百度大腦 3.0 技術(shù)與能力一覽。

7 月 4 日，一年一度的百度 AI 開(kāi)發(fā)者大會(huì)在京如期舉行。

大會(huì)現(xiàn)場(chǎng)，百度不僅分享了公司在 AI技術(shù)、產(chǎn)品與平臺(tái)等方面的研究成果與最新進(jìn)展，還宣布了百度大腦的重磅升級(jí)，3.0 版本正式問(wèn)世。

為此，百度高級(jí)副總裁、AI 技術(shù)平臺(tái)體系(AIG)總負(fù)責(zé)人王海峰親自站臺(tái)對(duì)其展開(kāi)了詳細(xì)的解讀。

 

 

「百度大腦 3.0 可以說(shuō)是百度 AI 技術(shù)的集大成者�！雇鹾７迦缡钦f(shuō)。

眾所周知，百度在 AI 技術(shù)上有著長(zhǎng)期的投入和積累。在回顧百度 AI 技術(shù)的發(fā)展歷程時(shí)，王海峰提到了三個(gè)重要的時(shí)間節(jié)點(diǎn)。

2000 年，也就是十八年前，百度作為一家搜索公司誕生。由于搜索引擎背后除了互聯(lián)網(wǎng)技術(shù)的支持，也離不開(kāi)自然語(yǔ)言處理、信息檢索等 AI 技術(shù)，因此在王海峰看來(lái)，百度從誕生的那一天起就開(kāi)始了 AI 技術(shù)的研發(fā)與應(yīng)用。

而在八年前的 2010 年，百度開(kāi)始全面布局 AI 技術(shù)，先后開(kāi)展了自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、知識(shí)圖譜等 AI 技術(shù)的研發(fā)。

兩年后，百度開(kāi)始著手深度學(xué)習(xí)技術(shù)的研發(fā)與應(yīng)用，并在當(dāng)年的百度圖像語(yǔ)音等應(yīng)用中正式上線。

鑒于深度學(xué)習(xí)技術(shù)在實(shí)際應(yīng)用中的驚艷表現(xiàn)，百度在 2013 年成立了世界上第一個(gè)深度學(xué)習(xí)研究院，同時(shí)將深度學(xué)習(xí)技術(shù)率先應(yīng)用于大規(guī)模線上搜索引擎之中，并于 2015 年上線了基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯系統(tǒng)。

經(jīng)過(guò)了十六年的積累，百度的 AI 技術(shù)日漸成熟。在此基礎(chǔ)上，百度于 2016 年正式發(fā)布百度大腦 1.0，不僅供百度內(nèi)部使用，還向開(kāi)發(fā)者開(kāi)放。

當(dāng)時(shí) 1.0 版本的百度大腦在完成了基礎(chǔ)能力的搭建之后，僅僅實(shí)現(xiàn)了語(yǔ)音、圖像、用戶畫(huà)像和 PaddlePaddle 深度學(xué)習(xí)框架等核心技術(shù)的初步開(kāi)放。

 

 

百度大腦基礎(chǔ)架構(gòu)

而伴隨著時(shí)間的推移，百度大腦也逐漸塑造成型。

去年開(kāi)發(fā)者大會(huì)發(fā)布的百度大腦 2.0 已經(jīng)形成了完整的 AI 技術(shù)體系，向開(kāi)發(fā)者開(kāi)放的能力也超過(guò)了 60 項(xiàng)能力，既有各方面 AI 核心技術(shù)，也有場(chǎng)景化能力及解決方案。

而此次發(fā)布的百度大腦 3.0 在開(kāi)放的能力數(shù)量方面又有了新的提升——已經(jīng)超過(guò) 110 項(xiàng)。

王海峰表示，今早他看到的最新數(shù)字是 117 項(xiàng)。

而在能力數(shù)量增加的同時(shí)，百度的 AI 技術(shù)能力也在不斷增強(qiáng)。王海峰介紹，此次百度大腦 3.0 的最核心技術(shù)，用一句話概括，就是多模態(tài)深度語(yǔ)義理解。

具體而言，就是對(duì)文字、聲音、圖片、視頻等多模態(tài)的數(shù)據(jù)和信息進(jìn)行深層次多維度的語(yǔ)義理解，包括數(shù)據(jù)語(yǔ)義、知識(shí)語(yǔ)義、視覺(jué)語(yǔ)義、語(yǔ)音語(yǔ)義一體化和自然語(yǔ)言語(yǔ)義等多方面的語(yǔ)義理解技術(shù)。

