跳脱深度学习路线 关联记忆AI另辟蹊径

从Altera、Saffron、Nervana、Movidius到Mobileye，英特尔收购的几家公司似乎均有利于其扩张人工智能(AI)版图的野心。然而，英特尔打算如何整合这一切？尤其是其中最大的谜团——Saffron；该公司使用的是一种有别于深度学习的AI分支技术——关联记忆AI。或许从与Saffron的访谈中能够掌握一点线索...

英特尔(Intel)斥资10亿美元推动人工智能(AI)生态系统之举，是这家处理器巨擘广受热议的话题之一。英特尔经由收购及其Intel Capital于AI新创公司的投资，累积了广泛的AI技术。

从Altera (2015)、Saffron (2015)、Nervana (2016)、Movidius (2016)和Mobileye (2017)，至今被收购的几家公司似乎均有利于英特尔扩张AI版图的野心。Intel Capital还透过投资于Mighty AI、Data Robot、Lumiata、CognitiveScale、Aeye Inc.、Element AI等新创公司充实其AI产品组合。

然而，英特尔打算如何整合这一切，目前仍不明朗。由于AI创新仍处于早期阶段，英特尔的AI策略明显采取分散途径应该也十分合理。我们可能还得等一段时间才能看到更有连贯性的脉络发展。

相较于整体的AI策略，英特尔更经常讨论其AI硬体产品组合。例如，英特尔日前宣布将在今年年底前出货Nervana神经网路处理器(NNP)，即先前所熟知的‘Lake Crest’。Nervana前执行长暨共同创办人Naveen Rao形容这款NNP是“深度学习的专用架构”。Naveen Rao如今已是英特尔副总裁兼AI产品总经理。

在AI晶片方面，英特尔还有其他“武器”，包括Xeon系列、收购Altera取得的FPGA、车用方面有Mobileye，以及Movidius用于边缘的机器学习晶片。

然而，英特尔对于其AI应用或将实际关注于AI的哪些领域一直保持沉默。AI毕竟是一个广阔且深入的技术领域。在英特尔持续扩展的收购名单中，最大的谜团非Saffron莫属。

就在收购Saffron近两年后，英特尔在今年十月发布了一款名为“英特尔Saffron反洗钱顾问”(Intel Saffron Anti-Money Laundering Advisor；AML)的新产品，这项消息引起了广泛的关注。虽然AML明显执行于Xeon处理器上，但这款产品并不是硬体，而是有助于调查人员和分析人员揪出金融犯罪的工具。

《EE Times》日前有机会访问到Saffron Technology金融产业解决方案总监Elizabeth Shriver-Procell，深入了解Saffron产品背后的AI技术，以及她认为Saffron成为英特尔公司后的种种好处。

Saffron Technology金融产业解决方案总监Elizabeth Shriver-Procell

另一方面，我们更想知道的是，像Shriver-Procell这样一位长期打击金融犯罪的斗士在全球最大的CPU公司内部主要负责什么。

请先谈谈有关于你自己。我听说你是财务分析专家，曾经在财政部等机关和多家公司工作。

Shriver-Procell：我是一名律师，主要从事打击金融犯罪的工作。我曾经在国际谘询公司和各大金融机构工作过。今年初才离开美国银行(Bank of America)，并加入Saffron。没错，我也曾经在美国财政部担任分析发展的专案经理。

那么在加入Saffron之前，您使用过Saffron的产品吗？

Shriver-Procell：我曾经接触过的一些组织(包括谘询公司的客户)已经使用Saffron了。我一直对这个平台很感兴趣，所以当机会出现时，我便牢牢地把握住。

那么，Saffron究竟提供什么？

Shriver-Procell：Saffron总是以为广泛应用提供客制化“分析平台”的定位进行销售与宣传。使用者包括供应链、银行和保险公司。

在“反洗钱顾问”工具推出后，Saffron的平台途径有什么变化？

Shriver-Procell：我们现在正针对特定应用推出更具体的产品。

关联记忆AI另辟蹊径

我猜测英特尔收购Saffron的主要原因更在于取得AI技术，而不只是打击金融犯罪(尽管这也很值得)。请谈谈Saffron设计的AI专业技术与应用，它和其他AI技术有何不同？

