MENU
媒体资讯

媒体资讯

聚焦之江实验室最新动态及媒体关注热点。

来源: 宣传文化中心  作者: 陈航 王今燕  发布日期:2020-04-29

前沿分享 | 人工智能开源开放平台:智能化时代的AI生产力工具


开源开放,是全球人工智能学界和产业界的共识。Google的TensorFlow,Facebook的PyTorch等深度学习框架通过建立开源社区,构建了强大的人工智能研发和应用生态。近年来,国内各大企业纷纷加大了对开源开放平台的投入,如百度推出了飞桨,旷视开源了天元,标志着中国AI框架从应用驱动向更内核的技术研究进发。本期“前沿分享”邀请到之江实验室副研究员单海军博士,为大家带来关于人工智能开源开放平台的科普解读。


什么是人工智能平台?

在过去60多年的发展史中,人工智能的研究领域不断扩大,与计算机科学、数学、物理学、生物学、逻辑学等学科紧密相连,研究范围包括机器学习、自然语言处理、语音识别、影像分析与理解、智能搜索、知识表示、知识推理与规划等诸多领域。

然而,现有人工智能算法存在问题专用性、场景不通用的问题,即学术界通常说的不鲁棒,泛化能力差。举例来说,不同的视觉任务,需要设计不同的人工智能算法来解决。下图中看似接近的视觉任务,分别代表图像识别/分类、物体识别、图像分割,需要设计三个不同的专属算法去完成识别任务,无法用一个算法同时完成三个任务。我们可以发现,不同场景对于算法有着不同的需求。而人工智能场景具有无限性,这就导致算法的需求量十分庞大。

如果面向无限场景的算法均由人工从头设计和开发,那工作量将十分庞大,效率也十分低下,因此要借助人工智能开源平台。平台是智能化时代的生产力工具,借助于平台提供的基础模块和工具包,能快速推动算法创新与应用落地。

用深度学习框架做开发就类似于搭积木,我们可以把具体模型或算法所对应的组件想象成积木的各种零件,通过组装这些零件就可以快速搭出我们想要的作品。深度学习框架的出现降低了入门的门槛,用户无需从复杂的神经网络开始编代码,可以依据需要,使用已有的组件构建目标AI算法,也可以在已有模型上进行核心模块和组件的修改。

总结来说,深度学习作为当前最行之有效的人工智能解决方案,已成为普适性工具,是新一代人工智能的核心支撑。处于硬件层和应用层之间的深度学习框架,实现对人工智能算法的封装、数据处理以及底层硬件的调度使用,堪称“智能时代的操作系统”。


我们需要什么样的人工智能平台?

以深度学习框架为核心的人工智能平台,是人工智能技术研发和产业化的关键基础设施。

首先,我们需要自主可控、开源开放的人工智能平台。目前,我国尚未形成具有国际影响力的人工智能开源开放平台,最为流行的TensorFlow、PyTorch、MxNet等深度学习框架基本源于国外。根本上发展人工智能,需要建好人工智能基础设施,深度学习框架就是最关键的人工智能基础设施之一,解决过渡依赖国外开源代码的问题,在核心技术上实现自主可控。

其次,我们需要性能更高、更便捷易用的人工智能平台。虽然人工智能技术发展迅速,但技术路线仍未收敛,框架还在衍变。现有开源平台仍存在一些技术缺陷,如分布式计算效率较低,模型编译层面还未形成标准,工程化特性缺失,数据安全和资源共享还存在技术局限性。因此,需要以动态发展的思维,去适应人工智能技术路线和框架的不断发展,打造以性能为核心的人工智能平台,通过开源开放的方式,赋能人工智能技术创新和产业发展。

天枢平台致力于构建四大核心优势:高性能分布式计算框架、高效易用的模型构建方式、先进的AI模型集成和端边云自由部署、智能化协同运行。其中,自研的高性能计算框架具备完整的并行模式、自动编排与执行、高运行效率和强稳定性等特点。

上一条:杭州市市长刘忻调研之江实验室

下一条:之江实验室举行推进建设服务组挂职干部谈心…

该内容仅限
内部人员查看

请登录