2022 年以后，对AI开发人员意味着什么

请试想，快餐餐厅可根据是哪些汽车驶入得来速车道，量身打造他们现有的食物类型。 请试想，能够侦测完工汽车零件渗透性有问题的先进摄影机。 或者是放射科医师可以与虚拟助理一起仔细检查 X 光片，然后挑出有问题的片子再看第二遍。

当前人工智能开发的重要性

这些改良的作业方式全都仰赖人工智能（AI）驱动，而且各行各业使用人工智能的案例几乎都呈爆炸成长。只要有数据，就有缔造效率的机会，而且人工智能的机会甚至更多。

一系列技术转变是这场人工智能革命的推手，包括运算能力成长，以及 5G 网络这类更优异的通讯基础架构的开发。

然而，虽然人工智能转型可能势在必行，但人工智能开发人员人才短缺的事实，却可能成为大规模执行人工智能的绊脚石。

Intel® 网络与边缘事业群副总裁暨物联网事业群开发者赋能总经理 Bill Pearson 表示：「如果在每个产业应用人工智能，那么就意味着我们需要更大量的开发人员迅速学会人工智能技能。」

近期一份关于企业人工智能状态的意见调查发现，人工智能开发人员和工程师是顶尖人才公司最需要的人才。 这个模式普遍存在于所有企业，无论是经验丰富、技能老练或是刚入门人工智能部署的人才都需要。 然而Pearson却指出，遗憾的是，人工智能知识却多半掌握在少数开发人员手上。

这种人工智能人才的落差，可能肇因于开发人员投入现场工作前，仍有几项障碍待克服。

顶尖人工智能开发人员的挑战以及克服挑战的方式

1. 人工智能知识有限

若要建立人工智能模型，开发人员必须先了解人工智能是什么，认识人工智能的用途。 然而，现有的说明文件却往往是针对经验丰富专业人士所编写，并未顾及初学者。 若要在人才库迅速注入人工智能开发人员新血，则必须快速创造公平的环境。

开发人员展开人工智能学习之旅时，他们需要更合适的说明文件、实作训练，以及使用容易的工具。

「人工智能过去一直是属于专家的领域。我们确实需要让大家更容易取得数据，我们必须让人工智能普及化。” Pearson 表示。 「我们必须让开发人员适时轻松找到合适的数据，让他们更容易取得他们要找的信息。」

举例来说，Intel为需要人工智能开发特定问题解答的人，提供了各式各样人工智能训练影片与说明文件。 这些数据是专为各种程度人工智能专业知识量身打造，让初学者可以开始摸索，同时进阶开发人员也能为更详细的应用程序使用案例找到解答。 另外，Intel 提供的先决条件清单可协助开发人员展开旅程。

Intel边缘人工智能认证课程是开发人员针对开发人员所开发，传授核心人工智能概念，以及如何以自己的步调应用不同使用案例。 这个课程提供免费工具与代码模板、开放源代码资源，以及预先训练的人工智能模型库。开发人员可以研究这些模型中的代码，了解如何在自己的工作应用这些代码。

2. 选择过多

然而，虽然拥有所有可供入门使用的人工智能工具与资源，但开发人员可能很容易就会不知所措。 他们未必随时清楚知道工作适合的工具是哪一种。 接着，大家会担心这项工具是否为值得信赖的长期投资。 开发人员必须理出头绪，知道哪些硬件、软件、人工智能模型和算法符合他们长期需求。

让人工智能普及化，以及改善取得必要工具的途径，使得它们成为开发人员日常工作流程的一部分。 「我们必须秉持开发人员至上的原则提供这些工具，并且搭配开放的弹性平台。」 Pearson 表示。

开发人员应格外留意支持他们喜爱之各种已知工具的互操作性与开放式生态系统。

举例来说，Intel®发行版 OpenVINO™工具组支持其他热门的人工智能架构，例如 TensorFlow、Caffe、PyTorch与ONNX，这样一来开发人员就不会觉得受限于一种选项。

