Den potentiella effekten av artificiell intelligens (AI) har aldrig varit större – men vi kommer bara att lyckas om AI kan leverera smartare och mer intuitiva svar.

En viktig barriär för AI idag är att naturlig data som matas till en dator till stor del är ostrukturerad och "bullrig".

Det är lätt för människor att sortera genom naturliga data. Till exempel:Om du kör bil på en bostadsgata och ser en boll rulla framför dig, du skulle sluta, antar att det finns ett litet barn inte långt bakom bollen. Dagens datorer gör inte detta. De är byggda för att hjälpa människor med exakta produktivitetsuppgifter. Att göra datorer effektiva för att hantera sannolikheter i stor skala är centralt för vår förmåga att omvandla nuvarande system och applikationer från avancerade beräkningshjälpmedel till intelligenta partners för förståelse och beslutsfattande.

Det är därför probabilistisk datoranvändning är en nyckelkomponent för AI och central för att hantera dessa utmaningar. Probabilistisk beräkning kommer att tillåta framtida system att förstå och beräkna med osäkerheter som är inneboende i naturliga data, som gör det möjligt för oss att bygga datorer som kan förstå, förutsäga och fatta beslut.

Idag på Intel, vi observerar en aldrig tidigare skådad tillväxt av applikationer som bygger på analys av bullriga naturliga data – annorlunda och till och med motstridig information. Sådana applikationer syftar till att hjälpa människor med en högre nivå av intelligens och medvetenhet om de miljöer där de verkar. Att skära igenom detta bullriga minfält är centralt för vår förmåga att förvandla datorer till intelligenta partners som kan förstå och agera på information med mänsklig trohet.

Forskning om probabilistisk beräkning är inget nytt område, men förbättringarna av högpresterande beräknings- och djupinlärningsalgoritmer kan leda probabilistisk beräkning in i en ny era. Under de närmaste åren, vi förväntar oss att forskning inom probabilistisk beräkning kommer att leda till betydande förbättringar av tillförlitligheten, säkerhet, användbarhet och prestanda för AI-system, inklusive hårdvara utformad specifikt för probabilistisk beräkning. Dessa framsteg är avgörande för att implementera applikationer i den verkliga världen – från smarta hem till smarta städer.

För att påskynda vårt arbete med probabilistisk beräkning, Intel ökar sin forskningssatsning på probabilistisk datoranvändning och vi arbetar med partners för att uppnå detta mål.

Etablering av Intel Strategic Research Alliance for Probabilistic Computing

Att förverkliga den fulla potentialen av probabilistisk datoranvändning innebär holistisk integration av flera nivåer i datorteknik. I dag, Intel underströk sitt engagemang för integrerad och samarbetsimplementering av framväxande datorarkitekturer och en sund ekosystemaktiveringsstrategi genom att utfärda en uppmaning till akademiker och nystartade gemenskaper att samarbeta med oss ​​för att föra fram probabilistisk datoranvändning från labbet till verkligheten över dessa vektorer:benchmark-applikationer , motstridiga attacker, probabilistiska ramverk och optimering av mjukvara och hårdvara.

Ett öga på vad som händer härnäst

Vi är otroligt angelägna om att se förslagen för att främja probabilistisk beräkning och att fortsätta denna forskning med potential att höja ribban för vad AI kan hjälpa oss att uppnå. Akademiska förslag förväntas lämnas in senast den 25 maj och bland dem kommer vi att välja ut de bästa forskarteamen.

Vi började den här resan med forskning om neuromorfisk datoranvändning – med fokus på vår förståelse av den mänskliga hjärnan och dess associerade beräkningsprocesser. Starten av den neuromorfa forskargemenskapen som tillkännagavs den 1 mars är också på väg och vi planerar att fortsätta att skala upp vår Loihi på molnet för att ge forskare tillgång till banbrytande hårdvara. Vi ser en väg att nå 100 miljarder synapser på ett enda system 2019.

Vidare, Intel har redan arbetat med att avkoda hjärnan och avancera nästa steg inom neurovetenskap som en del av vårt forskningssamarbete med Princeton University. Vi ser fram emot att ytterligare förstå flödet av intelligens och beslutsfattande genom vårt probabilistiska beräkningsarbete.