CNET科技資訊網(wǎng) 5月18日 北京消息(文/孫封蕾):在云計(jì)算領(lǐng)域,百度并不是最早把自身的云計(jì)算能力作為服務(wù)對(duì)外提供的,但是,憑借百度在人工智能的積累,百度開(kāi)放云在把云計(jì)算能力開(kāi)放之后,就變成了一個(gè)像“金箍棒”一樣的工具, 既能當(dāng)做“定海神針”似的重磅武器,提供機(jī)器學(xué)習(xí)的能力,還能變成信手拈來(lái)的“繡花針”,供開(kāi)發(fā)者甚至高校學(xué)生使用。
坐擁這樣的“神器”,百度開(kāi)放云總經(jīng)理劉煬自然信心滿滿:“百度開(kāi)放云基于百度16年的積累,百度是搜索引擎起步的公司,搜索從第一天開(kāi)始就面臨大數(shù)據(jù)、 云計(jì)算的業(yè)務(wù),搜索業(yè)務(wù)有很大的流量,需要做很多的工作,有很多應(yīng)用基礎(chǔ),所以,在云計(jì)算大數(shù)據(jù)上,百度做了很多積累。”
百度的大數(shù)據(jù)起初以搜索為核心,后來(lái)發(fā)展到大規(guī)模的人機(jī)交互的升級(jí),百度在語(yǔ)音、人機(jī)交互投入很多力量,發(fā)展到今天,百度致力于人工智能綜合應(yīng)用,特別是在超難強(qiáng)度的無(wú)人駕駛, 用語(yǔ)音來(lái)控制、交互,做路徑規(guī)劃,障礙物預(yù)測(cè)和判斷,再到高精準(zhǔn)度的地圖,未來(lái)在車上還有O2O的推薦等,實(shí)際上對(duì)人工智能挑戰(zhàn)非常大。
劉煬指出,人工智能是不可阻擋的趨勢(shì),可以大幅提高效率,這種效率的提升并不是拍腦袋來(lái)做到的,而是在大數(shù)據(jù)的環(huán)境下用算法實(shí)現(xiàn),把調(diào)度做到極致。
與國(guó)外的云計(jì)算環(huán)境不同,國(guó)內(nèi)的云計(jì)算開(kāi)始比較晚,還沒(méi)有達(dá)到創(chuàng)新驅(qū)動(dòng)競(jìng)爭(zhēng)的時(shí)期,國(guó)外先進(jìn)的云計(jì)算環(huán)境,是在IT化中完成互聯(lián)網(wǎng)化,而國(guó)內(nèi),是IT化與互聯(lián)網(wǎng)化同步進(jìn)行的,環(huán)境不同。
然而,這在劉煬看來(lái),恰恰是百度在云計(jì)算行業(yè)彎道超車的機(jī)會(huì),百度是領(lǐng)先的互聯(lián)網(wǎng)公司,既懂業(yè)務(wù),又懂?dāng)?shù)據(jù),再加上在人工智能多年來(lái)探索和取得的成就,正是百度開(kāi)放云的大好時(shí)機(jī)。
百度把自己在人工智能上的能力進(jìn)行開(kāi)放,也做了不同層面的劃分,從簡(jiǎn)單一點(diǎn)的人臉識(shí)別、圖片內(nèi)容識(shí)別,到算法庫(kù)開(kāi)放,都有解決方案,甚至給到機(jī)器學(xué)習(xí)的專家,都有解決方案可供選擇。
除了人工智能的能力,百度開(kāi)放云也在積極推動(dòng)對(duì)開(kāi)發(fā)者的支持。
劉煬介紹,百度開(kāi)放云對(duì)開(kāi)發(fā)者提供了多種形式的支持。云計(jì)算技術(shù)本身降低了開(kāi)發(fā)者的技術(shù)門檻和創(chuàng)新門檻。百度開(kāi)放云也通過(guò)跟很多產(chǎn)業(yè)園區(qū)合作,提供免費(fèi)、打折的機(jī)會(huì),提供培訓(xùn)機(jī)會(huì),供開(kāi)發(fā)者學(xué)習(xí)的文檔,并為開(kāi)發(fā)者提供交流機(jī)會(huì)等等,做了很多云計(jì)算的普及工作。
此外,在生態(tài)系統(tǒng)的培養(yǎng)上,百度開(kāi)放云跟學(xué)校合作,開(kāi)放課程,積極與ISV等進(jìn)行商業(yè)合作,加強(qiáng)溝通、交流,在培訓(xùn)生態(tài)的同時(shí),也積極傾聽(tīng)來(lái)自生態(tài)系統(tǒng)的反饋。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無(wú)需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問(wèn)題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無(wú)法有效利用視覺(jué)信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。