當(dāng)人工智能走到科技和人文的十字路口，它會(huì)迸發(fā)出怎樣的能量？你會(huì)發(fā)現(xiàn)，以往沒(méi)有任何一個(gè)時(shí)期，會(huì)比現(xiàn)在的人工智能距離我們更近，因?yàn)樗谝砸环N近乎革命性的手段解決生活中真實(shí)存在的難題。

現(xiàn)在，有一個(gè)棘手的問(wèn)題擺在中國(guó)文物保護(hù)基金會(huì)面前：如何修繕一段年代久遠(yuǎn)，已經(jīng)是殘?jiān)珨啾诘募坶L(zhǎng)城？

如果是按照傳統(tǒng)的方法，無(wú)論是勘測(cè)、測(cè)量、后期的處理，只能憑借人力用尺子、全站儀完成，耗時(shí)耗力，尤其是箭扣長(zhǎng)城大多位于險(xiǎn)峰斷崖之上，周邊草木茂密，人員想要到達(dá)施工現(xiàn)場(chǎng)可謂險(xiǎn)阻重重。

另外，傳統(tǒng)的手工測(cè)量無(wú)法反映長(zhǎng)城的全貌和細(xì)節(jié)，不利于保護(hù)單位做更精確的維修方案。

如今，“人工智能助力修繕箭扣長(zhǎng)城”的項(xiàng)目已經(jīng)在英特爾中國(guó)研究院、英特爾數(shù)據(jù)中心事業(yè)部，以及武漢大學(xué)測(cè)繪遙感國(guó)家重點(diǎn)實(shí)驗(yàn)室的合作下開(kāi)展。 新的方法可以數(shù)字化還原長(zhǎng)城修繕前后的狀態(tài)，有利于修繕保護(hù)以及進(jìn)一步研究。有了英特爾的人工智能技術(shù)的參與，箭扣長(zhǎng)城以及更多長(zhǎng)城的保護(hù)工作將跨越到新的高度。

如何用英特爾AI助力長(zhǎng)城修繕，主要分三個(gè)步驟來(lái)進(jìn)行：

1、采集高精度圖像

在箭扣長(zhǎng)城保護(hù)項(xiàng)目中，使用英特爾***款獵鷹8+無(wú)人機(jī)，對(duì)城墻進(jìn)行長(zhǎng)城整體和局部的航拍和精確成像；

2、3D建模和損毀部位的人工智能識(shí)別

借助***的英特爾至強(qiáng)服務(wù)器，快速分析處理高分辨率影像數(shù)據(jù)，產(chǎn)生完整的高精度長(zhǎng)城影像3D模型，利用人工智能算法在3D模型上識(shí)別出需要被修繕的部分，并提供裂縫和塌方等破損的測(cè)量數(shù)據(jù)用于指導(dǎo)物理修復(fù)。

3、3D模型的人工智能數(shù)字化修復(fù)

在3D模型損毀識(shí)別基礎(chǔ)上，利用***的3D模型對(duì)抗生成網(wǎng)絡(luò)，以及回歸卷積網(wǎng)絡(luò)，對(duì)城墻缺損部位進(jìn)行數(shù)字化修復(fù)，并據(jù)此對(duì)實(shí)際的長(zhǎng)城修繕和維護(hù)提供指導(dǎo)和參考數(shù)據(jù)。

這將是一個(gè)全新的探索，先進(jìn)的無(wú)人機(jī)航拍和人工智能技術(shù)參與文物建筑的修繕和保護(hù)，英特爾的計(jì)算技術(shù)深度參與其中。數(shù)據(jù)顯示，僅僅700米的長(zhǎng)城城墻，獵鷹8+無(wú)人機(jī)采集了上萬(wàn)張高分辨率圖像，原始數(shù)據(jù)超過(guò)200GB，整個(gè)處理過(guò)程會(huì)頻繁訪問(wèn)這些數(shù)據(jù)，還會(huì)產(chǎn)生超過(guò)100GB的中間和仿真數(shù)據(jù)，即便是高性能的計(jì)算，處理如此龐大的數(shù)據(jù)量也極其復(fù)雜。

解決方案還涉及多種AI算法，包括視覺(jué)特征抽取與索引，相機(jī)參數(shù)恢復(fù)，光束平差（bundle adjustment），稠密匹配，幾何模型網(wǎng)格生成，深度神經(jīng)網(wǎng)絡(luò)2D及3D模型訓(xùn)練，紋理合成等。

英特爾的方案是，基于Xeon至強(qiáng)可擴(kuò)展處理器，英特爾固態(tài)盤(pán)，同時(shí)結(jié)合OpenMP/MPI并行優(yōu)化技術(shù)，采用針對(duì)英特爾CPU優(yōu)化的英特爾®深度神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)核心函數(shù)庫(kù)（MKL-DNN），以及面向英特爾架構(gòu)優(yōu)化的深度學(xué)習(xí)框架Tensorflow等工具，高效地實(shí)現(xiàn)長(zhǎng)城3D建模和數(shù)字化修復(fù)，并達(dá)到厘米級(jí)精度的效果。

