欢迎来到伟德国际官网机电网    [ 请登录 ]  [ 会员注册 ]

返回首页|English|设为首页|加入收藏|

技术视角下的智能变革|2019中关村论坛深度学习平行论坛
作者: 佚名 时间:2019-10-21文章来源:央广网访问量:852

10月17日下午,由百度主办的2019年中关村论坛· ai时代的深度学习技术与应用创新论坛在北京举行。围绕“深度学习的技术趋势及应用落地”,来自海内外的学界产业界大拿进行了深入对谈。

当下深度学习正身处于至关重要的历史时期。技术趋向成熟,应用换挡提速,深度学习在今天这个特殊时点,技术领域有哪些前沿发展方向?深度学习技术在伟德国际官网的发展和应用有什么特色?深度学习产业化处在怎样阶段?框架,以及芯片与框架结合的技术探索又对行业应用有怎样的意义?还有众多问题仍待探讨。

本次ai时代的深度学习技术与应用创新论坛上,百度邀请了中科院自动化所模式识别国家重点实验室研究员,博士生导师,人工智能与先进计算联合实验室主任程健、联想研究院人工智能实验室总监师忠超、百度机器人与自动驾驶实验室主任杨睿刚、北京航空航天大学计算机学院副教授、博士生导师刘祥龙、英特尔ai产品集团深度学习多芯片性能架构师karthikeyan vaidyanathan五位来自海内外学界、产业界的专家学者共同讨论了这些议题,百度深度学习技术平台部总监马艳军担任主持。

以下为圆桌论坛对话实录:

马艳军(主持人):大家知道,人工智能的发展中技术非常关键。而这一次人工智能浪潮的核心基础是深度学习技术。深度学习技术的发展和突破,使得人工智能切实成为驱动各行各业创新升级的科技力量,已经在变革我们生产和生活的方方面面。同时,深度学习技术的研发和产业化应用过程中也依然面临诸多挑战。我们首先请来自学术界的几位老师介绍一下他们对于深度学习技术前沿发展方向的判断,接下来深度学习发展前沿的技术有哪些?还有哪些新的增长潜力?

程健:今天下午很多嘉宾都讲了深度学习的方方面面,包括芯片、框架、计算集群等等方面。我觉得从学术的角度来讲,其实深度学习还远没有到这个峰值和瓶颈,还有很多问题需要解决。如数据方面,互联网上数据比较容易获取,怎么把它进行标注。而如医疗领域,可能很多数据不容易获取甚至很多数据不多,能否在小数据上面做深度学习的训练?

此外,深度学习里面可解释性的问题也是很重要的方向。特别像医疗这样一些比较谨慎的领域里面,我们可能不仅仅是要求高精度,而是希望万无一失,或者即使有失败的案例,我们要知道它为什么失败。

另外,随着现在整个深度学习、人工智能开始从云端往下走,走到终端,甚至再进一步走到物联网,在边缘端去做计算特别是做深度学习的计算,可能跟云端有很大的不一样。云端要求的就是更高、更大、更强,反正这个模型有多大都行,边缘端我们希望它更小一点,计算功耗更小一点。未来一些年,怎么压缩,能够稀疏化,做得更好,更小,更紧致,同时计算性能相对比较强,可能是研究的方向。

刘祥龙:我特别同意程老师的看法,人工智能产业这么大,国内各行各业都在用人工智能产品,它的安全性怎么保证?跟可解释性有关系。现在的深度学习方法很难解释为什么能够识别一个人,识别一个物体,是通过什么特征什么规则去识别的,解释不了就可能导致对样本仅仅做一些微小的扰动,却会得到不可预期的预测结果。这说明深度学习还有很多工作需要做,包括怎么把逻辑推理引进来,怎么把可解释性引进来,甚至怎么像传统软件一样做形式化的验证。

另外一个是效率的问题,这个效率不仅仅是开发效率、训练效率、推理效率,还有部署、维护效率。尤其现在芯片架构特别多,算法怎么快速适配到硬件环境上去?现在开发、部署的门槛很高、周期很长,需要一套软硬件一体化的开发环境,能够快速地执行编译、部署,能够适应不同的架构。当然,打通这些平台和硬件需要制定一套标准。

杨睿刚:安全问题是在应用过程当中不断攻防、持续进步的过程,怎么提高安全性和可解释性是目前业界和产业界关注的工作,可以把深度学习和一些传统的方法结合起来达到更好的效果。当然这些技术也是在不断应用的过程中不断突破、持续进步的。

马艳军(主持人):刚才几位嘉宾分别从技术前沿的角度讨论深度学习技术的发展,大家其实比较有共识的。接下来进入到下一个问题,就是技术在持续进步,并有了广泛应用,在真正的产业化落地的过程当中,还有哪些关键的问题需要持续解决?现在深度学习的产业化大致处在一个什么样的阶段?

