• 首页> 科技 > 百度王海峰:软硬协同共推深度学习标准化、自动化、模块化
  • 百度王海峰:软硬协同共推深度学习标准化、自动化、模块化

  • 发布日期:2019-11-11 13:48:10 信息来源:互联网
  • 2019-10-17 21:36

    “深度学习开发和工业应用是一个复杂的系统。百度已经开辟了一个独立开发的飞桨平台。我们期待与软件和硬件领域的各界合作,更好地规范、自动化和模块化深度学习技术,促进工业智能,为更美好的智能时代贡献中国的力量。”10月17日,在百度主办的2019中关村论坛人工智能时代深度学习技术与应用创新论坛上,百度首席技术官兼深度学习技术与应用国家工程实验室主任王海峰表示。

    内部人士表示,深入学习是近年来人工智能发展最快的领域之一。在计算力、数据和算法三驾马车的驱动下,深度学习在语音识别、机器视觉和自然语言处理等经典人工智能问题上取得了长足的进步,人工智能进入了真实的应用场景,并开始发挥其真正的价值。

    在这个论坛上,对常用技术平台和以芯片为代表的计算能力领域的深入研究是国内外学者和企业谈论最多的两个方向,也是大规模工业化深入研究过程中的两个重要基础环节。

    现场,百度ai技术平台系统执行董事、国家工程实验室深度学习技术与应用副主任吴添介绍了百度飞桨平台及其工业实践。在全球开源框架阵列中,飞翼是中国第一个也是唯一一个开源且功能齐全的工业平台。迄今为止,飞桨平台已经为150多万开发人员服务,仅在定制培训平台上就发布了65,000多名企业用户和169,000款机型。此外,吴添还发布了百度大脑人工智能技术成果白皮书,充分展示了百度大脑在过去一年中对行业的技术演变。

    在计算能力的方向上,随着工业智能的不断进步,深度学习模型,尤其是工业级模型的网络结构变得越来越复杂,对大规模深度学习计算的需求激增。以色列理工学院人工智能中心主任阿萨夫·舒斯特(Assaf schuster)从算法层面分享了人工智能高性能计算的前沿基础研究。在硬件领域,专门为人工智能工作负载设计并与软件合作构建的定制高性能芯片和机器一直在大型会议上得到广泛讨论。

    英特尔ai产品组深度学习多芯片性能架构师karthikeyan vaidyanathan介绍了英特尔神经网络训练处理器(nnp-t)。这款与百度合作开发的处理器可以加快大规模分布式训练,人工智能训练比同类产品好10倍。中国智能芯片领域的知名先驱北京中科寒武纪副总裁刘道富分享了寒武纪在智能处理器设计上的独特思维。除了端芯片,wave group ai的首席架构师张青从服务器的角度分享了深度学习计算优化和应用实践。他说,为了提高计算系统的性能和效率,有必要从系统的角度全面考虑培训和推理平台和算法,以及应用场景的共同设计。

    在数据层面,联想研究所人工智能实验室主任施钟超强调了行业知识在行业落地过程中的重要性。施钟超表示,联想人工智能专注于智能物联网、传统it向智能基础设施的转型和工业智能三大方向。在未来,人工智能必须从实际应用中获得需求,将数据、算法和工业知识(知识、经验和过程)结合起来,以创建智能垂直工业解决方案。

    责任:连丽敏

    未经huanqiu.com在万维网上的书面授权,严禁复制版权作品。违者将被追究法律责任。

    福彩快3 福彩快3 快乐十分钟 甘肃十一选五 福建快3投注

    上一篇:10款粤式私房酱汁,配方准确,味道一流
    下一篇:让委员有作为树形象 滨城区政协发挥委员主体作用激发履职活力