CNET科技資訊網(wǎng) 9月26日 北京消息(文/齊豐潤): “物聯(lián)網(wǎng)”這個(gè)在前些年看來還十分前衛(wèi)、具有科技感的詞語,發(fā)展至今這個(gè)詞語已經(jīng)與普通人的生活走得越來越近了。不過從最近的發(fā)展來看,物聯(lián)網(wǎng)產(chǎn)品卻很少能讓人眼前一亮,而探究其中的原因,除了終端計(jì)算能力不足之外,許多優(yōu)質(zhì)的數(shù)據(jù)得不到很好的應(yīng)用也是不可避免的原因之一。
機(jī)智云CEO黃灼在Go Day 2016上表示,“物聯(lián)網(wǎng)真正的價(jià)值就來源于數(shù)據(jù),但是就目前來看,數(shù)據(jù)的能量卻尚未‘覺醒’。”正是看到了這背后的癥結(jié)所在,機(jī)智云也針對物聯(lián)網(wǎng)背后的數(shù)據(jù)應(yīng)用退出了全新的機(jī)智云4.0,以服務(wù)于更多的開發(fā)者。
在機(jī)智云4.0的物聯(lián)網(wǎng)開發(fā)平臺上,我們看到了機(jī)智云帶來的一套完整的物聯(lián)網(wǎng)大數(shù)據(jù)和機(jī)器學(xué)習(xí)體系,在這套體系之中,機(jī)智云帶來了四款新產(chǎn)品起到了不可或缺的作用。
運(yùn)行在設(shè)備通信模組或近場通信網(wǎng)關(guān)上的微應(yīng)用容器,提供霧計(jì)算的運(yùn)行環(huán)境,協(xié)調(diào)程序和底層硬件環(huán)境的關(guān)系的“ECE邊緣計(jì)算引擎”;專門為物聯(lián)網(wǎng)應(yīng)用而生的實(shí)時(shí)大數(shù)據(jù)分析、處理、輸出平臺的“RTBD實(shí)時(shí)大數(shù)據(jù)平臺”;幫助開發(fā)者快速的定義和部署個(gè)性化的數(shù)據(jù)處理業(yè)務(wù)的“Giga ML吉咖機(jī)器學(xué)習(xí)”;以及專門為物聯(lián)網(wǎng)設(shè)計(jì)的機(jī)器學(xué)習(xí)產(chǎn)品“D3動(dòng)態(tài)數(shù)據(jù)編排引擎”。
相信許多人對于霧計(jì)算的概念并不理解,而且對于霧計(jì)算與云計(jì)算之間的關(guān)系也并不明確,而針對這樣的問題,黃灼也做出了詳細(xì)的說明。“從計(jì)算方面來說,以前互聯(lián)網(wǎng)是由PC跟服務(wù)器組成的,PC跟服務(wù)器都有比較強(qiáng)的運(yùn)算能力;到了移動(dòng)互聯(lián)網(wǎng)時(shí)代,手機(jī)也同樣有很強(qiáng)的計(jì)算能力;現(xiàn)在到了物聯(lián)網(wǎng)時(shí)代,一個(gè)花瓶一個(gè)桌子一個(gè)燈都是一個(gè)結(jié)點(diǎn),而目前由于物聯(lián)網(wǎng)終端的運(yùn)算能力有限,大部分物聯(lián)網(wǎng)的架構(gòu)都是把這些設(shè)備的數(shù)據(jù)采到云端去,云端再基于數(shù)據(jù)的運(yùn)算做出決策。”
黃灼繼續(xù)說道:“云端可以做好多事情但是響應(yīng)速度慢,引入霧計(jì)算是把云端服務(wù)器的能力釋放到一些有處理能力的設(shè)備,傳統(tǒng)的方法是遠(yuǎn)程升級產(chǎn)品的部件,讓它的計(jì)算能力得到更新,但這個(gè)做法不僅效率太低,而且還很危險(xiǎn),一旦失敗就會造成設(shè)備永久失聯(lián)了。所以我們采取輕盈的辦法,通過腳本語言本定義了一個(gè)叫“微應(yīng)用”的概念,這些程序跟云端結(jié)合起來可以實(shí)時(shí)的把運(yùn)算和應(yīng)用部署到霧端節(jié)點(diǎn)上去。我們發(fā)現(xiàn)物聯(lián)網(wǎng)有太多的機(jī)會把云端的能力釋放到設(shè)備端跟霧端,讓運(yùn)算規(guī)模跟數(shù)據(jù)采集的規(guī)模都大大提升,效率都大大提升,在云端算完之后通過機(jī)器學(xué)習(xí)的算法都可以在霧計(jì)算響應(yīng)。”
相信霧計(jì)算的提出會讓很多人納悶兒,霧計(jì)算與云計(jì)算到底是什么樣的關(guān)系,而從黃灼的介紹中,我們也不難發(fā)現(xiàn)這二者的關(guān)系,“我們把云計(jì)算作為霧計(jì)算的補(bǔ)充,云端永遠(yuǎn)有最強(qiáng)大的計(jì)算能力,霧端如果喪失了計(jì)算能力,可以繼續(xù)把數(shù)據(jù)扔到云端去計(jì)算,沒有云計(jì)算就沒有霧計(jì)算,因?yàn)樗袆?dòng)態(tài)的算法的分配跟調(diào)度都是云端實(shí)現(xiàn)的,但是它的調(diào)度不需要每分每秒都在做,不需要每次每個(gè)決定都需要云端過來。”
對于霧計(jì)算來說,其最大的難點(diǎn)就在于如何動(dòng)態(tài)、大規(guī)模地部署運(yùn)算和存儲能力,云端和設(shè)備端如何高效協(xié)同、無縫對接。復(fù)雜的算法如何在云和霧之間合理分解和整合, 需要一個(gè)對云管端三者都有控制力的技術(shù)平臺來實(shí)現(xiàn)。而機(jī)智云表示,他們對物聯(lián)網(wǎng)設(shè)備,通信模塊,網(wǎng)關(guān)節(jié)點(diǎn)和云端都有強(qiáng)大的控制力,恰好具備把云計(jì)算推向霧端的基礎(chǔ)。