此外，人工智能工具包使用容易，初学的开发人员也能轻易上手，但其进阶工具也能协助开发人员调整工作规模，大幅提升人工智能技能。 Pearson 表示：「这个工具包运用人工智慧与计算机视觉推论，协助开发人员提供更迅速也更精确的结果。」

由于OpenVINO属于开放源代码，因此开发人员社区强大，可让开发人员参与、为改善平台贡献一己之力，以及善用社群所成就的其他改良之处。

Pearson表示：「开发人员不仅能决定最合适的工具与架构，还能参与打造业界最顶尖的几款工具与架构。」

3. 建立人工智慧模型

开发人员获得展开这趟旅程所需的工具与资源之后，随即面临开发和部署人工智能模型的相关挑战。 举例来说，他们是否有开始打造模型所需的正确资料？ 资料是否为有用的状态或格式？ 他们要如何将数据应用于使用案例？

Pearson 表示：「我们最大的挑战之一，就是将数据传送至正确的位置，物尽其用。」 资料科学家必须确保人工智能模型屏除偏见，因此疑虑更多，包括数据集的来源以及使用情况。

为了履行开发人员至上的承诺，OpenVINO提供了ModelZoo这个可供开发人员使用的预先训练模型组。这个套组包含利用TensorFlow、Pytorch、MXNet与PaddlePaddle这类业界标准架构开发的范例。Pearson解释，构建开发人员可能已经使用架构的人工智能代码，符合开发人员至上这个方式的条件，因此他们无须转换工作流程就可受惠。

对于在云端与边缘使用的人工智能模型来说，还必须解决数据安全性这个疑虑。 开发人员与数据科学家必须验证数据源，并且确保人工智能模型开发符合伦理道德。 「用途并非唯一的关键，用于生成数据和算法的人员与流程也是。这一切都是打造出符合伦理道德且公平人工智能解决方案的一环。」 Pearson 表示。 OpenVINO 工具包通过数据防护附加组件，提供了额外一层的数据安全性。

「使用安全性附加元件时，它只为模型提供一种安全封装然后安全执行的方式。 我们能够让用户拥有适当的模型访问权限，他们是在有若干指定限制内执行模型，而且他们甚至可以在 KVM 型虚拟机器中执行。」 Pearson 解释。

4. 边缘云端的困境

接下来的问题则是他们储存、处理及分析数据的位置。Pearson表示，人工智能传统软件开发情况不同，开发人员的工作方式自然随之改变。

传统上，物联网装置多半是专用性质，内嵌于功能固定的装置。然而，近期云和云原生技术日益普及成熟，容器与协调也逐渐变得无所不在。 因此，开发人员纷纷针对物联网与人工智能开发，改用运用云原生技术的软件定义高运算开发环境。

云端人工智能用于云端型机器学习模型繁重的运算作业，而边缘提供了在数据源处用人工智能模型分析的新机会。

Pearson指出：「如果您过去是建置解决方案的嵌入式开发人员，如今却突然得设法了解如何利用边缘人工智能撷取及阐释资料，那么这可说是截然不同的全新典型。」 云原生开发正在改变开发人员的现况，他们必须同时了解云端与边缘的人工智能使用案例，并且相应地建立模型。

Pearson 指出，了解您的业务目标与目的是关键所在。 他表示：「视开发人员的 KPI 和目标而定，我们可以协助判断最适合他们执行人工智能的位置。」

云计算在成本与规模方面提供了优势。如果企业设法达成的目标，不需要在现场确保数据安全，也不需要低延迟，那么云或许是正确的方向。如果有带宽、安全性与扩充方面的疑虑，那么开发人员不妨考虑使用边缘。

「身为开发人员，我可以选择哪个地点最适合执行哪种工作。另外，无论是边缘的功率还是效能，我都可以在云端将运算资源从几乎无限调整为限制较多，而且我依旧可以取得我设法达成之业务目标所需要的人工智能。」 Pearson 解释。