整個(gè)長(zhǎng)城3D建模和數(shù)字化修復(fù)過(guò)程中，需要進(jìn)行大規(guī)模的方程迭代計(jì)算，其中一些基于大規(guī)模稀疏矩陣的方程求解會(huì)存在收斂穩(wěn)定性問(wèn)題。這個(gè)時(shí)候，大規(guī)模矩陣計(jì)算庫(kù)MKL的作用就凸現(xiàn)了，它不僅能夠提升計(jì)算效率，還能夠大大提高復(fù)雜計(jì)算的穩(wěn)定性。

如今，英特爾開(kāi)發(fā)的MKL-DNN庫(kù)已經(jīng)廣泛應(yīng)用在Tensorflow，Caffe等流行的深度學(xué)習(xí)框架中?？梢哉f(shuō)，針對(duì)深度學(xué)習(xí)領(lǐng)域不同算法實(shí)現(xiàn)的解決方案中，英特爾至強(qiáng)架構(gòu)是能夠全面高效、低成本支持這么多種算法的唯一選擇，并可以明顯提高人工智能修繕長(zhǎng)城的效率和速度。

英特爾至強(qiáng)服務(wù)器，為人工智能的開(kāi)發(fā)者提供了全套的開(kāi)發(fā)工具鏈，允許開(kāi)發(fā)者根據(jù)深度學(xué)習(xí)的數(shù)據(jù)復(fù)雜度對(duì)內(nèi)存的需求按需配置。

在此基礎(chǔ)上，英特爾（中國(guó)）研究院和武漢大學(xué)將開(kāi)發(fā)出長(zhǎng)城缺損/裂縫識(shí)別與定位，數(shù)字化修復(fù)的深度學(xué)習(xí)算法，包括：

1、長(zhǎng)城缺損/裂縫識(shí)別與定位

針對(duì)損毀及裂縫類型，研究人員在正常的和損毀的長(zhǎng)城3D模型上進(jìn)行樣本采集和標(biāo)定，獲取足夠多的樣本數(shù)據(jù)，用于訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)，該網(wǎng)絡(luò)采用回歸和卷積相結(jié)合的架構(gòu)，針對(duì)3D模型的不同視角的2D視圖和剖面圖，進(jìn)行大量數(shù)據(jù)樣本的訓(xùn)練分析，形成對(duì)典型損毀模式的識(shí)別能力。

2、長(zhǎng)城數(shù)字化模型虛擬修復(fù)

當(dāng)一段長(zhǎng)城的損毀部位識(shí)別出來(lái)之后，AI就會(huì)進(jìn)行數(shù)字化的虛擬修復(fù)，在損毀的模型上生成3D的修復(fù)效果和磚墻紋理，并獲得物理修繕?biāo)璧墓こ塘康臄?shù)據(jù)，作為對(duì)物理修繕的參考建議。在數(shù)字化修復(fù)中，大運(yùn)算量的2D/3D模型生成技術(shù)將得到應(yīng)用。

無(wú)論是2D還是3D模型的生成網(wǎng)絡(luò)訓(xùn)練，其數(shù)據(jù)輸入量和運(yùn)算量都是驚人的，只有英特爾至強(qiáng)服務(wù)器能夠提供完整的支持。

同時(shí)，英特爾AI的數(shù)字化修復(fù)會(huì)遵循“修舊如舊”的文物修繕原則，為長(zhǎng)城修繕工程提供詳細(xì)的位置，效果和所需工程量的估計(jì)，作為實(shí)際工程有效的參考和對(duì)照。

總而言之，英特爾在幫助修繕長(zhǎng)城的過(guò)程中，提供的是一個(gè)從前端數(shù)據(jù)采集，到后端深度網(wǎng)絡(luò)訓(xùn)練與方案生成，整合了測(cè)量工具，人工智能算法，高性能計(jì)算平臺(tái)，形成了一個(gè)完整的人工智能文物修繕與保護(hù)解決方案。

事實(shí)上，不僅僅是修繕長(zhǎng)城，其他的人工智能應(yīng)用場(chǎng)景，英特爾的AI解決方案，也是一個(gè)很好的選擇。因?yàn)闊o(wú)論你是一名數(shù)據(jù)科學(xué)家，還是IT架構(gòu)師，都可以在你熟悉的CPU平臺(tái)上，簡(jiǎn)單高效的按需開(kāi)發(fā)，讓AI的開(kāi)發(fā)和應(yīng)用更簡(jiǎn)單，更實(shí)用。

也恰恰是這種高性能的通用AI計(jì)算平臺(tái)，以及它實(shí)際應(yīng)用于工程和產(chǎn)品的能力，將會(huì)幫助更多的 AI解決方案提供商，在各個(gè)AI應(yīng)用的領(lǐng)域大膽突破，展開(kāi)一個(gè)AI應(yīng)用的大時(shí)代。

人工智能，從至強(qiáng)開(kāi)始。

文物建筑的修繕與保護(hù)就是這樣一個(gè)生動(dòng)的例子，也僅僅是一個(gè)開(kāi)端。

英特爾人工智能傳承長(zhǎng)城奇跡 -- 視頻鏈接