
在2019全球人工智能產品應用博覽會主論壇上,百度高級副總裁、深度學習技術及應用國家工程實驗室主任王海峰發表《新一代人工智能技術與應用》主題演講,表示“新一代人工智能技術正在越來越深入地與產業相融合,促進產業智能化。”
王海峰是人工智能技術研究及產業化應用的領軍人物,在國內外學界和工業界享有盛譽。他領導的百度人工智能,布局全面,技術成果業界領先,并逐步在各行各業落地應用,他也由此被評價為“既有前瞻視野,又擅長將人工智能技術與實際應用相結合”的科學家。
王海峰表示,我們正身處以人工智能為核心驅動力量的第四次工業革命浪潮中,國家高度重視,認為人工智能是新一輪科技革命和產業革命的重要驅動力量。美國、歐盟、日本等也在紛紛布局人工智能,從國家戰略層面推動人工智能技術快速發展和應用。
作為國內投入最早、技術最強、布局最完整的領軍AI企業,百度在AI技術領域保持領先優勢,積極建設人工智能開源開放平臺,推動應用落地,促進產業智能化的發展。
在數據、算法和算力三要素的共同作用下,尤其是深度學習的突破,人工智能技術取得巨大進步。
語音識別的準確率不斷提升,在很多場景中已經超過人類。王海峰展示了基于百度語音識別技術的百度輸入法“中英自由說”能力,這是目前唯一實現高精度中英文混合語音輸入的產品。語音合成也取得巨大進展。百度近期上線的并行WaveRNN模型,解決了WaveNet模型需要大量計算資源的問題,合成效果大幅提升,同時能夠滿足在線的實時需求。結合麥克風陣列、低功耗語音芯片、高精度喚醒,以及模型波束等技術,百度領先的語音技術,應用于智能家居、車載設備、手機等,軟硬結合,發揮出越來越大的價值。
計算機視覺技術也越來越實用化,形成適用于不同應用場景的技術矩陣,如圖像檢測、細粒度圖像識別、圖像處理,以及文字識別、人臉/人體識別、人體追蹤、視頻理解、圖像生成等。比如門禁、支付等場景中的“刷臉”技術、愛奇藝等視頻平臺廣泛應用的視頻理解等技術。近期業界熱議的圖像生成技術,可以合成人說話的形象及聲音,“AI虛擬主持人”正是基于這一技術得以登上熒幕。
在認知技術上,百度建立了完整的、包含知識圖譜、語言理解、語言生成等在內的語言和知識技術布局。
王海峰介紹,百度構建了世界上最大的多元異構知識圖譜,在包含數億實體、千億級事實,能夠滿足90%用戶需求的實體圖譜的基礎上,針對不同的應用場景和知識形態建立起關注點圖譜、行業知識圖譜、POI圖譜、事件圖譜等多種知識圖譜,“知識圖譜與深度學習技術相結合,會對人工智能進一步發展產生巨大的推動作用。”
自然語言處理技術也在持續創新突破。如百度近期發布的基于知識增強的ERNIE 模型,通過建模海量數據中的實體概念等先驗語義知識,學習真實世界的語義關系。這種融合知識的語義建模大幅增強了模型的語義表示能力,在包括語言推斷、語義相似度、命名實體識別、情感分析、問答匹配等自然語言處理各類任務上的多個公開中文數據集上,均取得了優于谷歌BERT模型的效果。百度的語言與知識技術已經廣泛應用于機器翻譯、智能搜索、智能寫作等產品中。
綜合領先的人工智能技術,用戶可以體驗到流暢、便捷的多模態交互。用說話的方式搜索想了解的信息,返回的答案準確、直觀,可以聽到和看到。進一步地,融合語音、視覺、知識圖譜和語言理解等技術,人工智能核心技術發展進入“多模態深度語義理解”階段。以基于知識圖譜的視頻語義理解為例,結合知識圖譜,從視頻中抽取結構化語義知識,進行關聯與計算,形成對視頻的結構化理解。
基于完整的技術布局和領先的AI核心技術,百度構建了全體系、功能豐富的人工智能開源開放平臺,包括算法的開源和數據的開放、通用及定制AI能力的開放、硬件開放平臺、端部署平臺、私有化部署平臺等,從而支撐第三方服務和行業應用。其中,深度學習框架,下接芯片、大型計算集群,上承各種業務模型、行業應用,尤為重要,相當于“智能時代的操作系統”。百度打造了國內唯一完整、全套的深度學習平臺PaddlePaddle,通過包括核心框架、工具組件和服務平臺在內的一整套框架和服務,幫助廣大開發者和企業利用工具化、平臺化的方式,進一步降低深度學習應用門檻,推動產業智能化變革。
不同的行業,都在應用人工智能技術提升質量和效率,加速智能化進程。例如,百度地圖基于深度學習技術實現路線規劃和時間預估,方便用戶的出行。深度學習應用于國家重大工程用地的變化情況檢測,輔助政府對土地資源的利用進行有效管理與控制,讓AI技術利國利民。在鋼鐵行業中,基于深度學習預測、大數據分析和圖像識別打造的智能鋼包管理系統,實現了對運轉溫度、壓力等數據的實時采集和分析處理,幫助鋼鐵企業推進鋼包管理的智能化和自動化。
新一代人工智能技術蓬勃發展,已經在逐步變革人們的生產、生活方式,越來越多地與傳統產業相結合,推動產業智能化的持續發展。王海峰表示,百度將持續推動人工智能發揮更大的價值,為促進國家社會經濟發展和各行各業的智能化升級貢獻力量。
聲明:本內容為作者獨立觀點,不代表電源網。本網站原創內容,如需轉載,請注明出處;本網站轉載的內容(文章、圖片、視頻)等資料版權歸原作者所有。如我們采用了您不宜公開的文章或圖片,未能及時和您確認,避免給雙方造成不必要的經濟損失,請電郵聯系我們,以便迅速采取適當處理措施;歡迎投稿,郵箱∶editor@netbroad.com。
微信關注 | ||
![]() |
技術專題 | 更多>> | |
![]() |
技術專題之EMC |
![]() |
技術專題之PCB |