师忠超:实际上刚才谈到可解释性,两位嘉宾也有提到这是一个研究的热门课题。在产业应用里面,我们在设计系统的时候也已经考虑这个问题了。比如在智能制造的服务备件预测工作中,我们遇到了这样实际的案例。我们发现在印度实际使用系统的时候,实际结果和预测模型输出有些不同。后来经过分析发现,在一个时期内配件需求增多的原因是,在雨季潮湿的天气会导致电脑更容易出现故障,这时就会有更多的对备件的需求。所以我们在做备件预测的时候就加了天气等的影响因素,对预测结果就有了很好的改进。

回到马总的问题,我从几个点来谈:

第一我认为我们不能有了某个技术就找一个应用场景,不能拿着锤子找钉子,看到哪里有钉子去敲一敲,这样做是不对的。我们要和业务专家一起,找到怎么样能把业务价值最大化的落地点。第二现在端侧的机会也越来越多,我们需要把算法迁移到端侧,要模型的准确率高、尺寸更小,而且低功耗。同时从深度学习的框架到整个研究社区,也要形成一个应用端的生态环境。第三是怎么样把传统的方法和现在深度学习的方法相结合,推出更好的解决方案,也需要进一步研究。

karthikeyan vaidyanathan:产业应用过程中,深度学习框架的发展是非常好的,现在的框架就像一座桥梁,架起了模型开发人员和平台使用者,而他们对这些框架也有一些不同的要求。给大家举一个例子,一位来自马里兰州大学的教授讲到视频分析等等,比如识别视频当中这个人的情绪如何,他可能关心的问题在于精度,并不只关注性能,所以他们的要求是不一样的。而在一些社交网络的层面,当我们在进行标记图像的时候,它会进入到数据中心。我们能够基于此提升这些神经网络的精度。从一个理想的层面来说,框架能够帮助我们提升生产效率,同时另外一个方面,也能够帮助我们进一步改进最基本的框架。我们需要关切的问题包括怎么样通过这些神经网络使得我获得所需要的准确答案。所以更多的模型可能并不只适合某一种芯片,但是对于一个数据科学家而言,他可能不需要担心这个问题,因为我们提供的是这种不同层级的抽象化。

马艳军(主持人):刚才karthikeyan直接提到了产业应用过程中深度学习框架发挥的作用,师总也提到了深度学习框架发挥的一个底层的作用。深度学习框架在产业里面扮演一个什么样的角色?

杨睿刚:我刚才听到各位嘉宾在前面说的,我觉得里面有一个共性的东西,就是定制化,有很多不同的应用,每一个应用都有不同的对精度、算力和时效的需求,所以定制化是深度学习的一个重要特点。从定制化角度来说,目前有很多深度学习的框架,有些是开放能力,有些是开源加上开放。如果说从定制化的角度上来说,显然开源的框架会比开放的框架定制化能力更强。

另外,现在深度学习有各种各样的应用,但是会发现很多用户对技术对深度学习的了解是非常低的,为了让产业用起来足够简单好用,很重要的一点就是客户的服务。王婆卖瓜,自卖自夸一下,我觉得飞桨这个平台做得不错,不管是开源上来说,还是客户的服务上来说,这个是非常有伟德国际官网特色的。实际上做任何一个应用是一整套很长的链条,从刚开始的需求到实现,到最后的客户服务。大家说end to end的training,在使用的时候,实际上我们需要找一个end to end的solution。

马艳军(主持人):最后这个话题是芯片与框架之间的关系,这个其实一个比较大的命题。不管是从学术界还是产业界,相信大家对这个东西都有比较多的想法和认知。我们请程老师再聊聊这个话题,芯片和框架能力的持续发展,这个对于我们国家整个的发展有怎么样的价值?

程健:刚才主持人提到框架和芯片之间的关系,尤其是针对现在ai专用的芯片来说,跟框架应该是结合得非常紧密的。我们知道框架里面几个最重要的因素,一个是它的表示,现在我们基本上用向量的表示方式,还有计算图等等,这些实际上和ai专用芯片里面很多指令集、基础算子、加速度等等都是紧密关联在一起的。其实都不仅仅是现在的芯片,包括我们以芯片为基础做出来的计算集群里面的各种优化库、加速库、并行库等等,都跟这个框架是紧密关联的。所以从这个角度来讲,我认为现在整个深度学习的框架和芯片,或者是ai芯片,应该说是一体的。

刚才海峰总也提到过这个问题,他认为框架称之为人工智能的操作系统,我觉得这个一点都不为过。如果从这个角度来讲,框架是操作系统,以框架为中心,结合硬件、模型库、各种应用,就会形成一整套ai的生态。这个生态里面,框架是这里面生态的核心。

