|
|
原标题：「深度学习+」阶段来了！百度王海峰：深度学习多维度逐步成熟，翻新发明大有可为
允中 发自 凹非寺
量子位 | 大众号 QbitAI
人工智能的技术翻新和产业开展，进入 “深度学习+”阶段。
人工智能的技术翻新和产业开展，进入 “深度学习+”阶段。
这是来自百度CTO 王海峰的最新判别。
没错，不是得多人已熟知的“人工智能+”或是“智能+”。
而是把规模间接放大到了它们的子集： 深度学习。
有何区分？
相似于此前更早的“互联网+交通”催生打车软件、网上购票改动人们出行的形式，符号的先后两者 毫不是简略的乞降瓜葛，而是需求它们进行 深度融会。
而人工智能技术，在现今被广泛视为第四次工业反动的中心驱能源；因此，作为人工智能症结中心的深度学习该如何做“+”法，咱们无妨以史为鉴，经过前三次科技反动的开展过程来窥其一二。
家喻户晓，每一个次的科技反动都具有一个中心驱能源般的技术存在，它们分别是机械技术、电气技术和信息技术，而其个性即是都拥有很强的通用性。
在三个科技反动步入到“大出产”阶段之际，这些中心技术在扎根行业的同时，相似于作使劲与副作用力，行业自身也在产生着质的变动。
一方面是在这些技术加持下的行业逐渐成为社会根底设施般的存在；另外一方面，跟着这些行业的不停开展，还催生出了更多新技术和新行业。
czpudzr0ba2.jpg
再详细一些，以第二次科技反动的电气技术为例，技术自身从发机电开展到大范围发电、架设电力网络、研制各种输变电装备等，因而乎，电力的产业链便造成了。
展开全文 不止于本身的开展，在电气技术与其余传统迷信做“+”法时，还衍生出了电化学、电物理、电生物学等新的钻研畛域。
由此更进一步地使起初的电子、通讯等新型技术行业得以衰亡。
如斯总结来看，每一个次科技反动，都需求这样一个驱能源般的中心技术做“+”法来完全改动社会的开展。
而站在当今这一时间节点，王海峰则以为，以后范围化的AI大出产未然造成，深度学习从 技术、 生态、 产业等多个维度逐步成熟，人工智能的技术翻新和产业开展，进入 “深度学习+”阶段，让翻新发明大有可为。
王海峰还给出了这样的一个评估：
“深度学习+”是翻新开展新引擎，驱动技术开展和产业增长，让翻新发明大有可为。
“深度学习+”是翻新开展新引擎，驱动技术开展和产业增长，让翻新发明大有可为。
dbeyu5lfuuo.jpg
那末作为国际第一批且深耕深度学习十余载的百度，究竟对“深度学习+”具有的是怎么样的一种思考和了解？
“深度学习+”，要“+”甚么？
区分于前三次科技反动，第四次科技反动所波及的驱能源技术仍是有较大区分的。
由于人工智能自身就是一个具备穿插性的技术，所以它要从一个技术演进成为根底设施，再去影响千行百业，“+”法显得更加首要。
而作为人工智能技术的中心，深度学习也是因循了上述特性。那末“深度学习+”又该如何完成“+”法呢？咱们逐层拆解来看。
首先是 “深度学习+常识”，这是从技术角度登程所给出的一个“+”法。
这里的常识，所指的是凝练了人类意识和革新世界的智慧。
如斯结合之后，机器便再也不是像以往简略地被投喂少量数据来训练学习，而是要把少量常识也融入进来。
一个十分典型且合乎这类“+”法的案例，即是百度自研的产业级常识加强大模型—— 文心 。
pmjuj2otlhx.jpg
如斯做法之下后果，用王海峰的话来讲就是：
常识加强的深度学习，成果更好，效力更高，有更好的可解释性。
常识加强的深度学习，成果更好，效力更高，有更好的可解释性。
换言之，在第一层“+”法加持之下，人工智能技术不只可以凭借海量常识演绎“通才”般的角色，放之各行各业，也是具备“专才”的才能。
而“深度学习+”的第二个维度是从生态角度登程，所要衔接的是 “上上游生态火伴”。
这是由于深度学习要把它的实力发扬到极致，光是靠模型算法层的单打独斗是远远不敷的。
放眼人工智能开展历史，在进步效力这件事上也亦是如斯，单凭算法的加成毕竟具备局限性。
因此，“深度学习+”的第二个“+”法，就是要把芯片、框架、模型及运用都融会进来，一同构成一个深度学习的良性生态。
例如芯片在这个“+”法中承当提供弱小算力的责任，以此来反对纷单一样的深度学习训练、推理；框架则能够比作是操作零碎，闪开发、训练、推理、部署等任务的效力大幅晋升。
多样的模型和开发套件，则闪开发者锦上添花，乃至能够把开发变得开箱即用那末简略；至于良好的运用，就能让深度学习技术与场景融会翻新，减速传统产业转型降级，催生新业态新模式。
至于“+”法的最初一层维度，则是从产业角度登程所提出的 “深度学习+千行百业”。
