Intel AI Lab
Type Laboratori de recerca
Estats Units 201-1.000 persones 
Themes
Intel AI Lab és una gran organització de recerca que opera sota Intel Labs, la divisió de recerca d’Intel Corporation, amb seu als Estats Units. El laboratori duu a terme recerca al llarg d’un ampli ventall de temes d’intel·ligència artificial, com ara els models fonamentals, l’aprenentatge de grafs, l’optimització combinatòria, el raonament sobre grafs de coneixement, la comprensió i la generació de vídeo, l’aprenentatge multimodal, l’IA eficient i la visió per computador.
També impulsa recerca aplicada en el disseny de xips i en IA per a la ciència, reflectint l’interès d’Intel a avançar en capacitats d’IA que s’alineïn amb la seva experiència en maquinari i semiconductors. La feina del laboratori s’orienta tant a avançar en la recerca fonamental en IA com a desenvolupar mètodes pràctics rellevants per a les comunitats industrials i acadèmiques.
Recerca pionera d’IA a gran escala
Intel AI Lab funciona com un grup de recerca especialitzat dins d’Intel Labs, centrat en sistemes multimodals i raonament complex. L’equip desenvolupa primitives d’IA escalables que connecten els avenços teòrics amb aplicacions pràctiques. La seva feina abasta models fundacionals, aprenentatge de grafs i optimització combinatòria, sovint establint referents en contextos acadèmics i d’indústria.
Un dels èxits destacats del laboratori inclou la construcció d’una de les plataformes d’aprenentatge de grafs a escala de mil milions més ràpides. Aquesta plataforma permet processar de manera eficient dades de grafs a gran escala, una capacitat crítica per a aplicacions en xarxes socials, sistemes de recomanació i descobriment científic. El laboratori també va desenvolupar un dels primers models fundacionals per al raonament amb grafs de coneixement, avançant la manera com les màquines interpreten i utilitzen coneixement estructurat.
Impulsant la IA de vídeo i multimodal
La recerca del laboratori en comprensió i generació de vídeo ha produït resultats d’avantguarda en diversos referents acadèmics. El seu treball en representació de vídeo de llarga durada aprofita transformers escassos i mètodes basats en grafs per millorar la comprensió temporal. Aquestes tècniques permeten que els sistemes d’IA processin i analitzin contingut de vídeo amb més precisió i eficiència.
En l’aprenentatge multimodal, el laboratori ha introduït innovacions com GO-Tokenizer, un mètode de tokenització a nivell d’objecte que millora els models vídeo-llenguatge. Aquest enfocament millora la comprensió temporal dels vídeo-LLM mitjançant l’encoding d’informació compacta a nivell d’objecte en temps real. El laboratori també va desenvolupar VideoNarrator, un pipeline sense entrenament per a cerca i resum de vídeo que integra models grans de llenguatge multimodals (MLLMs) i models de visió-llenguatge (VLMs).
Els projectes recents inclouen mètriques d’avaluació sense referència per a la descripció de vídeo, que permeten avaluacions completament locals sense dependre d’API basades en el núvol. Aquests avenços contribueixen a eines de codi obert d’Intel, com el marc de treball per a la cerca i el resum de vídeo, que democratitza l’accés a capacitats avançades d’anàlisi de vídeo.
Optimitzant la IA per a maquinari i ciència
La recerca del laboratori s’estén a optimitzar la IA per a l’ecosistema de maquinari d’Intel. Projectes com GEARBox se centren a reduir els requisits computacionals i de memòria dels models fundacionals a gran escala, fent-los més eficients per desplegar-los a les plataformes semiconductores d’Intel. AFLORA, una altra innovació, introdueix un mètode de fine-tuning eficient en paràmetres per a models de llenguatge grans (LLMs), millorant la seva adaptabilitat sense necessitat de reentrenaments extensos.
L’eficiència en la inferència continua sent una àrea clau d’exploració, amb el laboratori investigant tant models basats en transformers com arquitectures recurrents com MAMBA. Aquests esforços busquen equilibrar el rendiment amb les limitacions de recursos, una consideració crítica per a dispositius de vora i desplegaments a gran escala.
El laboratori també aplica la IA a àmbits científics, com la ciència dels materials i la síntesi de proteïnes. En desenvolupar nous referents i eines, acceleren la recerca en aquests camps, fent possible un descobriment més ràpid i la innovació. El seu treball en IA per al disseny de xips s’alinea encara més amb els objectius generals d’Intel, optimitzant les càrregues de treball d’aprenentatge profund per a la fabricació i la verificació de semiconductors.
Col·laboració i impacte en la indústria
El laboratori manté vincles sòlids amb la comunitat acadèmica, participant en projectes de recerca conjunta que empenyen els límits de la IA. Les col·laboracions recents han donat lloc a publicacions en conferències de primer nivell, incloent ICCV i ICML, on el treball del laboratori sobre aprenentatge de grafs, comprensió de vídeo i sistemes multimodals ha estat reconegut. Només el 2025, el laboratori va tenir diversos articles acceptats en aquests fòrums, cosa que reflecteix el seu paper actiu en la configuració del camp.
Més enllà de la recerca, el laboratori contribueix a iniciatives de codi obert, publicant eines i frameworks que redueixen les barreres d’entrada per al desenvolupament d’IA. El seu treball en vídeo-LLMs i plataformes d’aprenentatge de grafs exemplifica aquest compromís, oferint recursos accessibles per a investigadors i desenvolupadors.
El focus del laboratori en una IA responsable s’alinea amb els principis generals d’Intel, abordant la transparència, la privacitat i la sostenibilitat. La seva recerca en detecció de biaixos, equitat i explicabilitat garanteix que els sistemes d’IA es desenvolupin tenint en compte consideracions ètiques. Aquest enfocament s’estén a col·laboracions amb aliances de la indústria i socis acadèmics, fomentant estàndards que promouen un desplegament d’IA equitatiu i segur.