今天上午，英特尔在北京举办了释放IA，原力拥抱AI时代的年度论坛，英特尔全球副总裁兼中国区总裁杨旭;英特尔数据中心事业部副总裁、数据中心解决方案部总经理Jason Waxman;英特尔数据中心事业部副总裁，人工智能解决方案部总经理Naveen Rao;英特尔公司软件与服务事业部副总裁、开发者及产品部总经理William(Bill) Savage;英特尔中国研究院院长宋继强分别做了《AI在中国》;《英特尔，让人工智能加速未来变革》;《人工智能的“芯“突破》;《加速人工智能普及和应用》;《技术深究-英特尔架构和人工智能》的主题演讲。
雷锋网(公众号：雷锋网)率先摘取了人工智能解决方案部总经理Naveen Rao先生主题演讲的精华(其它主题演讲精华将在后续专访文中详细呈现)，来和广大开发者一起探讨人工智能面对的技术挑战和应对之道，并希望携手大家一起一起抓住人工智能时代的巨大机遇。
----------------------------------------------------------------------------------------------------------
大家早上好，非常高兴大家能够出席今天的AI Day，很抱歉我并不懂中文，但是希望大家能够仔细的听。我的名字叫做Naveen Rao，我是英特尔公司数据中心事业部副总裁，同时也是Nervana系统的前CEO，也就是由英特尔所并购的这家公司，刚才我的同事Jason Waxman也提到。我们所做的事情可以增加英特尔半导体的技术能力，也正处在开发这个市场的前沿，这是非常关键的，我们希望通过技术改变全世界。
在整个行业当中这是非常激动人心的时代，因为现在技术的发展日新月异，我们看到大量新的创新和新的改革。我认为有一些技术已经存在有几年了，现在已经开始开拓新的市场机遇，有新的产品和解决方案的出现。
回顾机器学习
首先让大家了解一下什么是机器学习。机器学习有不同的理念和观点，也就是指从数据当中学习的方法，它能够构建这些数据，通过数据改进自己的性能，这是非常宽泛的一个定义，当然这个概念存在已经有很久了，在学术界当中，包括如何从数据当中进行系统化和架构的学习等。
直到最近，我们知道更多的数据被生活和工作当中产生，因此就推动了机器学习的需要。这里先跟大家分享一下机器学习的三种不同类型，我不能说只有这三种类型，但是让大家稍微了解一下机器学习的世界。
我们最近经常听到一个的词语叫做监督学习，比如说我有一些图片、标识，这个标识是贴在我的数据上的，比如说一个人的面部识别，这个数据的标识就代表他的名字，这个名字可以联到计算机当中，计算机就可以学习，或者将这种输入的数据，将他的名字和图片连在一起。
另一个词语是非监督学习。通常我们需要用到它的场景，是在很难真正找到具有潜在的、可使用的数据架构，而且前提是你一开始还不了解这个架构的详情。如果说你想学一个语言，你先要听它，被动的学习它这样的语言，了解它的发音，了解它的语音语调，至少要形成一个语言的框架之后才能开始真正学习这个语言。虽然目前这还是机器学习的一个难点，但我们正在不断推动这方面的研究。
非监督学习讲完了之后，开始给大家讲一下强化学习。比如说就像培训你自己家的宠物一样，你是希望它有一个正面的反映，你想要的反映，负面的反映，如果你不想要的反映你就惩罚它，就像你训练你家的狗或者猫一样，这是强化学习的概念。
当然真正的AI不仅仅是这三种类型，不过当下，我们花了大量时间在不断靠近这三个领域。现在让我们的生活、我们的世界更加好也就是机器学习和人工智能的最终目标。
下面给大家举一个例子——非常传统经典的机器学习，我们在过去所学习到的，我们有一定的图片。大家可以看到这是我们其中的一个创始人，我们如何教会机器能够识别人的面孔，也就是说将名字和面孔连接在一起。按照传统方法来说，我要看一下他面部的特点，眼睛和眉毛的宽度和鼻子的长度，这些都是非常关键的辨识特点，通过软件辨识，作为图像的关键点，作为面部特点的函数。最后我们通过不同的分类器，不同的随机森林和集成方法，最终能够辨别出他的名字。我想人类或者是动物能够更好的辨别这个面孔，但是机器需要很多的学习过程，因为它们没有办法直接提取出这些特点。传统的机器学习就是以这种方式进行面部识别的。