Shriver-Procell：Saffron所使用的AI技术称为“关联记忆”(Associative Memory)法，它是源于深度学习(Deep Learning)的一种差异化AI分支技术。关联记忆AI非常擅长于观察庞大且多样化的资料，并从相距甚远的不同资料库中鉴识签名或模式。它能够统整来自企业系统、电子邮件、网路和其他资料来源的结构化和非结构化资料。

以一位银行客户Mary为例。Mary每隔一周前往伦敦，并在Liberty大街的商店购物。住在另一个国家的John也与Mary差不多同时间去了伦敦，但他的目的看来完全不同。那么这两者之间有什么关系？有何共同点？我们能查看其IP位址吗？是否能在其登录模式中找到任何相似之处？是否有任何迹象显示任何不法行动正进行中？

因此，重点就在于关联记忆AI能够同时查看并统整这么多看似毫无关系的资料库？

Shriver-Procell：不仅如此，它还能够快速完成原本极其耗时的任务。虽然深度学习需要大量训练，但关联记忆AI则不需要任何训练。这种AI分支技术能快速的一次性学习，同时也无需建模。

新闻稿中提到了Saffron的“白盒AI”(white box AI)，能再详细解释吗？

Shriver-Procell：所谓的“白盒AI”，我们希望强调的是透明度。它让我们能解释如何得出某种结论。过去，金融机构向供应商购买基于模型的诈欺检测解决方案，我们称之为“黑盒子”，因为使用者并不清楚其软体在黑盒子中如何运作。而当监管机构要求金融机构说明如何得出结论时，他们也无法真的提出解释。因为他们看不到黑盒子里有些什么，也无从判断它是否正常运作。

在受到高度监管的产业中，金融机构提供资料透明度的能力至关重要。

听起来很有趣，似乎与深度学习AI完全相反。有些安全专家担心，在自动驾驶车中部署深度学习AI执行驾车决定时，例如转弯，汽车制造商无法解释AI为什么做此决定。在学习过程中缺乏透明度，导致汽车制造商难以验证自动驾驶车的安全性。

Shriver-Procell：我认为最重要的是认清AI存在着多种不同的途径。当英特尔执行长谈到揭开AI的前景与潜力时，他建议我们应该尝试新事物，以及探索新的学习典范。

Saffron宣称关联记忆AI“能发现知识所在，加速通往决策的途径，减少人类的认知负担，并以透明的方式解决法规问题。”（来源：Saffron）

您认为不同的AI分支技术最终将汇聚于同一点吗？

Shriver-Procell：我认为这些分支之间是互补的。正如我们看到各种融合应用的发展趋势一样，我认为结合多种类型的AI才能满足各种应用的需求。

请介绍有关Saffron的更多新产品。

Shriver-Procell：正如之前所说的，Saffron总是以平台方式销售产品。现在，随着我们在特定的细分市场中发现具体需求，决定开始推出能够因应不同市场挑战的特定解决方案。

Saffron一直以打击金融犯罪的经验为基础，在金融市场上占据非常强势的地位。透过360度视图统整结构化和非结构化资料，我们就能够了解在跨资料储存边界所发现的模式。

我们还宣布，纽西兰银行(Bank of New Zealand)最近加入英特尔Saffron的早期导入计划。这是专为对于以联想记忆AI最新进展提供创新金融服务感兴趣的机构而设计的。

您认为Saffron在加入英特尔后获得了什么好处？

Shriver-Procell：加入英特尔带来的好处良多。我们正讨论大型金融机构面对的严重问题。为了提供有力的支持，需要像英特尔这样的巨擘所拥有的力量和资源，也需要英特尔作为技术合作伙伴的全力支持，才能顺利在Saffro平台上建构新的功能和应用，并使其得以升级与扩展。随着AI快速进展，探索实现AI的新事物与新方法不容忽视。

编译：Susan Hong

(参考原文：Intel/Saffron AI Plan Sidesteps Deep Learning，by Junko Yoshida)