百度CTO王海峰:软硬协同共推深度学习标准化、自动化、模块化

10月17日下午,由百度主办的2019年中关村论坛 · AI时代的深度学习技术与应用创新论坛在北京举行。作为此次中关村论坛中唯一聚焦深度学习的平行论坛,来自清华大学、马里兰大学、英特尔联想等国内外知名院所、企业的专家学者齐聚北京,政、产、学、研共议深度学习技术前沿和未来产业发展趋势。

深度学习开发与产业应用是一个复杂系统,百度开源开放了自主研发的深度学习平台飞桨,我们期待与软硬件领域各界一道,更好地把深度学习技术标准化、自动化和模块化,促进产业智能化,为更美好的智能时代贡献中国力量。”百度首席技术官、深度学习技术及应用国家工程实验室主任王海峰在致词中表示。

王海峰 百度首席技术官,深度学习技术及应用国家工程实验室主任

技术成熟 应用提速 中国深度学习需培养茁壮根系

深度学习是近年来人工智能发展最迅猛的领域之一。在算力、数据、算法三架马车的有力驱动下,深度学习以势如破竹之势在语音识别机器视觉自然语言处理等一个个经典的人工智能问题上取得实质性进展,由此AI走进了真实应用场景,开始发挥出真正的价值。2019政府工作报告中特别强调了“拓展‘智能+’,为制造业转型升级赋能”,这也是人工智能连续第三年出现在政府工作报告中。

许心超 北京市科委市科委党组成员、副主任深度学习走向大规模产业化应用已成为从政策导向到行业共识的一致方向,为此构筑坚实基座是当前重要议题。北京市科委市科委党组成员、副主任许心超在致词中指出,面对新一轮科技革命和产业变革,北京组织百度等骨干企业及学界各方优势力量,率先构建开放AI生态系统,并重点开展基础理论研究与关键共性技术研发,支持发展开源算法框架的标准化,开展人工智能基准测试和软硬适配研究,推动应用场景开放及数据开放等工作。

姜广智 北京市经济和信息化局副巡视员

北京市经济和信息化局副巡视员姜广智表示,与计算芯片相结合的深度学习框架,将形成主导产业生态的核心技术体系。我们很高兴的看到,以飞桨为代表的国产开源深度学习的技术体系已初步具备支撑人工智能产业发展的能力。下一步,北京将重点围绕自主研发的深度学习框架构建人工智能技术体系,相关工作正在持续推进中。

中国工程院院士,清华大学自动化系教授戴琼海

中国工程院院士,清华大学自动化系教授戴琼海现场参会并做了主题报告。

中国深度学习领域发展既要在世界开源精神中汲取养分并积极贡献,也要注重在自身的土壤下成长出茁壮根系。马里兰大学帕克分校教授Dinesh Manocha也在分享中表示,在机器人的技术和自动驾驶技术研究中运用了来自多领域的知识,进行了大量的实验和训练,这之中一个高效、开放的框架是非常必要的。

Dinesh Manocha 马里兰大学帕克分校教授在此次论坛中,深度学习共性技术平台、芯片为代表的算力领域正是国内外学者及企业谈及最多的两大方向,这也是深度学习大规模产业化过程中两道最重要的基础关。

更低门槛 更高效能 开源平台+智能芯片引爆产业智能应用

从代码到你我熟知的人脸识别、智能对话、个性推荐之间需要多少步?链条很长,但它的开端无疑是在深度学习平台。百度CTO王海峰博士曾将深度学习平台比作“所有人工智能应用的一个基础的底座”。从组网、训练、到预测,深度学习平台对底层语言和重要算法模型进行封装,极大降低了研发门槛,是典型的共性技术平台。