換句話說(shuō)，就是不僅要讓機(jī)器可以聽(tīng)清、看清，還要能夠深入理解其背后的含義，從而更好地支撐各種應(yīng)用。

 

 

百度大腦 3.0 核心技術(shù)——多模態(tài)深度語(yǔ)義理解

在 AI 領(lǐng)域，數(shù)據(jù)的重要性自不用提。無(wú)論是物理世界、人類社會(huì)還是網(wǎng)絡(luò)空間，都充斥著海量的多元、異構(gòu)、多模態(tài)的三元空間大數(shù)據(jù)。

那么如何最大程度發(fā)揮這些數(shù)據(jù)的價(jià)值呢?

這就需要對(duì)數(shù)據(jù)進(jìn)行加工、處理、挖掘和分析，實(shí)現(xiàn)數(shù)據(jù)的語(yǔ)義化進(jìn)而加以利用。

為此，百度通過(guò)統(tǒng)一表征、關(guān)聯(lián)計(jì)算，構(gòu)建包含千億節(jié)點(diǎn)、萬(wàn)億關(guān)系的龐大數(shù)據(jù)語(yǔ)義網(wǎng)絡(luò)，并在此基礎(chǔ)上總結(jié)規(guī)律、提煉知識(shí)，進(jìn)而助力經(jīng)濟(jì)和社會(huì)的發(fā)展。

王海峰舉了一個(gè)新能源充電樁智能運(yùn)維的例子。

結(jié)合百度的大數(shù)據(jù)、深度學(xué)習(xí)等技術(shù)，對(duì)充電樁設(shè)備數(shù)據(jù)進(jìn)行采集、傳輸、存儲(chǔ)、分析，就可以實(shí)現(xiàn)設(shè)備監(jiān)測(cè)、故障診斷、預(yù)測(cè)性維保等，在提升效率的同時(shí)也大幅節(jié)約了成本。

 

 

當(dāng)然，除了數(shù)據(jù)，理解大千世界中的多元知識(shí)也是打磨 AI 技術(shù)中的重要一環(huán)。而要構(gòu)建出詳盡而完備的知識(shí)圖譜卻并非易事，需要巧妙理清繁雜的垂直領(lǐng)域知識(shí)、梳理其中的邏輯。

而在這件事上，百度所投入的資源與人力顯而易見(jiàn)，目前已經(jīng)構(gòu)建了包含數(shù)億實(shí)體、數(shù)千億級(jí)事實(shí)的龐大知識(shí)圖譜。

除了基礎(chǔ)的由實(shí)體、屬性、關(guān)系構(gòu)成的實(shí)體圖譜，百度還針對(duì)不同的應(yīng)用場(chǎng)景和知識(shí)形態(tài)，構(gòu)建了關(guān)注點(diǎn)圖譜、事件圖譜、多媒體圖譜、行業(yè)知識(shí)圖譜等多種圖譜。

「知識(shí)圖譜是人類進(jìn)步的重要階梯�！雇鹾７褰忉尩�，百度所掌握的這些知識(shí)是構(gòu)建百度大腦的重要基礎(chǔ)。

以世界杯相關(guān)的知識(shí)圖譜為例，實(shí)體圖譜可以看到熱門(mén)球隊(duì)、熱門(mén)球星、賽場(chǎng)、賽程和主題歌等信息;關(guān)注點(diǎn)圖譜可以體現(xiàn)用戶對(duì)于 C 羅和梅西的興趣所向;多媒體圖譜則包括圖片、音樂(lè)和視頻;行業(yè)圖譜和事件圖譜覆蓋了足球規(guī)則的各種知識(shí)和近 9 屆世界杯的大事件。

這些不同類型的圖譜通過(guò)關(guān)系關(guān)聯(lián)起來(lái)，也會(huì)延展出新的圖譜，構(gòu)成龐大的多元語(yǔ)義知識(shí)網(wǎng)絡(luò)。

大會(huì)現(xiàn)場(chǎng)，百度還播放了一段世界杯球賽視頻，展示了百度大腦的視覺(jué)語(yǔ)義理解能力。視頻中，系統(tǒng)不僅可以全面識(shí)別視頻中的球員、裁判、球、以及球門(mén)、球場(chǎng)線等人、物和場(chǎng)景，還可以捕捉射門(mén)、進(jìn)球、角球、任意球、換人等事件。