在今天来谈这个问题尤其是中美贸易摩擦的时期,刚才都提到开源,我觉得开源应该是安全的,可能现有的开源是安全的,但是也有很多不见得就那么安全。对于我们国家来说,整个上下游产业链这么丰富,这么完善,我们需要有自己的一个东西。特别是我们在座的,有企业界的,有学术界的,我们有这种义务,有这种责任,把这个东西做好,做出有我们自己特色的,更加安全、可靠、可控的生态,这是我对这个框架和芯片的一个理解。

karthikeyan vaidyanathan:就像我前面已经给大家介绍过的,不同芯片的能力是不一样的,不同的延迟,不同的带宽,不同的存储量等,但是问题在于,对于框架而言,如果不能够解决这个底层的问题就不能够利用芯片的最高能力。给大家举一个例子,我们有非常多不同的方式去解决问题。比如我们在进行训练的时候,管道的并行化或者是模型的并行化,每一个方式都有自己的优势。对于模型本身的问题可能是很大的,不能与芯片进行兼容,可能需要分布式的方式,再要找到一种方式,帮助更好的实现模型的并行化。两者是非常紧密的联系在一起的。我们希望有这样一种灵活性,希望框架是非常灵活的,是能够更好的进行应用的。另外就是我作为一个数据科学家所分享的一种观点,有时候批量比较小时,我们能够帮忙数据科学家获得更快的结果。数据科学家更关心怎么样提高精度,怎么样改变参数。如果在这方面能做得更好的话,就能够解决所面临的问题。

马艳军(主持人):接下来进入最后一个话题,我们国家发展ai有什么样的一些发展特色或者优势。我相信对于这个话题大家都会有自己的一些观点,我们请师总先说一说这个话题。

师忠超:我觉得有以下几个点,第一是国家的政策有了特别大的支持,刚才许主任和姜局长也讲到了,不光是从国家层面,从我们北京市和海淀区的层面,每一个政府部门都给了我们很大的支持,包括现在做的2030年规划,包括在基础设施方面成立了很多国家工程实验室,这些都对学术界和产业界的发展有很大的推动作用。再一个就是我们有大量的数据,对这次人工智能浪潮里面深度学习的发展起到了重要的推动作用。此外,我们国内的人工智能人才也在迅速成长中,程教授、刘教授,各个大学及研究机构也给我们企业输送了大量的人才。我们很希望在产学研结合一体化的情况下,结合人才、数据、国家政策的优势,一起努力,推动人工智能快速向前发展。

刘祥龙:首先国家对人工智能的支持力度很大,从中央到地方,从研究到产业,都有很好的顶层规划和各种支持;其次,伟德国际官网有非常好的数字化和信息化基础,各行各业的信息化程度都在提升,不仅应用场景多、市场大,同时用户对新兴的信息技术产品服务接受度也高,实际上积累了大量的数据、应用和用户,这些都有利于开展人工智能算法和产品的研发、推广;再有就是人才人力的优势,包括刚才师总也讲我们培养大量的人工智能专业的人才等等,另外深度学习需要大量的标注数据,在这方面我们其实也有这种人口红利的优势。这些都是我们现在发展深度学习、人工智能的巨大优势。

杨睿刚:我今天听了戴院士的讲座,我们不光是在算法上,刚才说到数据、国家的支持,我们现在在学术的前沿上也是有一些非常前沿的东西,应该说不光是国内领先,应该说也是世界领先。最近有很多海外的学子都回到了伟德国际官网,伟德国际官网不管是人才水平还是科研的投入都有一些非常长足的进展,所以我相信我们在前沿的科学上也会在更多地方进入世界一流。

程健:刚才几位都说得很好,谈到伟德国际官网在人工智能方面优势的时候,我觉得也要敲一下警钟,泼泼冷水。刚才讲到我们有很多长足的进展,确实有很多人才汇聚。但是总体我们可以看到,在很多人工智能一些关键的基础理论方面,在国内完成的工作是相对比较少的,希望学术界产业界,各行各业一起合作,把这一块做得更好,有划时代的进展出现在伟德国际官网。

马艳军(主持人):今天我们请到的五位嘉宾,刚才就深度学习在技术、产业,乃至跟国际的对接、交流上等多个方面分享了自己的思考和洞察,也表达了很多前瞻的思考。希望深度学习的技术在我们共同的努力下,在学术界、产业界都能不断的取得突破,应用到各行各业当中。非常感谢五位嘉宾今天到场,研讨环节到此结束,谢谢大家!

编辑: 程宁

资讯关键词】:    【打印】【关闭】【返回顶部

苏州率尔捷机电科技有限公司
主营业务:电化学去毛刺,电解去毛刺,电火花小孔机,电火花微孔
聊城市众顺钢材有限公司
主营业务:无缝钢管,合金管,大口径厚壁卷管,低中压锅炉管,高
相关文章
热点资讯
  • 一周
  • 一月
  • 一年

资讯投稿

邮箱:791495700@qq.com

电话:0571-28331524

版权所有:伟德国际官网机电网|伟德国际官网机电传媒研究中心

地址:杭州市滨江区西浦路1503号滨科大厦11楼(杭二中斜对面) 浙B2-20080178-6

联系电话:0571-87774297 传真:0571-28290892 Email:donemi@163.com 技术支持:杭州滨兴科技股份有限公司