10月21日，第六屆世界互聯(lián)網(wǎng)大會進(jìn)入第二天。下午，以眼下大熱的人工智能為主題的分論壇“人工智能：開啟智能經(jīng)濟(jì)新時(shí)代”，吸引了眾多關(guān)注該領(lǐng)域發(fā)展現(xiàn)狀及未來的聽眾。現(xiàn)場座無虛席，連通道上都擠滿慕名而來的聽眾，堪稱本屆大會的“人氣王”。百度CTO王海峰出席AI論壇并帶來了“一攬子”技術(shù)干貨。
百度是國內(nèi)投入最早、技術(shù)最強(qiáng)、布局最完整的人工智能領(lǐng)軍企業(yè)。作為百度人工智能多年技術(shù)積累和產(chǎn)業(yè)實(shí)踐的集大成，百度大腦實(shí)現(xiàn)了AI算法、計(jì)算架構(gòu)和應(yīng)用場景的融合創(chuàng)新，成為“軟硬一體AI大生產(chǎn)平臺”，以飛槳深度學(xué)習(xí)平臺為基礎(chǔ)底座，以百度智能云為載體，賦能各行各業(yè)的智能化升級。截至目前，百度大腦已開放216項(xiàng)核心AI能力，日調(diào)用量突破1萬億次，開發(fā)者超過150萬，產(chǎn)業(yè)用戶發(fā)布模型超過16.9萬個(gè)。
在演講中，王海峰分享了對人工智能技術(shù)的通用性特征，以及人工智能進(jìn)入工業(yè)大生產(chǎn)階段的思考，介紹了百度大腦作為“軟硬一體AI大生產(chǎn)平臺”的領(lǐng)先技術(shù)能力、飛槳深度學(xué)習(xí)平臺的優(yōu)勢、以及產(chǎn)業(yè)智能化的豐富成果。他表示，以深度學(xué)習(xí)為核心基礎(chǔ)的新一代人工智能技術(shù)，是新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動力量，呈現(xiàn)出標(biāo)準(zhǔn)化、自動化和模塊化的通用性特征，開始進(jìn)入工業(yè)大生產(chǎn)階段，加速各行各業(yè)的智能化進(jìn)程。
以下為王海峰AI論壇演講實(shí)錄：
各位領(lǐng)導(dǎo)、各位專家、各位來賓，大家下午好!
我跟大家分享的題目是《人工智能進(jìn)入工業(yè)大生產(chǎn)階段》，我知道這個(gè)論壇的主題是“人工智能：開啟智能經(jīng)濟(jì)新時(shí)代”，怎么開啟?我的觀點(diǎn)是如果想讓人工智能更快地、更有效地助力經(jīng)濟(jì)的發(fā)展，需要讓人工智能真正像工業(yè)大生產(chǎn)的方式進(jìn)入各行各業(yè)的生產(chǎn)環(huán)節(jié)，進(jìn)而推動整個(gè)生產(chǎn)力的進(jìn)步，也推動社會的進(jìn)步。
為了論述我剛才講的工業(yè)大生產(chǎn)階段，我們先回顧一下人類歷史上已經(jīng)發(fā)生過的幾次工業(yè)革命。我們都知道從200多年以前開始，人類歷史上已經(jīng)發(fā)生了三次工業(yè)革命，分別為人類帶來機(jī)械技術(shù)、電力技術(shù)和信息技術(shù)，而且每一次工業(yè)革命的核心技術(shù)都不限于某一個(gè)行業(yè)，而是廣泛應(yīng)用于各行各業(yè)，應(yīng)用于人類的工業(yè)大生產(chǎn)，進(jìn)而改變了人們的生產(chǎn)方式、生活方式甚至思維方式。
工業(yè)大生產(chǎn)的技術(shù)有非常強(qiáng)的通用性，這些技術(shù)也呈現(xiàn)出一些顯著的特征，比如標(biāo)準(zhǔn)化、自動化和模塊化。所以，我認(rèn)為一個(gè)技術(shù)同時(shí)擁有標(biāo)準(zhǔn)化、自動化和模塊化的特征，可以影響各行各業(yè)，就具備進(jìn)入工業(yè)大生產(chǎn)階段的一些基本前提。