论坛现场,百度AI技术平台体系执行总监,深度学习技术及应用国家工程实验室副主任吴甜介绍了百度深度学习平台飞桨及其产业实践。在全球开源框架阵列里,飞桨是中国首个也是目前国内唯一开源开放、功能完备的产业级深度学习平台。截止目前,飞桨深度学习平台已累计服务150多万开发者,仅在定制化训练平台上就有超过6.5万企业用户,发布了16.9万个模型。此外吴甜还发布了《百度大脑AI技术成果白皮书》,向业界全面展示了百度大脑在过去一年里的技术演进。

吴甜 百度AI技术平台体系执行总监,深度学习技术及应用国家工程实验室副主任而在算力方向,随着产业智能化的不断推进,目前深度学习模型,尤其是工业级模型的网络结构越来越复杂,对大规模深度学习计算的需求激增。以色列理工学院人工智能中心主任Assaf Schuster从算法层面分享了AI高性能计算的前沿基础研究。在硬件领域,专为AI工作负载设计,与软件协同构建的定制高性能芯片及机器总在各大发布会中被广泛热议。

英特尔AI产品集团深度学习多芯片性能架构师Karthikeyan Vaidyanathan介绍了英特尔Nervana神经网络训练处理器(NNP-T)。这款与百度合作开发的处理器可以加速大规模分布式训练,AI训练方面比同类产品要强上最多10 倍。作为国内知名智能芯片领域先行者,北京中科寒武纪副总裁刘道福分享了智能处理器设计方面寒武纪的独特思路。除了端侧芯片外,浪潮集团AI首席架构师张清分享了服务器视角下深度学习计算优化与应用实践,他表示提高计算系统性能与效率需从系统的角度综合考虑,训练与推理平台与算法、应用场景的Co-Design。

而在数据层面,联想研究院人工智能实验室总监师忠超强调了产业落地过程中行业知识的重要性。师忠超表示,联想人工智能聚焦智能物联网、传统IT向智能基础设施转型、行业智能这三大方向,未来人工智能一定是从实际应用中获得需求,结合数据,算法以及行业knowhow(知识、经验、流程),打造智能垂直行业解决方案。

除精彩的主题报告外,百度还邀请了中科院自动化所模式识别国家重点实验室研究员,博士生导师,人工智能与先进计算联合实验室主任程健、联想研究院人工智能实验室总监师忠超、百度机器人与自动驾驶实验室主任杨睿刚、北京航空航天大学计算机学院副教授、博士生导师刘祥龙、英特尔AI产品集团深度学习多芯片性能架构师Karthikeyan Vaidyanathan五位来自海内外的学界产业界大拿,围绕“深度学习的技术趋势及应用落地”进行深入对谈。

人工智能正在由学术界驱动转向学术界和产业界共同驱动,需要产学研协同创新。百度也期待与各界共同推动技术进步,共享技术成果,促进产业智能化,为全球经济发展和社会进步贡献中国力量。

产业深度学习王海峰百度
相关数据
英特尔机构

英特尔是计算创新领域的全球领先厂商,致力于拓展科技疆界,让最精彩体验成为可能。英特尔创始于1968年,已拥有近半个世纪产品创新和引领市场的经验。英特尔1971年推出了世界上第一个微处理器,后来又促进了计算机和互联网的革命,改变了整个世界的进程。如今,英特尔正转型成为一家数据公司,制定了清晰的数据战略,凭借云和数据中心、物联网、存储、FPGA以及5G构成的增长良性循环,提供独到价值,驱动日益发展的智能互联世界。英特尔专注于技术创新,同时也积极支持中国的自主创新,与产业伙伴携手推动智能互联的发展。基于明确的数据战略和智能互联全栈实力,英特尔瞄准人工智能、无人驾驶、5G、精准医疗、体育等关键领域,与中国深度合作。面向未来,英特尔致力于做中国高价值合作伙伴,在新科技、新经济、新消费三个方面,着力驱动产业协同创新,为实体经济增值,促进消费升级。

https://www.intel.com/content/www/us/en/company-overview/company-overview.html
相关技术
寒武纪机构