而談及到霧計(jì)算背后的技術(shù)支持時(shí),機(jī)智云CTO劉琰表示,他們做的更多的是一種讓軟件定義硬件,讓云端定義硬件的理念。“在霧計(jì)算里面有三個(gè)比較重要的概念:計(jì)算、存儲和網(wǎng)絡(luò)。這三塊功能我們做了封裝,把它封裝到運(yùn)行時(shí)里面,在運(yùn)行時(shí)之上提供了一層腳本的解析器,能夠云端編寫相應(yīng)的模塊把它下載到微應(yīng)用容器當(dāng)中,由霧計(jì)算引擎進(jìn)行動(dòng)態(tài)加載實(shí)時(shí)把這些算法應(yīng)用到設(shè)備還有一些數(shù)據(jù)上面。”
在機(jī)智云4.0提供的四款產(chǎn)品中,都提到了對于海量數(shù)據(jù)的應(yīng)用,而這其中最重要的一個(gè)就是將人工智能與霧計(jì)算的結(jié)合。這樣的結(jié)合可以讓每一臺設(shè)備都擁有自己的智能,根據(jù)不同的用戶使用習(xí)慣和方式,進(jìn)行機(jī)器學(xué)習(xí),智能的變更在不同情況下的運(yùn)行模式。
機(jī)智云人工智能負(fù)責(zé)人黃明表示,“現(xiàn)在我們能做到從云端訓(xùn)練模型然后把模型推送到終端讓終端進(jìn)行預(yù)測,以后將會是云端參與模型的訓(xùn)練,同時(shí)終端也會參與模型的訓(xùn)練,兩端的融合性會把實(shí)時(shí)性以及靈活性會大大提高。而且這一機(jī)器學(xué)習(xí)的周期,大概在20天左右。”
機(jī)智云一直都是以打造開放的平臺作為自身的定位,不過相比于其他開放出來的技術(shù),將人工智能的能力開放出來顯然難度更高。黃灼介紹道:“目前,大部分的人工智能都有一個(gè)學(xué)習(xí)的過程,這個(gè)學(xué)習(xí)的過程是需要一定的經(jīng)驗(yàn)的,機(jī)智云擁有這些經(jīng)驗(yàn),所以對于比較常用的場景,只要封裝成開發(fā)者們用起來比較方便的,那么他們的學(xué)習(xí)過程就可以大大縮短,我們也可以提供機(jī)器學(xué)習(xí)的模組給他們。”
“但是,目前學(xué)習(xí)的過程還不能完全自動(dòng)化,但是我們可以提供文檔跟咨詢的技術(shù)支持給他們,雖然訓(xùn)練還沒辦法全自動(dòng),但是可以通過一些最佳實(shí)踐讓你快速的進(jìn)入狀態(tài)。我們的目標(biāo)是未來把這些相對體力活的,體力+腦力活的也可以細(xì)化到像寫APP那么簡單。”黃灼補(bǔ)充道。
就目前來看,“物聯(lián)網(wǎng)的下一站將會是人工智能”這件事已成為了業(yè)內(nèi)很多人的共鳴。對于機(jī)智云來說,一直以來專注于深耕物聯(lián)網(wǎng)領(lǐng)域讓他們對于物聯(lián)網(wǎng)發(fā)展有著很深的見解,在他們看來,數(shù)據(jù)將會是物聯(lián)網(wǎng)發(fā)展的最大核心。對于開發(fā)者而言,數(shù)據(jù)與人工智能的能力很難靠他們自己的力量去解決,而機(jī)智云將這些能力開放出來,自然也為開發(fā)者們帶來了新的機(jī)遇。
好文章,需要你的鼓勵(lì)
浙江大學(xué)團(tuán)隊(duì)提出動(dòng)態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計(jì)算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團(tuán)隊(duì)提出SIRI方法,通過"壓縮-擴(kuò)張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實(shí)驗(yàn)顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時(shí),輸出長度減少46.9%,真正實(shí)現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團(tuán)隊(duì)開發(fā)出Rolling Forcing技術(shù),實(shí)現(xiàn)AI視頻實(shí)時(shí)流式生成的重大突破。該技術(shù)通過滾動(dòng)窗口聯(lián)合去噪、注意力錨點(diǎn)機(jī)制和高效訓(xùn)練算法三項(xiàng)創(chuàng)新,解決了長視頻生成中的錯(cuò)誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團(tuán)隊(duì)發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個(gè)幾何題目的Euclid30K數(shù)據(jù)集,使用強(qiáng)化學(xué)習(xí)方法訓(xùn)練多個(gè)AI模型。實(shí)驗(yàn)結(jié)果顯示,幾何訓(xùn)練在四個(gè)空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達(dá)到49.6%準(zhǔn)確率,超越此前最好成績。這項(xiàng)研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價(jià)值。