人工智能是新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動力量。百度大腦是百度多年人工智能技術(shù)積累和業(yè)務(wù)實(shí)踐的集大成，我們從2010年左右就開始布局人工智能相關(guān)的各種基礎(chǔ)能力，經(jīng)過多年的積累，在2016年形成初步完善的布局，因而發(fā)布百度大腦1.0。發(fā)展到今年，百度大腦不僅僅有很強(qiáng)的跟AI相關(guān)的各方面“軟”能力，同時(shí)也開始進(jìn)入工業(yè)大生產(chǎn)的階段。一方面，百度大腦更多地在與硬件，比如跟芯片、硬件平臺進(jìn)行結(jié)合，形成軟硬一體的平臺;另一方面，是我之后會提到的關(guān)于這些技術(shù)也逐漸具備了標(biāo)準(zhǔn)化、模塊化、自動化的特征，而且已經(jīng)開始應(yīng)用于各行各業(yè)，顯示出通用性。
百度AI大生產(chǎn)平臺的一些基本架構(gòu)包括基本的算力和數(shù)據(jù)，深度學(xué)習(xí)平臺中的核心框架、工具組件、服務(wù)平臺;上面有各種相對通用的AI能力，比如跟人的視覺、聽覺和感知相關(guān)的計(jì)算機(jī)視覺技術(shù)、語音技術(shù)，同時(shí)也包括跟人的認(rèn)知相關(guān)的自然語言處理、知識圖譜等基礎(chǔ)技術(shù)。在此基礎(chǔ)上，還要有定制的訓(xùn)練平臺，比如面向各種垂直場景的應(yīng)用技術(shù)進(jìn)行定制化的平臺，此外還有適用于多種場景的多端部署能力，包括云上、端上、邊緣上以及各種各樣的設(shè)備上，從而形成AI的解決方案。
我剛才講的第一點(diǎn)就是深度學(xué)習(xí)的平臺，我認(rèn)為深度學(xué)習(xí)框架和平臺是AI時(shí)代的操作系統(tǒng)。一方面，它向下對接硬件、芯片，而且為了達(dá)到更好的效果，芯片是需要針對深度學(xué)習(xí)框架技術(shù)進(jìn)行定制優(yōu)化，從而達(dá)到軟硬一體優(yōu)化的更優(yōu)效果;而向上，深度學(xué)習(xí)框架和平臺承接各種應(yīng)用，它相當(dāng)于處在一個(gè)比較核心的承上啟下位置。所以，我認(rèn)為它是“智能時(shí)代的操作系統(tǒng)”。
百度深度學(xué)習(xí)平臺飛槳經(jīng)過多年打磨，已形成完善布局，包括基礎(chǔ)框架，無論是開發(fā)、訓(xùn)練還是預(yù)測;產(chǎn)業(yè)實(shí)踐打磨的模型庫;端到端的開發(fā)套件、工具組件和服務(wù)平臺。飛槳是一套很龐大的架構(gòu)，其中有幾個(gè)方面是我們認(rèn)為很重要、很領(lǐng)先的技術(shù)，開發(fā)方面具有開發(fā)便捷的深度學(xué)習(xí)框架;訓(xùn)練方面能支持超大規(guī)模深度學(xué)習(xí)模型訓(xùn)練的技術(shù);還有多端多平臺部署的高性能的推理引擎以及產(chǎn)業(yè)級的模型庫。
開發(fā)方面，一方面是組網(wǎng)的編程范式更符合程序員寫程序的習(xí)慣，所以程序員開發(fā)起來非常方便，而且它同時(shí)支持動態(tài)圖和靜態(tài)圖，兼具靈活性和穩(wěn)定性的優(yōu)勢。另一方面，為了更好設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，我們開發(fā)了自動化的網(wǎng)絡(luò)設(shè)計(jì)，現(xiàn)在這種自動設(shè)計(jì)出來的網(wǎng)絡(luò)已經(jīng)超越了人類專家設(shè)計(jì)的網(wǎng)絡(luò)的效果。
而超大規(guī)模的深度學(xué)習(xí)訓(xùn)練技術(shù)已經(jīng)能支持萬億級參數(shù)模型的訓(xùn)練，而且可以做到實(shí)時(shí)更新。訓(xùn)練出模型以后，我們需要部署、應(yīng)用，進(jìn)行各種推理，這時(shí)候涉及到多端多平臺的部署能力，而且為了在各種場景當(dāng)中應(yīng)用得更好，也做了通用架構(gòu)推理速度的優(yōu)化。
