深度学习|百度CTO王海峰:飞桨产业级深度学习平台大幅降低应用门槛

深度学习|百度CTO王海峰:飞桨产业级深度学习平台大幅降低应用门槛

文章图片


来源:环球网
近日 , 在北京信息科学与技术国家研究中心系列交叉论坛(第45期)上 , 百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰博士作了以“飞桨产业级深度学习开源开发平台”为主题的报告 。
王海峰在报告中阐释了深度学习平台对人工智能技术发展和大规模产业化的意义 , 分享了飞桨产业级深度学习开源开放平台最新进展 , 包括技术与平台的创新成果、文心产业级知识增强大模型、飞桨生态建设 , 以及飞桨平台在各行各业的应用等 , 并与院士专家共同探讨了中国深度学习平台在产业、科研、教育中的落地实践 。
王海峰表示 , 基于飞桨平台 , AI开发和应用门槛不断降低 , 人人都可以成为智能应用的开发者 。 飞桨平台及文心大模型正在赋能千行百业 , 惠及千家万户 。
深度学习平台相当于智能时代的操作系统
他表示 , 人工智能已经成为新一轮科技革命和产业变革的重要驱动力量 。 人类历史上过去200多年已经历三次工业革命 , 每一次工业革命的核心驱动科技 , 无论是机械技术、电气技术还是信息技术 , 都具有很强的通用性 , 而且进入工业大生产阶段以后 , 也体现出标准化、自动化和模块化的工业大生产特征 , 可以应用于各行各业 , 为人类带来了非常大的产业变革 。
以深度学习为关键核心技术的新一代人工智能如同前三次工业革命的核心驱动科技一样 , 已经具备了非常强的通用性 , 并呈现出标准化、自动化、模块化的工业大生产特征 。
深度学习技术研发周期很长 , 应用落地的流程也非常复杂 , 例如 , 在开发阶段 , 模型的实现复杂 , 要同时兼顾灵活和高效难度很大;模型训练阶段 , 随着模型越来越大 , 效率如何提升、模型结构如何与硬件匹配降低训练成本等;推理部署阶段 , 应用环境复杂多样 , 如何高效适配多端、多平台、多硬件 , 如何实现高性能推理 , 等等 。 深度学习技术的发展和大规模产业化面临诸多难题 。
典型的深度学习平台具备基础的深度学习框架 , 包括开发、训练、推理等等 , 同时也包括各种模型库和辅助工具 , 形成一个完整的平台 , 能够有效解决上述问题 。 深度学习平台下接芯片 , 上承应用 , 相当于智能时代的“操作系统” 。
飞桨产业级深度学习开源开放平台 , 大幅降低应用门槛
王海峰指出 , 飞桨平台是我国首个自主研发、开源开放的产业级深度学习平台 , 具备显著的标准化、自动化和模块化特征 , 是人工智能工业大生产的基础平台 , 促进我国人工智能技术发展和大规模产业应用 。
飞桨产业级深度学习开源开放平台集核心框架、基础模型库、开发套件和工具组件于一体 。 核心框架包括既有动态图 , 也有静态图的便捷开发、具备大规模分布式训练技术及产业级数据处理等训练 , 以及端边云深度优化的高性能推理;基础模型库包含经典的自然语言PaddleNLP、计算机视觉PaddleCV、语音技术PaddleSpeech和推荐技术PaddleRec等 , 也包含文心大模型;端到端开发套件 , 如语义理解、图像分类、目标检测等开发套件 , 以及包含强化学习、联邦学习、图神经网络 , 和很受关注的科学计算、量子机器学习、生物计算的工具组件 , 同时也有预训练模型应用工具、全流程开发工具、可视化分析工具以及安全隐私工具、资源管理与调度等等 , 能够让科技工作者和开发者简洁快速地进行技术创新和应用实践 。 此外 , 飞桨也建设了AI Studio学习与实训社区 , 支撑AI人才的学习和实践训练 。

相关经验推荐