基于這些結(jié)構(gòu)化語(yǔ)義信息，既可以完成機(jī)器人自動(dòng)解說(shuō)，也可以進(jìn)行精彩片段集錦以及各種數(shù)據(jù)統(tǒng)計(jì)分析等。

 

 

百度大腦視覺(jué)語(yǔ)義能力在足球賽事中的展現(xiàn)

而在日常生活場(chǎng)景中，百度大腦的視覺(jué)語(yǔ)義理解能力也能夠發(fā)揮作用。

在無(wú)人超市購(gòu)物場(chǎng)景下，系統(tǒng)可以通過(guò)攝像頭對(duì)超市中的人、貨、場(chǎng)進(jìn)行全方位識(shí)別，然后將圖像信息進(jìn)行時(shí)序化和結(jié)構(gòu)化，讓購(gòu)物機(jī)器人能夠掌握環(huán)境信息進(jìn)而完成自動(dòng)避障并引導(dǎo)顧客行進(jìn)，讓系統(tǒng)得以實(shí)時(shí)掌握顧客取拿的商品。

對(duì)于時(shí)下大熱的無(wú)人零售領(lǐng)域，這項(xiàng)技術(shù)無(wú)疑是一種必不可少的存在。

 

 

百度大腦視覺(jué)語(yǔ)義能力在無(wú)人超市場(chǎng)景中的展現(xiàn)

在為「眼睛」賦予了理解能力后，百度大腦自然不會(huì)放過(guò)人類最重要的交流媒介——語(yǔ)音和語(yǔ)言。

在語(yǔ)音技術(shù)方面，百度大腦在高噪聲環(huán)境 Hand-free 語(yǔ)音識(shí)別準(zhǔn)確率上提升了 10 個(gè)百分點(diǎn)。與此同時(shí)，百度大腦采用語(yǔ)音語(yǔ)義一體化技術(shù)使得遠(yuǎn)場(chǎng)語(yǔ)音識(shí)別準(zhǔn)確率也提升了 10 個(gè)百分點(diǎn)。

而為了讓整個(gè)對(duì)話過(guò)程更加自然，百度大腦在語(yǔ)音的合成上采用拼接了 WaveNet+的情感語(yǔ)音合成技術(shù)，如此一來(lái)，既可以使得交互的流暢度大幅提升，又避免了計(jì)算量過(guò)大的問(wèn)題。

目前，新版百度地圖中的小度語(yǔ)音助手已經(jīng)可以理解復(fù)雜的語(yǔ)義請(qǐng)求，面對(duì)「我要從三里屯的團(tuán)結(jié)湖地鐵站出發(fā)、路過(guò)望京家樂(lè)福、然后再去南鑼鼓巷最后到我家，要紅綠燈少的、不堵車的最快路徑」這樣的請(qǐng)求也絲毫不懼。

王海峰介紹，在對(duì)話理解上，百度研發(fā)了最新的深層注意力匹配模型并將其引入到系統(tǒng)之中，比已知的最好結(jié)果提升了 4.1%。從優(yōu)化前后的結(jié)果來(lái)看，引入這種模型的對(duì)話交互的確更加自然。

 

 

而在閱讀理解上，百度大腦已經(jīng)閱讀了千億量級(jí)的文章，相當(dāng)于 6 萬(wàn)個(gè)中國(guó)國(guó)家圖書(shū)館的藏書(shū)，積累了億級(jí)實(shí)體、千億事實(shí)的知識(shí)。

以葡萄牙和西班牙的比賽為例，通過(guò)閱讀網(wǎng)上大量相關(guān)新聞，百度大腦不僅了解比賽的事件與主題，還能與用戶進(jìn)行問(wèn)答及推薦互動(dòng)。可以發(fā)現(xiàn)，通過(guò)持續(xù)獲取和積累知識(shí)，百度大腦的智能水平得到了顯著提升。

 

 

而在百度大腦各項(xiàng)技術(shù)與能力升級(jí)的背后，是百度在底層技術(shù)上的不斷打磨與迭代，也離不開(kāi)深度學(xué)習(xí)框架 PaddlePaddle 的支持。

 

 

2012 年，百度開(kāi)始深度學(xué)習(xí)技術(shù)的研發(fā)，并從 2013 年自主研發(fā)深度學(xué)習(xí)平臺(tái)，并讓其服務(wù)于百度的多項(xiàng)核心業(yè)務(wù)。