正所谓“理论是检修真谛的独一规范”，以交通畛域里的智能调度零碎为例，即是“深度学习+交通”的一个理论产物。
在这套零碎的加持之下，现如今的北京、湖南的株洲、长沙，河北保定、重庆永川、广州黄埔等城市，都在开始享用“绿灯自在”的酣畅。
cldap15vbpx.jpg
再如经过“深度学习+制作业”、“深度学习+办事业”、“深度学习+保险业”等精准的产业“+”法，更是让千行百业真正地做到了深度学习所带来的降本增效。
这即是“深度学习+”在做深化融会时所需联合的三大维度。
但之所以说要聚焦这三大维度并不是是空穴来风，实则从寰球科技国内巨头玩家的做法中也是有迹可循。
以“深度学习+常识”为例，如谷歌、Meta、微软等，也正在遵守一条将深度学习技术和常识做融会的门路，各自提出了更具通用性的大模型。
再到“+上上游生态火伴”这层，在TensorFlow、PyTorch等框架的根底之上，互联网起家的科技公司们，不只上探做运用，也在不停往底层追求硬件的适配，以构建全因素深度学习技术根底设施的形式，让深度学习技术的开发变得更为丝滑，也更为低门坎。
然后它们将这些技术保送到了千行百业，培养了大火的ChatGPT、基于diffusion模型的各种绘画AI等。
如斯情景，也就是王海峰所说：
深度学习平台的规范化、自动化和模块化特点愈来愈明显，不停升高人工智能的运用门坎，高效便捷地把人工智能技术保送给千行百业，范围化的AI大出产未然造成。
深度学习平台的规范化、自动化和模块化特点愈来愈明显，不停升高人工智能的运用门坎，高效便捷地把人工智能技术保送给千行百业，范围化的AI大出产未然造成。
这也恰是人工智能的技术翻新和产业开展，进入“深度学习+”阶段面前的缘故了。
“深度学习+”面前：百度已蓄势十余载
不难看出，“深度学习+”其实是行业所向，技术所趋。但为何是百度，率先提出了这一观念？
一方面，百度作为中国AI的头等玩家，有着短缺的技术积攒：
自研深度学习框架平台和大模型贯穿了硬件适配、模型训练、推理部署，到场景运用的全产业链，曾经为人工智能技术翻新和产业增长夯实了智能化基座。
详细来讲，基于多年以上的深度学习技术钻研和产业时间，百度打造了集中心框架、产业级模型库、开发套件、工具组件和办事平台于一体的飞桨深度学习平台。
目前，飞桨平台曾经凝聚535万开发者，办事20万家企事业单位，创立了67万个模型。
在此根底之上，百度文心大模型不只能解决NLP、CV、语音等多模态问题，还能与产业常识深度结合，调优为行业大模型，进一步买通深度学习产业化的门路。
另外一方面，百度在技术上的前瞻性判别，在某种水平上曾经造成“传统”，并已被屡次验证。
好比，在深度学习畛域，百度就是最先躬身入局的中国科技公司之一。
20十二年，在深度学习蒸蒸日上之时，百度便曾经开始着手探究深度学习技术，并于次年在寰球首个成立专一深度学习钻研的深度学习钻研院 （IDL）。
在框架与平台方面，2020年，国际衰亡自研深度学习框架热潮。但早在热度发作的4年前，即2016年，百度就对外开源了PaddlePaddle （百度飞桨）。
按照IDC讲演，截至2021年上半年，TensorFLow、PyTorch以及百度飞桨成为国际最高频使用的开源框架。
2017年，国度发改委还正式批复，由百度牵头筹建深度学习技术及运用国度工程试验室。
这也是业内首个、目前独一的深度学习畛域国度工程试验室 （当初曾经降级为国度工程钻研核心）。
用“深度学习国度队”来描述百度也其实不为过。
值得一提的是，在技术上甘坐冷板凳坚持投入的同时，百度还不停尝试着技术与产业更深度的结合。
这也为“深度学习+”阶段到来之际，引领技术翻新和产业增长奠定了丰硕的产业理论根底。
好比，在交通畛域，百度就帮忙水平国铁电气装备无限公司，基于飞桨研发了一套“轨道在线智能巡检零碎”，完成了对轨道巡检图片的实时检测。
该零碎可同时装置到工程功课车和经营电客车上，可以在不影响电客车正常行驶的状况下，全天候对轨道缺点实行智能判别，目前已在深圳地铁的相干路线上试运转。
板凳甘坐十年冷，也恰是多年的技术蓄势，使得百度在范围化的AI大出产时期，在“深度学习+”降临之际，勇于率先做出判别，并坚韧不拔地朝向这个标的目的，做技术翻新、买通产业门路的先锋。
而从更深远的影响来看，这类技术自立自强的底色，亦将成为我国经济社会高品质增长的助力。
后续如何，且待时间检修。
— 完—
点这里 ?关注我，记得标星哦～
一键三连「分享」、「点赞」和「在看」
科技前沿停顿日日相见 ~ |
|
注册会员