
CNET科技行者 9月6日 上海消息(文/周雅):人工智能價值的“礦山”已經(jīng)吸引了全球的鐵鍬,當然也包括數(shù)字化轉型的企業(yè)。
“然而人工智能的研究和應用,至今更多地分散在單點技術上,還無法滿足眾多企業(yè),特別是大中型企業(yè)的供應鏈、制造、經(jīng)營管理等復雜生產(chǎn)系統(tǒng)的需求。”在HUAWEI CONNECT 2017的第一天,華為Cloud BU總裁兼IT產(chǎn)品線總裁鄭葉來一句話道出企業(yè)AI的難點。
此話有跡可循。畢竟一個技術的成功,要想實現(xiàn)立竿見影的效果,核心少不了其商業(yè)應用落地——人工智能,某種程度上改變了60逾年來介于科學與工程學之間的尷尬地位,如今在應用層面實現(xiàn)了爆發(fā),包括機器人、無人駕駛、醫(yī)療、教育等,未來的人工智能顯然無孔不入。
這同時意味著,企業(yè)要想在AI時代創(chuàng)造更多價值,則必須將那些分散的單點技術集成起來,聚沙成塔,再以云服務的形式,將人工智能技術綜合運用到復雜的企業(yè)場景中,創(chuàng)造商業(yè)價值。這也是企業(yè)在人工智能時代核心競爭力的表現(xiàn)。
要實現(xiàn)這些對于企業(yè)來說,挑戰(zhàn)頗大?,F(xiàn)在,華為發(fā)布了“企業(yè)智能(EI,Enterprise Intelligence)平臺”,平臺有AI技術架構,有云服務,企業(yè)可以專注于自己的業(yè)務。“華為云定位于智能社會的使能者,聚合人工智能、物聯(lián)網(wǎng)、計算和存儲等基礎能力,提供創(chuàng)新的企業(yè)智能云服務 ,讓算力釋放算法之美。”鄭葉來說道。
平臺的底層,是異構計算平臺,上層搭載了三類企業(yè)智能云服務——基礎平臺服務、通用服務、場景解決方案。
華為“企業(yè)智能(EI)平臺“架構
· 基礎平臺服務:包括機器學習、深度學習、圖計算,以及AI訓練、推理、檢索平臺等。
· 通用服務:包括視覺、語音、自然語言等領域API服務。
· 場景解決方案:面向行業(yè),與合作伙伴共同打造基于AI和云計算、物聯(lián)網(wǎng)等技術的場景解決方案。
· 異構計算平臺:華為憑借積累多年的系統(tǒng)工程、芯片、硬件、基礎軟件等基礎研發(fā)能力,使能上述三類智能服務,讓算力釋放算法之美。
當然EI并非紙上談兵,而是已經(jīng)落地了一系列的應用場景:智能物流方面,華為對自身全球供應鏈進行端到端流程優(yōu)化,打通從供貨預測到物流、倉儲到報關、運輸、簽收等各個環(huán)節(jié),實現(xiàn)物流的智能化轉型;
還有智能裝箱,根據(jù)物品特征提供最佳裝箱方案,而且做到集裝箱3D仿真可視,整體利用率提升6%;
報關環(huán)節(jié),將EI應用于海關遵從度分析,根據(jù)歷史數(shù)據(jù)和匯率變化等,發(fā)現(xiàn)海關數(shù)據(jù)異常提前預警,實現(xiàn)報關一次通過,減少企業(yè)的貨物積壓風險;
在倉儲環(huán)節(jié),應用EI實現(xiàn)智能倉儲,例如設計最佳貨物擺放分類、優(yōu)化提貨路徑和倉儲空間,將華為的倉儲運作效率提升10%。
再以健康醫(yī)療保險理賠為例。中國太保集團首席數(shù)字官楊曉靈介紹,通過引進OCR圖像識別技術,客戶將就醫(yī)發(fā)票通過手機拍照上傳,后臺算法自動識別發(fā)票照片,自動生成結構化理算文本,并支持后續(xù)賠款支付處理。整套流程,可降低理賠人工作業(yè)成本50%以上。中國太保集團希望與華為在圖像識別和深度學習能力領域加強合作,為保險行業(yè)的客戶資源和應用場景提供解決方案。
深圳市交警局科技處李強處長介紹了深圳與華為聯(lián)合打造的智慧交通解決方案。由人工智能平臺預篩選違章圖片,可提升約10倍的篩選效率,鄭葉來打趣道,該解決方案的自動識別交通違章行為功能,甚至可以識別出駕駛員和乘客是否系上安全帶。該方案獲得了中國道路交通安全協(xié)會頒發(fā)的“2017年度道路交通安全創(chuàng)新產(chǎn)品獎”。
作為華為伙伴公有云之一,Orange Business Services的CEO Thierry Bonhomme 分享了Orange在云服務領域取得的最新進展。在歐洲核子研究中心( CERN ),華為與德國電信合作提供的公有云服務支撐了全球頂尖科學家的研究工作;依托華為提供的上千臺高性能計算節(jié)點的支撐,CERN的大型強子對撞機碰撞(LHC)實驗項目的總體運維成本降低2/3,上線周期由90天縮短為15天。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調整內部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。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。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質量視頻,延遲僅0.76秒,質量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。
關注科技創(chuàng)新、技術投資。
以文會友,左手硬核科技,右手浪漫主義。