“深度学习正在推动人工智能进入工业大生产阶段。深度学习框架是智能时代的操作系统。”4月23日,百度高级副总裁、深度学习技术及应用国家工程实验室主任王海峰在首届WAVE SUMMIT 2019深度学习开发者峰会上表示。在这场汇聚了人工智能专家、深度学习开发者的盛会上,王海峰发表主旨演讲,结合对工业革命和人工智能发展的思考,指出深度学习的通用性特点,以及深度学习框架及平台的发展,正在推动人工智能标准化、自动化和模块化,进入工业大生产阶段。
驱动工业革命的核心技术,表现出很强的通用性特点:标准化、自动化、模块化
自18世纪60年代起,人类经历的三次工业革命,分别以机械技术、电气技术和信息技术为核心驱动力。王海峰认为,驱动工业革命的核心技术都表现出很强的通用性,而每一次工业革命到达高潮时,驱动它的核心技术就进入工业大生产阶段,呈现出标准化、自动化、模块化的特点。当今,我们正身处人工智能为核心驱动力量的第四次工业革命浪潮之中,人工智能正将人类社会带入智能时代。
人工智能发展代表性的三个阶段:人工规则、机器学习、深度学习
人工智能至今已经经历了60多年的发展,人工规则、机器学习和深度学习是具有代表性的三个阶段。王海峰分别以语音、视觉、自然语言处理等人工智能核心技术为例,阐述了这三个阶段不同的特点。
人工规则阶段,规则系统主要依赖专家知识,需要很多专家人工编写规则,耗时耗力,而且领域迁移性很差;机器学习阶段,可以从数据里自动学习、训练模型,自动在预测或解码阶段找到所需的答案,但也存在模型多、单个模型效果无法迁移到其它任务或场景的问题。近几年,深度学习的出现带来了很多深刻的变化,尤其是它的通用性优势,让人工智能可以在各行各业中应用,解决各种各样的问题,并已取得了很好的效果。
深度学习框架是智能时代的操作系统
王海峰对深度学习框架的重要价值进行了详细阐释。他认为,在智能时代,深度学习框架起到了承上启下的作用,下接芯片、大型计算机系统,上承各种业务模型、行业应用。因此,它是“智能时代的操作系统”。
以百度PaddlePaddle为例,作为国内唯一完整、全套的深度学习平台,PaddlePaddle包括核心框架、 工具 组件和服务平台三大部分。在核心框架层面,它可以提供开发、训练和预测一整套的技术能力;在此之上,又提供了包括视觉、自然语言等在内的丰富模型,形成完整的模型库,通过模块化的方式提供给使用者。除此以外,适应工业大生产阶段的“标准化、自动化和模块化”,PaddlePaddle还提供了包括迁移学习、强化学习、自动化网络结构设计、训练可视化工具、弹性深度学习计算等在内的工具组件。而在服务平台层面,PaddlePaddle则提供了零基础定制化训练和服务平台EasyDL和一站式开发平台AI Studio。这一整套的框架和服务,可以帮助广大开发者和企业利用工具化、平台化的方式,进一步降低深度学习应用门槛,加速推动产业智能化变革。
现场,王海峰以百度地图时间预估和国家重大工程用地的变化情况检测为例,介绍了深度学习如何在不同场景中应用,解决实际问题。在百度地图中采用基于深度学习技术进行时间预估,可准确预测从出发地到目的地真正需要花费的路线和时间,每天为用户提供约5亿次时间预估服务。百度PaddlePaddle基于遥感影像数据,研究高精度、高自动化的目标地物检测、土地覆盖和土地利用分类方法,辅助国家进行重大工程用地扩张与变化情况的监测工作,并对土地资源的利用进行有效管理与控制,是真正地用AI技术利国利民。
无论从历次工业革命的变迁,还是从人工智能的发展,以及深度学习在近些年的发展突破、加速与产业融合的态势,深度学习已经具备了很强的通用性,推动智能时代的核心技术标准化、自动化、模块化,持续提升各行各业的商业增值潜力,加速产业智能化。王海峰表示,“深度学习推动人工智能进入工业大生产阶段。深度学习框架是智能时代的操作系统”。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- Unity 人工智能挑战赛 全面启动,打破人工智能研究瓶颈
- 人工智能与智能运维
- 程序员如何学习人工智能?2019年人工智能的薪资前景如何?
- 人工智能会取代人工翻译吗?
- 腾讯发布人工智能辅助翻译 致敬人工翻译
- 忽略这一点,人工智能变人工智障的!
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
机器学习及其应用2007
周志华 编 / 清华大学 / 2007-10 / 37.00元
机器学习是人工智能的一个核心研究领域,也是近年来计算机科学中最活跃的研究分支之一。目前,机器学习技术不仅在计算机科学的众多领域中大显身手,还成为一些交叉学科的重要支撑技术。本书邀请相关领域的专家撰文,以综述的形式介绍机器学习中一些领域的研究进展。全书共分13章,内容涉及高维数据降维、特征选择、支持向量机、聚类、强化学习、半监督学习、复杂网络、异构数据、商空间、距离度量以及机器学习在自然语言处理中的......一起来看看 《机器学习及其应用2007》 这本书的介绍吧!