有了這些基礎(chǔ)框架，無論是開發(fā)、訓(xùn)練還是推理的能力，在真正應(yīng)用的時(shí)候需要針對各種場景建構(gòu)各種模型。基于此，飛槳也提供了非常全面的官方支持，經(jīng)過產(chǎn)業(yè)驗(yàn)證的工業(yè)級的模型庫，而且這種模型庫一方面在產(chǎn)業(yè)應(yīng)用中得到很多驗(yàn)證，另外一方面也參加了國際標(biāo)準(zhǔn)測試，得到很多領(lǐng)先的結(jié)果。
人工智能技術(shù)有感知、認(rèn)知技術(shù)，包括語音、視覺、語言和知識等，這也是百度大腦具備的核心能力。語音方面，我們今年研發(fā)的SMLTA多級截?cái)嗔魇阶⒁饬δＰ停箿?zhǔn)確率進(jìn)一步提升，而且不僅在正常的比較安靜、標(biāo)準(zhǔn)的環(huán)境下得到很好的識別效果，在嘈雜的環(huán)境或者中英文混讀的情況下也能得到很好的效果。如果大家平時(shí)會用語音輸入，會發(fā)現(xiàn)你只說中文，可能效果很好，但中英文混說的時(shí)候效果就要差很多，這是由于語音識別技術(shù)能力所決定的。但是，我們現(xiàn)在不斷地提升模型，將兩種語言混合在一起仍然能得到比較好的效果。
語音合成方面，如果僅僅能夠讓人聽清楚、聽得明白，這不是特別難的事，但如果聽得很流暢、很舒服而且有不同的音色、風(fēng)格、情感等，難度就大大提升了。我們研發(fā)的語音合成技術(shù)，可以將這些要素分別解耦、分別訓(xùn)練，最后形成統(tǒng)一的聲音。這時(shí)候不僅讓聲音的自然度更好，同時(shí)也可以進(jìn)行各種定制。
如果大家用過地圖的導(dǎo)航，知道一般地圖會提供一些標(biāo)準(zhǔn)的聲音，但你要想用你的孩子、親人、朋友或者用任何其他人的定制的聲音，并不容易實(shí)現(xiàn)。但基于我們現(xiàn)在最新研制的語音合成技術(shù)，任何人只要在百度地圖app上對著手機(jī)說20句話，就可以為你定制模擬說話人聲音的合成音。比如你開車的時(shí)候，就可以用你孩子的聲音幫你導(dǎo)航，快速尋找合適的路線。
視覺技術(shù)領(lǐng)域也包括很多方面，比如人臉關(guān)鍵點(diǎn)的識別等，這可以做3D技術(shù)，比如這是一個(gè)虛擬的主持人。
語言方面，很重要的一點(diǎn)是語義理解，我們研制的持續(xù)學(xué)習(xí)語義理解框架ERNIE，不僅包含深度學(xué)習(xí)技術(shù)，同時(shí)也加入了知識、知識圖譜等，讓ERNIE得到了非常好的效果。
此外，還有交互的技術(shù)，比如說百度的對話式交互平臺已經(jīng)有6萬多個(gè)定制技能，累計(jì)交互已有500多億次。再有是兩種語言之間的翻譯，我們首創(chuàng)語義單元驅(qū)動的上下文感知翻譯模型，而且不僅翻譯準(zhǔn)確，實(shí)時(shí)性更好。
所有百度AI技術(shù)，我們已經(jīng)通過百度大腦開放平臺以及飛槳開源開放平臺全面開放，大家都可以基于這些平臺開發(fā)自己的產(chǎn)品、發(fā)展自己的業(yè)務(wù)。另一方面，我們也依托百度智能云，可以更好地將軟硬一體、包括數(shù)據(jù)、算法、算力結(jié)合起來，共同部署這些AI能力。
當(dāng)然，提到AI，安全方面也非常重要。百度AI安全方面也形成一個(gè)完整的布局，從基礎(chǔ)層到平臺層再到生態(tài)層都有很多布局，大家有興趣可以進(jìn)一步了解。
整體上，百度AI大生產(chǎn)平臺已經(jīng)開放216項(xiàng)能力，每天的調(diào)用量超過萬億次，并有150多萬開發(fā)者和企業(yè)用戶發(fā)布的大量模型。
AI賦能各行各業(yè)，幫助各行各業(yè)進(jìn)入工業(yè)大生產(chǎn)時(shí)代。大家可以看到，不管是工業(yè)、農(nóng)業(yè)、服務(wù)業(yè)各方面都可以受益于AI能力。
謝謝大家!
