Intel AI Lab
Type Výzkumná laboratoř
Spojené státy 201–1 000 osob 
Themes
Intel AI Lab je velká výzkumná organizace působící pod Intel Labs, výzkumnou divizí Intel Corporation se sídlem ve Spojených státech. Laboratoř provádí výzkum v široké škále témat umělé inteligence, včetně foundation models, učení na grafech, kombinatorické optimalizace, usuzování nad znalostními grafy, porozumění videu a jeho generování, multimodálního učení, efektivní AI a počítačového vidění.
Zabývá se také aplikovaným výzkumem v oblasti návrhu čipů a AI for Science, což odráží zájem Intel o rozvoj schopností AI, které jsou v souladu s jeho odborností v oblasti hardwaru a polovodičů. Práce laboratoře je zaměřena jak na rozvoj základního výzkumu AI, tak na vývoj praktických metod relevantních pro průmysl i akademickou obec.
Průkopnický výzkum AI ve velkém měřítku
Intel AI Lab funguje jako specializovaná výzkumná skupina v rámci Intel Labs a zaměřuje se na multimodální systémy a komplexní usuzování. Tým vyvíjí škálovatelné základní prvky AI, které propojují teoretický pokrok s praktickými aplikacemi. Jejich práce zahrnuje foundation modely, učení na grafech a kombinatorickou optimalizaci a často nastavuje měřítka v akademickém i průmyslovém prostředí.
Mezi významné úspěchy laboratoře patří vybudování jedné z nejrychlejších platforem pro učení na grafech v miliardovém měřítku. Tato platforma umožňuje efektivní zpracování rozsáhlých dat se strukturou grafu, což je klíčová schopnost pro aplikace v sociálních sítích, doporučovacích systémech a vědeckém výzkumu. Laboratoř také vyvinula jeden z prvních foundation modelů pro usuzování nad znalostními grafy, čímž posunula způsob, jakým stroje interpretují a využívají strukturované znalosti.
Posouvání video AI a multimodální AI kupředu
Výzkum laboratoře v oblasti porozumění videu a jeho generování přinesl špičkové výsledky v několika akademických benchmarcích. Jejich práce na reprezentaci dlouhých videí využívá sparse transformery a metody založené na grafech ke zlepšení časového porozumění. Tyto techniky umožňují systémům AI zpracovávat a analyzovat videoobsah s vyšší přesností a efektivitou.
V oblasti multimodálního učení laboratoř představila inovace, jako je GO-Tokenizer, metoda tokenizace na úrovni objektů, která zlepšuje video-language modely. Tento přístup zlepšuje časové porozumění video-LLM tím, že v reálném čase kóduje kompaktní informace na úrovni objektů. Laboratoř také vyvinula VideoNarrator, pipeline pro vyhledávání a shrnování videí bez nutnosti trénování, která integruje multimodální velké jazykové modely (MLLMs) a vision-language modely (VLMs).
Mezi nedávné projekty patří referenčně nezávislé evaluační metriky pro titulkování videí, které umožňují plně lokální hodnocení bez spoléhání na cloudová API. Tyto pokroky přispívají k open-source nástrojům Intelu, jako je framework video-search-and-summarization, který demokratizuje přístup k pokročilým schopnostem analýzy videa.
Optimalizace AI pro hardware a vědu
Výzkum laboratoře se rozšiřuje také na optimalizaci AI pro hardwarový ekosystém Intelu. Projekty jako GEARBox se zaměřují na snižování výpočetních a paměťových nároků rozsáhlých foundation modelů, aby byly efektivnější pro nasazení na polovodičových platformách Intelu. AFLORA, další inovace, představuje parametricky efektivní metodu jemného doladění pro velké jazykové modely (LLMs), která zlepšuje jejich přizpůsobivost bez rozsáhlého přetrénování.
Efektivita inference zůstává klíčovou oblastí výzkumu, přičemž laboratoř zkoumá jak modely založené na transformerech, tak rekurentní architektury, jako je MAMBA. Cílem těchto snah je vyvážit výkon a omezení zdrojů, což je zásadní hledisko pro edge zařízení i rozsáhlá nasazení.
Laboratoř také aplikuje AI ve vědeckých oblastech, včetně materiálové vědy a syntézy proteinů. Vývojem nových benchmarků a nástrojů urychluje výzkum v těchto oborech a umožňuje rychlejší objevy a inovace. Jejich práce na AI pro návrh čipů je dále v souladu s širšími cíli Intelu a optimalizuje úlohy hlubokého učení pro výrobu a verifikaci polovodičů.
Spolupráce a dopad na průmysl
Laboratoř udržuje silné vazby na akademickou sféru a zapojuje se do společných výzkumných projektů, které posouvají hranice AI. Nedávné spolupráce vedly k publikacím na předních konferencích, včetně ICCV a ICML, kde byla oceněna práce laboratoře v oblasti učení na grafech, porozumění videu a multimodálních systémů. Jen v roce 2025 měla laboratoř na těchto fórech přijato několik článků, což odráží její aktivní roli při utváření tohoto oboru.
Kromě výzkumu laboratoř přispívá k open-source iniciativám a vydává nástroje a frameworky, které snižují bariéry vstupu do vývoje AI. Jejich práce na video-LLM a platformách pro učení na grafech je příkladem tohoto závazku a poskytuje dostupné zdroje pro výzkumníky i vývojáře.
Zaměření laboratoře na odpovědnou AI je v souladu s širšími principy Intelu a řeší transparentnost, soukromí a udržitelnost. Jejich výzkum v oblasti detekce zkreslení, férovosti a vysvětlitelnosti zajišťuje, že systémy AI jsou vyvíjeny s ohledem na etické aspekty. Tento přístup se vztahuje i na spolupráci s průmyslovými aliancemi a akademickými partnery a podporuje standardy, které prosazují spravedlivé a bezpečné nasazení AI.