有了可扩展的云原生开发，无论是边缘还是云端，工作负载都可轻松延伸至需要智慧的地方。

5. IT/OT 整合

利用人工智能的本质是整合 IT 与 OT，另一个挑战随之出现。 开发人员必须了解如何将边缘的作业深入洞见整合至业务运营，实现效率。

另外，为了微调，开发人员必须从KPI反推，然后判断能完成工作的合适软硬件组合。视KPI而定，团队可能需要不同的性能与功率选项。Pearson表示：「开发人员必须思考『哪一种硬件适合执行我的应用程序，为我缔造需要的结果』。」

假设人工智能开发人员能够取得专门知识，让软件开发继续进行，他们还是必须在各种不同的硬件单元测试软件。这个过程不容易实现，也不是完成工作最省时的方式。持续的全球芯片荒让问题雪上加霜，使得采用这类芯片的硬件不易采购及购买。

Intel 的 DevCloud 为人工智能开发人员解决了其中一个最严峻的挑战。 它让开发人员能够在数百部边缘硬件设备测试人工智能解决方案，因此做决定时不会不知所措。Pearson表示：「开发人员可以快速了解应用程序使用每部硬件时的效能，也能够了解他们的特定解决方案适合什么硬件。」

最新版本的工具包 OpenVINO™ 2022.1，通过专为轻而易举测试硬件组合设计的全新硬件自动探索与自动优化，也能在这个领域派上用场。  

人工智能开发通常过程复杂，因为必须为每个终端使用案例自定义软件。 此外，预计要使用的边缘硬件，会增加需要测试的排列与组合数量。 Pearson 表示，OpenVINO工具包让过程化繁为简。「没有『我必须以不同方式执行这个，因为涉及FPGA（现场可程式化逻辑闸阵列）』，或是『若要利用特定硬件功能，我可能必须使用不同的代码』。」

撰写一次即可随处执行的跨架构工具包，出现了开发人员至上的方式。 Pearson 表示：「利用我们的模型优化器，您轻轻松松即可优化、调整及执行推论应用。」 更棒的是，不了解 GPU 与 CPU 差异的开发人员，可以让这个发挥作用。

6. 调整人工智能工作

开发人员开始开发之后，下一步是什么？ 未来的路未必一向明确。

Intel 透过Intel® Developer Catalog这套经市场实证的垂直软件实作，为进阶开发人员提供了推论实作。  举例来说，希望实作缺陷侦测人工智能系统或智能流量管理的开发人员，可以使用目录中的范例。Pearson表示：「您可以看到所有代码，我们会逐步引导您实现，而且您很快就能掌握情况。」

人工智能开发的关键不仅是软硬件，部署环境也息息相关。 Intel® Smart Edge Open这项额外的工具，可以协助开发人员了解，如何让人工智能应用成为可部署于环境之基础架构的一环。 Pearson表示：「开发人员在实际部署环境或其他环境测试正在建置的人工智能应用程序，这一点至关重要。」

仅仅数年前，开发人员能存取及阐释边缘数据的这种构想，似乎就像是妄想。 然而，这一切正在改变。Pearson表示：「[人工智能]开发人员的角色，比以往更为重要。」 「我们必须通过帮助开发人员大规模构建解决方案的工具、产品和信息，确保他们做好应对这个新环境的万全准备。」

为人工智能开发的未来做好准备

这只是一个时代的开始而已。 Pearson 解释，运算能力越来越强，加上人工智能日益普及，使用案例将会扩充至超乎我们想像的领域，他还补充：「开发人员将会是人工智能的核心，利用技术超越极限，并且创造一些可能让我们大感惊艳的有趣解决方案。」

对于开发人员来说，成功的关键在于了解他们设法解决的人工智能问题，并且具备解决问题的技能。

Pearson 表示：「现在与未来的关键在于开放式架构与开放式生态系统，因为它们具有开发人员需要的更高弹性、互通性与可扩展性。」 「人工智能让开发人员有机会拥抱新世界以及创新。」

人工智能将成为未来之道。 另外，所有类型的开发人员通过技能提升，以及使用简化工作流程并释放创意的工具，即可在这场刺激的革命中占有一席之地。