn)場工程師感興趣的是在安全風(fēng)險、服務(wù)管控及智能監(jiān)控平臺中，人工智能在計算機視覺、圖像、視頻處理中的廣泛運用，對工廠的人員調(diào)度、工作流程標(biāo)準(zhǔn)化和工廠環(huán)境安全有極大啟發(fā)。

“思考和展望，感算共融，將智能推向極致的邊緣。”

——喬飛(清華大學(xué)電子工程系副研究員)

設(shè)計和實現(xiàn)具有持續(xù)智能感知能力的集成物聯(lián)網(wǎng)節(jié)點是實現(xiàn)各種終端設(shè)備智能化的必由之路，也是解決當(dāng)前物聯(lián)網(wǎng)系統(tǒng)功耗、實時性和安全隱私性難題的關(guān)鍵技術(shù)。

喬飛的團隊提出面向智能持續(xù)感知的“傳感-計算”共融體系架構(gòu)和集成電路設(shè)計方法，將面向視覺、聽覺和觸覺等多模態(tài)感知和多場景感知的需求，設(shè)計能夠持續(xù)開機工作的智能持續(xù)感知芯片和超低功耗物聯(lián)網(wǎng)節(jié)點。

相關(guān)“傳感-計算”共融智能持續(xù)感知架構(gòu)和低功耗混合信號集成電路設(shè)計技術(shù)，以及體系化的設(shè)計方法將是在新興需求下對于傳統(tǒng)數(shù)字化感知處理體系的顯著拓展，也必將對于超低功耗智能持續(xù)感知芯片的設(shè)計引領(lǐng)新的設(shè)計方向。

“數(shù)據(jù)賦能智能制造。”

——楊潤星(英特爾成都數(shù)據(jù)科學(xué)家)

“數(shù)據(jù)前饋讓制造工廠更加高效。”

——侯宗林 (英特爾成都封裝測試部工程師)

楊潤星介紹了芯片工廠的生產(chǎn)流程，強調(diào)數(shù)據(jù)在工廠提升產(chǎn)品良率，降低成本，實現(xiàn)精益生產(chǎn)方面的巨大效能，同時，他也指出了工廠追求更高質(zhì)量生產(chǎn)方面的挑戰(zhàn)領(lǐng)域，希望能在此次論壇能獲取更多人工智能在深度學(xué)習(xí)、圖像視覺處理方面的啟迪，進而運用于工廠的實際生產(chǎn)中。

侯宗林介紹了數(shù)據(jù)在智能智造中節(jié)約成本、提高生產(chǎn)效率的實際案例。使用DFF(Data Feed Forward)模型，對生產(chǎn)結(jié)果數(shù)據(jù)進行分析，及時改進操作流程，提高設(shè)備檢測精準(zhǔn)度，減少產(chǎn)量預(yù)估誤差。數(shù)據(jù)可以在高產(chǎn)量要求工廠中全面運用，賦能智能制造。

“人工智能在臨床醫(yī)學(xué)圖像質(zhì)量優(yōu)化方面起到了至關(guān)重要的作用。”

——蒲曉蓉(電子科技大學(xué)

計算機科學(xué)與工程學(xué)院 首席教授)

20世紀(jì)90年以來，肺癌篩查進入低劑量LDCT ( Low-Dose Computed-Tomography)時代，并已成為肺癌篩查研究的熱點。研究表明，與X線胸片相比，采用LDCT對肺癌高危人群進行篩查可使肺癌病死率下降20% 。

一般地，自然圖像的降噪依賴于噪聲類型，而低劑量CT噪聲被認(rèn)為是量子噪聲和電子高斯噪聲的總和。因此，傳統(tǒng)圖像降噪算法難以勝任LDCT圖像降噪。近年來，深度學(xué)習(xí)被大量用于LDCT圖像降噪和去除偽影。但很多降噪圖像會出現(xiàn)外觀模糊、缺少病灶細(xì)節(jié)等不利于臨床診斷的致命缺陷。

