科技行者 8月28日 北京消息(文/孫封蕾): 今天,在AICC2019人工智能計算大會上,百度與浪潮宣布在人工智能領(lǐng)域達(dá)成合作,雙方將共建百度飛槳(PaddlePaddle)與浪潮AIStation聯(lián)合方案。本次合作,將讓深度學(xué)習(xí)開發(fā)者可以更便捷、高效地在浪潮AI服務(wù)器上應(yīng)用飛槳的深度學(xué)習(xí)能力。在此基礎(chǔ)上,雙方將攜手創(chuàng)建一個開放全新的生態(tài),賦能產(chǎn)業(yè)開發(fā)者,推進(jìn)產(chǎn)業(yè)智能化進(jìn)程。
據(jù)悉,當(dāng)前,飛槳的PaddleHub、AutoDL Design、PARL三大工具模塊,及包括ERNIE持續(xù)學(xué)習(xí)語義理解框架在內(nèi)的160+個有優(yōu)勢性能的預(yù)訓(xùn)練模型,已經(jīng)整合在浪潮AIStation平臺上,開發(fā)者可同時享有敏捷高效的AI計算資源管理部署和專業(yè)AI框架優(yōu)化服務(wù)。
百度飛槳是國內(nèi)唯一功能完備的端到端開源深度學(xué)習(xí)平臺,集深度學(xué)習(xí)訓(xùn)練和預(yù)測框架、模型庫、工具組件和服務(wù)平臺為一體,擁有兼顧靈活性和高性能的開發(fā)機制、工業(yè)級應(yīng)用效果的模型、超大規(guī)模并行深度學(xué)習(xí)能力、推理引擎一體化設(shè)計及系統(tǒng)化服務(wù)等優(yōu)勢,致力于讓深度學(xué)習(xí)技術(shù)的創(chuàng)新與應(yīng)用更簡單。
AIStation則是浪潮面向AI企業(yè)訓(xùn)練場景的人工智能PaaS平臺,可實現(xiàn)容器化部署、可視化開發(fā)、集中化管理等,為用戶提供極致高性能的AI計算資源,實現(xiàn)高效的計算力支撐、精準(zhǔn)的資源管理和調(diào)度、敏捷的數(shù)據(jù)整合及加速、流程化的AI場景及業(yè)務(wù)整合,有效打通開發(fā)環(huán)境、計算資源與數(shù)據(jù)資源,提升開發(fā)效率。
自開源以來,百度飛槳持續(xù)進(jìn)化升級。今年7月初發(fā)布的飛槳+華為麒麟NPU合作,打通了深度學(xué)習(xí)框架與芯片,通過“硬軟結(jié)合”的方式,為中國產(chǎn)業(yè)開發(fā)者最大限度釋放深度學(xué)習(xí)能力。
今天發(fā)布的與浪潮AIStation的聯(lián)合方案,將幫助完善百度飛槳在服務(wù)器側(cè)的戰(zhàn)略布局,進(jìn)一步釋放深度學(xué)習(xí)在AI 服務(wù)器端的能力。至此,飛槳在端側(cè)、云側(cè)實現(xiàn)了全方位、立體式的覆蓋。
好文章,需要你的鼓勵
浙江大學(xué)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(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)研究團隊提出SIRI方法,通過"壓縮-擴張"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。實驗顯示,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,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(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)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(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)研究團隊發(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個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(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空間智能的重要價值。