在 2016 年 9 月，百度對(duì)外發(fā)布了自己的深度學(xué)習(xí)框架 PaddlePaddle。一年后，百度發(fā)布新一代深度學(xué)習(xí)框架 PaddlePaddle Fluid。

而今，百度的深度學(xué)習(xí)框架再次實(shí)現(xiàn)升級(jí)。王海峰在大會(huì)現(xiàn)場(chǎng)發(fā)布了最新版本——PaddlePaddle 3.0。

據(jù)王海峰介紹，PaddlePaddle3.0 核心框架還包括三個(gè)重要平臺(tái)，分別為快速應(yīng)用平臺(tái) EasyDL、網(wǎng)絡(luò)結(jié)構(gòu)自動(dòng)化設(shè)計(jì) AutoDL 以及在線實(shí)訓(xùn)平臺(tái) AI Studio。

 

 

其中，EasyDL 平臺(tái)可以讓零基礎(chǔ)開(kāi)發(fā)者迅速定制自己的應(yīng)用，大幅降低了人們進(jìn)入 AI 領(lǐng)域的門(mén)檻。

 

 

EasyDL 在制造業(yè)鍵盤(pán)組裝合格性檢測(cè)上的能力

而對(duì)于那些有基礎(chǔ)的開(kāi)發(fā)者來(lái)說(shuō)，設(shè)計(jì)深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)是一項(xiàng)相對(duì)耗時(shí)耗力的工作，AutoDL 的存在就是致力于幫助開(kāi)發(fā)者節(jié)省設(shè)計(jì)深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)的時(shí)間。

 

 

人工設(shè)計(jì)的網(wǎng)絡(luò)結(jié)構(gòu)與 AutoDL 網(wǎng)絡(luò)設(shè)計(jì)效果比對(duì)

「我們不止是把核心算法做了升級(jí)，同時(shí)在服務(wù)器端以及移動(dòng)端都有各自相應(yīng)的服務(wù)可以支持各種場(chǎng)景的應(yīng)用�！雇鹾７逖a(bǔ)充道。

在談到深度學(xué)習(xí)框架與 AI 生態(tài)的關(guān)系時(shí)，王海峰認(rèn)為深度學(xué)習(xí)框架可以類比為 AI 的操作系統(tǒng)，向下可以與 AI 芯片結(jié)合。

要知道，AI 芯片在對(duì) AI 模型的計(jì)算進(jìn)行專門(mén)優(yōu)化后，性能會(huì)有很大的提升。從這個(gè)角度出發(fā)，王海峰表示深度學(xué)習(xí)框架相當(dāng)于 AI 芯片的指令集。

值得一提的是，此次大會(huì)百度還發(fā)布了一款云端全功能 AI 芯片「昆侖」，主打高性能、高性價(jià)比、易用三大特點(diǎn)。百度表示，其運(yùn)算能力比最新基于 FPGA 的 AI 加速器，性能提升了近 30 倍。

當(dāng)然，沒(méi)有經(jīng)過(guò)真實(shí)場(chǎng)景使用的技術(shù)都是紙上談兵，實(shí)踐與應(yīng)用才是培育技術(shù)最佳土壤。王海峰透露，目前百度大腦每天的調(diào)用次數(shù)已經(jīng)超過(guò)了 4090 億次，調(diào)用的人既有 AI 工程師，也有零 AI 基礎(chǔ)的初入門(mén)者，還有來(lái)自各行各業(yè)希望用 AI 創(chuàng)新業(yè)務(wù)、為業(yè)務(wù)轉(zhuǎn)型升級(jí)的企業(yè)。

不難想象，這些龐大的開(kāi)發(fā)者群將成為百度大腦迭代更新路上的最大助力。

「估計(jì)明年我們?cè)僬驹谶@里的時(shí)候就需要更大的屏幕來(lái)展示百度大腦開(kāi)放給開(kāi)發(fā)者的能力了。」王海峰總結(jié)說(shuō)，「我們更希望我們的能力可以幫助開(kāi)發(fā)者獲得屬于自己的成功，這也是我們最大的心愿�！�

 

標(biāo)簽： 大數(shù)據(jù) 服務(wù)器 服務(wù)器端 互聯(lián)網(wǎng) 互聯(lián)網(wǎng)技術(shù) 開(kāi)發(fā)者 媒體 搜索 搜索引擎 網(wǎng)絡(luò) 轉(zhuǎn)型

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。