蒲曉蓉的團隊聚焦幾個核心問題，提出面向臨床應(yīng)用的LDCT圖像降噪的系列深度學(xué)習(xí)方法，包括：(1)由于臨床難以采集獲得結(jié)構(gòu)信息完全匹配的LDCT和NDCT (Normal-Dose，正常劑量CT)樣本對，用于有監(jiān)督訓(xùn)練，我們提出一種噪聲估計、學(xué)習(xí)與擴充新方法，利用豐富易得的NDCT樣本獲得偽LDCT配對方法，實現(xiàn)即插即用無配對LDCT降噪通用架構(gòu)。該研究成果榮獲2020圖像計算與數(shù)字醫(yī)療國際會議比賽冠軍和大會論文收錄。(2)現(xiàn)有LDCT降噪方法較少關(guān)注感興趣區(qū)域(ROI)，且降噪與高階任務(wù)(如病灶檢測等)無關(guān)聯(lián)等不足，提出將醫(yī)學(xué)圖像降噪與病灶檢測有機結(jié)合新架構(gòu)，構(gòu)建了多損失集成和網(wǎng)絡(luò)協(xié)同訓(xùn)練新方法，研究成果發(fā)表于CCF A類國際會議ACM MM。

“人工智能助力英特爾智能制造，大有可為。

——劉倩(英特爾運營制造部自動化 部門經(jīng)理)

劉倩作為自動化部門經(jīng)理跟大家分享了人工智能在英特爾制造流程中的趨勢、挑戰(zhàn)以及應(yīng)用。

比如生產(chǎn)線上的某一臺機器，每分鐘就能產(chǎn)出大約10G的數(shù)據(jù)，我們?nèi)绾慰焖佟⒕珳?zhǔn)、保質(zhì)保量的對數(shù)據(jù)進行處理，是一個挑戰(zhàn)。這表明，英特爾既是一個數(shù)據(jù)應(yīng)用者，又是一個大規(guī)模數(shù)據(jù)的產(chǎn)出者。從14nm技術(shù)之后，大規(guī)模數(shù)據(jù)的井噴，推動著半導(dǎo)體制造行業(yè)從人為檢測，逐步代替機器檢測，從而保證精益生產(chǎn)。

人工智能在英特爾制造中的應(yīng)用分別是自動缺陷分類、設(shè)計部門優(yōu)化、老化性測試、預(yù)測性維護和聲學(xué)檢測，數(shù)據(jù)處理從難度和價值上來講分為三個階段“是什么”、“為什么”、“如何避免”，主要聚焦于如何適應(yīng)流程變化、如何處理巨量數(shù)據(jù)、如何優(yōu)化產(chǎn)品測試、如何幫助解決方案制定這五大方面。英特爾成都制造工廠正致力于第三階段，推動數(shù)據(jù)分析預(yù)見性在制造生產(chǎn)中的實際應(yīng)用，實現(xiàn)質(zhì)量、成本的雙面提高。

“人工智能是人從經(jīng)驗中學(xué)習(xí)和認(rèn)知，再將這樣的思維運用于機器。”

——楊維平(英特爾成都封裝制造首席工程師)

英特爾封裝制造首席工程師楊維平作為閉幕致辭嘉賓對到場的學(xué)院老師及工程師代表表示了感謝。英特爾成都始終致力于產(chǎn)教融合、加強校企合作，在互相交流中碰撞出新的火花，培養(yǎng)產(chǎn)業(yè)導(dǎo)向的優(yōu)秀學(xué)子，更新和提高了工程師的知識面，為產(chǎn)業(yè)的可持續(xù)發(fā)展不斷培養(yǎng)創(chuàng)新人才。

現(xiàn)場，他還跟大家分享了數(shù)據(jù)和圖像處理在工業(yè)4.0時代在制造業(yè)實際運用：運用Smart System，處理Smart Data，通過AI，實現(xiàn)智能制造。運用數(shù)據(jù)來輔佐決策，在需要時以被需要的形式出現(xiàn)在制造流程的改進過程中。

此次研討會通過主題演講分享英特爾人工智能生態(tài)，為教育注入創(chuàng)新思維，同時通過深入探討數(shù)據(jù)挖掘、圖像處理等人工智能技術(shù)熱點與趨勢，探索產(chǎn)學(xué)研合作新途徑，展示學(xué)術(shù)界AI最新教學(xué)與科研成就，進行多形式的學(xué)術(shù)交流與互動，進而提升產(chǎn)業(yè)多元化發(fā)展，為社會帶來更多新機遇。

原文標(biāo)題：“共建產(chǎn)學(xué)生態(tài)，引領(lǐng)智造創(chuàng)新” - 英特爾人工智能學(xué)術(shù)論壇成功舉辦

文章出處：【微信公眾號：英特爾責(zé)任芯】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

審核編輯：湯梓紅