欢迎访问ic37.com |
会员登录 免费注册
发布采购

AI应用落地反馈驱动科技创新,技术创新驱动产业增长

日期:2023-1-12类别: 阅读:1855 (来源:互联网)

今年,百度百度CreateAI开发者大会如期举行。作为百度每年发布的最新技术进展,以开发者为核心,连接全球合作伙伴和科技爱好者的盛会,CreateAI开发者大会采用人机共创模式,与会嘉宾分享了不少AI新发现的技术和产业发展进展。

创新驱动增长,反馈驱动创新

百度CEO在今天的大会上,李彦宏先生分享了。“增长”发展-创新驱动增长,反馈驱动创新。李彦宏说,在过去的一百年里,人均每次都是GDP科技革命带来的爆发式增长,科技创新带动了巨大的增长,“如果让我来判断第四次科技革命的象征,我认为深度学习算法可以带来效率的提高和经济的增长,这比很多人想象的要大。”

技术创新带动了巨大的增长。创新本身是从哪里来的?李彦宏把它总结成反馈来驱动创新。创新不是闭门造车,而是有机会进入市场,不断获得用户和客户的反馈,只有通过反馈过河才能实现。李彦宏以百度昆仑芯片和萝卜快跑为典型案例,说明了反馈带来的强大驱动力。百度昆仑芯片在AI线路性能非常领先,因为它已经优化百度搜索服务10年了。百度的搜索服务可以提供最真实、最及时的反馈,从而迫使大模型深度学习框架和AD8628ARTZ-REEL7芯片优化。萝卜快跑也以世界领先的自动驾驶服务订单数量获得了大量真实的市场和用户反馈,加速了自动驾驶的落地。

李彦宏说,“技术的发展没有导航地图。只有指数针,在方向大致正确的情况下,基于实际反馈,一步一步迭代,才能跑出有价值的创新。”。

针对AI百度的大模型已经成为许多上层应用的技术基础,应用碎片化和开发模式的现状。它可以有效整合自然语言处理、计算机视觉、智能语音等多种模式的能力,也可以结合各种行业和业务场景进行优化,为深度学习技术进入新阶段带来机遇。

针对AI李彦宏表示,在过去的一年里,无论是技术层面,还是商业应用层面,AI所有的方向都发生了变化,这是积极的一面。但是挑战也不小,“数字化改造在实体经济的很多领域还没有完成,但数字化本身并没有带来明显的效率提升,智能化的广泛渗透还需要时间。智能在实际经济中的巨大推动作用尚未成为广泛共识。因此,人工智能的商业化需要在黑暗中探索一段时间。”。

深度学习+,创新发展新引擎

百度首席CTO王海峰博士从四个角度分享了百度在深度学习中的应用和进步。深度学习平台的标准化、自动化和模块化特点日益突出,不断降低人工智能的应用门槛,高效便捷地将人工智能技术租给千行百业。AI大规模生产已形成,人工智能的技术创新和产业发展已进入“深度学习+”阶段。

第一,从技术角度看,“深度学习+”知识是人工智能技术进一步发展的重要方向,使机器能够同时从海量数据和大规模知识中融合学习和知识,增强后的深度学习效果更好,效率更高,解释性更好。以百度开发的文心产业级知识增强模型为例,“深度学习+”具有深度理解和生成跨模胎、跨语言的能力,可以更有效地应用于网络产品,如搜索、信息流、智能音箱等。

上游和下游生态伙伴芯片、框架、模型和应用构成了深度学习的良性生态。芯片层,“深度学习+”支持深度学习训练推理的芯片种类繁多,与深度学习框架软硬相结合,联合优化,性能越来越好,效率越来越高。框架层支持深度学习的便捷开发、高效培训和多平台推理部署,大大提高了深度学习模型的R&D效率。在模型层面,需要跟上行业需求,提供各种训练有素的深度学习模型,让深度学习应用唾手可得。

最后,在应用层面,王海峰博士表示,深度学习技术要与场景融合创新,加快传统产业转型升级,产生新的业态和新的模式,深刻改变人类的生产生活方式和思维模式,实现整体生产力的飞跃。只有形成良性生态,应用需求和反馈才能传递到深度学习技术和应用的每一个环节,加快人工智能技术的创新和产业发展。

多元化AI创新,前沿AI技术应用落地

会议上,许多技术大咖分享了最新的。AI技术应用,如百度搜索新一代核心技术的代表,跨模态大模型“知一”。对于搜索面临的复杂任务,百度融合了多项技术创新,构建了知一,具有跨模式、大规模、高效率三大特点。知一可以了解不同形式的资源,如全网文本、图片、视频、结构化信息等。,并不断学习和收集大量的资源来支持资源,打破资源形式的界限,向用户呈现最满意的搜索结果。这背后既有自主研发的模型压缩和预测优化技术的帮助,也有飞桨平台和百度昆仑芯片的支持。

英特尔中国研究院院长宋继强也在会上分享了他们与百度在数据中心和产品合作方面的进展。针对飞桨的模型和框架,英特尔志强系列CPU已经进行了深度优化。百度的软硬件联合优化ERNIE3.0NLP在英特尔志强可扩展处理器上,大型模型的性能达到了行业计算能力的领先水平。

百度在自动驾驶感知解决方案中提出了车路一体化。UniBEV方案,是自动驾驶与车路协同的重要底层方案。UniBEV主要有三个特点:端到端、多任务、多模式融合感知、车路融合。该方案集成了多路口多传感器在线绘图、动态感知和路试视角下的融合。UniBEV借助大数据增加模型和小技术闭环,车路一体化大模型是创新。AI在驾驶感知方面,技术一次落地。

小结

AI在过去的一年里,发展表现出了积极的一面,技术水平AI从理解内容到自动生成内容,商业层面最具代表性的自动驾驶也加快了落地速度。机遇与挑战并存,李彦宏先生在CreateAI开发者大会的话说,“人工智能的商业化还需要在黑暗中探索一段时间。”。