寒武纪科技成立于2016年3月,是全球智能芯片领域的先行者,宗旨是打造各类智能云服务器、智能终端以及智能机器人的核心处理器芯片。公司创始人、首席执行官陈天石教授,在处理器架构和人工智能领域深耕十余年,是国内外学术界享有盛誉的杰出青年科学家,曾获国家自然科学基金委员会“优青”、CCF-Intel青年学者奖、中国计算机学会优秀博士论文奖等荣誉。团队骨干成员均毕业于国内顶尖高校,具有丰富的芯片设计开发经验和人工智能研究经验,从事相关领域研发的平均时间达七年以上。寒武纪科技是全球第一个成功流片并拥有成熟产品的智能芯片公司,拥有终端和服务器两条产品线。2016年推出的寒武纪1A处理器(Cambricon-1A)是世界首款商用深度学习专用处理器,面向智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备,在运行主流智能算法时性能功耗比全面超越CPU和GPU,与特斯拉增强型自动辅助驾驶、IBM Watson等国内外新兴信息技术的杰出代表同时入选第三届世界互联网大会评选的十五项“世界互联网领先科技成果”。目前公司与智能产业的各大上下游企业建立了良好的合作关系。在人工智能大爆发的前夜,寒武纪科技的光荣使命是引领人类社会从信息时代迈向智能时代,做支撑智能时代的伟大芯片公司。

http://www.cambricon.com/
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

基准技术

一种简单的模型或启发法,用作比较模型效果时的参考点。基准有助于模型开发者针对特定问题量化最低预期效果。

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

百度机构

百度(纳斯达克:BIDU),全球最大的中文搜索引擎、最大的中文网站。1999年底,身在美国硅谷的李彦宏看到了中国互联网及中文搜索引擎服务的巨大发展潜力,抱着技术改变世界的梦想,他毅然辞掉硅谷的高薪工作,携搜索引擎专利技术,于 2000年1月1日在中关村创建了百度公司。 “百度”二字,来自于八百年前南宋词人辛弃疾的一句词:众里寻他千百度。这句话描述了词人对理想的执着追求。 百度拥有数万名研发工程师,这是中国乃至全球最为优秀的技术团队。这支队伍掌握着世界上最为先进的搜索引擎技术,使百度成为中国掌握世界尖端科学核心技术的中国高科技企业,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

http://home.baidu.com/
联想机构

联想集团是1984年中国科学院计算技术研究所投资20万元人民币,由11名科技人员创办,是中国的一家在信息产业内多元化发展的大型企业集团,和富有创新性的国际化的科技公司。 从1996年开始,联想电脑销量一直位居中国国内市场首位;2005年,联想集团收购IBM PC(Personal computer,个人电脑)事业部;2013年,联想电脑销售量升居世界第一,成为全球最大的PC生产厂商。2014年10月,联想集团宣布了该公司已经完成对摩托罗拉移动的收购。 作为全球电脑市场的领导企业,联想从事开发、制造并销售可靠的、安全易用的技术产品及优质专业的服务,帮助全球客户和合作伙伴取得成功。联想公司主要生产台式电脑、服务器、笔记本电脑、智能电视、打印机、掌上电脑、主板、手机、一体机电脑等商品。 自2014年4月1日起, 联想集团成立了四个新的、相对独立的业务集团,分别是PC业务集团、移动业务集团、企业级业务集团、云服务业务集团。2016年8月,全国工商联发布“2016中国民营企业500强”榜单,联想名列第四。 2018年12月,世界品牌实验室编制的《2018世界品牌500强》揭晓,排名第102。

机器视觉技术

机器视觉(Machine Vision,MV)是一种为自动化检测、过程控制和机器人导航等应用提供基于图像的自动检测和分析的技术和方法,通常用于工业领域。

推荐文章
暂无评论
暂无评论~