Lin Yuanqing, Xiaodu'nun en güçlü beyin arzusunun üç prensibini çözdü ve Baidu AI, Wu Enda sonrası dönemde ortaya çıktı.
Xinzhiyuan Raporu
Bu sezon Brain King üç bağlantıya bölünmüştür: İlk iki bağlantıda hem insan oyuncular hem de Xiaodu meydan okumaya katıldı (Xiaodu her ikisi de başarılı oldu ve her iki insan oyuncu da başarısız oldu) Üçüncü bağlantı Xiaodu ve insan oyuncular. Farklı projelere ayrı ayrı meydan okuyun (sonuç küçük başarısızlıktır, insan başarısıdır).
Nihai sonuç: Temsilci insan ekibi ve Xiaodu birlikte beyin kralını kazandı.
Gösterinin en bariz yanı, "makineye karşı insan" renginin ilk sezona göre çok daha zayıf olması ve nihai sonuçların özellikle insanları makinelerle karşılaştırmamasıdır. Bu bağlamda, Baidu Araştırma Enstitüsü dekanı Lin Yuanqing, bunun gerçekten program grubunun tasarımı olduğunu söyledi ve "Sonunda, rekabet yok, ancak insanların ve makinelerin bir arada var olabileceğini ve makinelerin insanlara yardım edebileceğini göstermek için böyle bir temayı vurgulamayı umuyor."
Tüm mücadelenin üç bağlantısı (toplamda dört öğe):
Zorluk 1: Yaşamın değişimleri (Xiaodu'ya karşı insan oyuncular)
Yarışma öğesi: Küçük ve belirsiz bir detaya göre detayın 30 fotoğraftan hangisine ait olduğunu bulun ve detayın fotoğrafın neresinde olduğunu belirtin. Maç başarılı olursa, meydan okuma başarılıdır.
Yarışma sonucu: Xiaodu doğru seçimi seçti, insan oyuncu (Huang Zheng) doğru fotoğrafı seçti, ancak fotoğraftaki parçanın yanlış konumunu işaretledi.
meydan okuma İki: Sevgili (Xiaodu İnsan oyunculara karşı )
Yarışma öğesi: Konuklar rastgele ebeveynlerinin 40 fotoğrafından birini seçerler.Yarışmacı ve Xiaodu fotoğrafı aynı anda gözlemler.Aynı şekle ve benzer vücuda sahip 40 kız arasından ebeveynin biyolojik kızını bulun ve kızının aile fotoğrafını bulun. Fotoğrafın arkasındaki aile portresi ebeveynlerle tamamen aynıysa, zorluk başarılıdır.
Oyunun sonucu: Xiaodu doğru cevabı aldı, ancak insan oyuncu (Alex) yanlış cevabı aldı.
meydan okuma Üç: Asla kaybolmayan elektrik dalgaları (Xiaodu tek başına meydan okur)
Proje kuralları: Sahnede 30 konuşma ile eşleşen 30 konuşma sahnesi; Xiaodu 30 tam konuşma topladı ve ardından konuklar tarafından rastgele seçilen bir kahkahaya dayanarak karşılık gelen konuşmayı buldu. Doğru bul, meydan okuma başarılı
Zorluk sonucu: küçük bir zorluk başarısız oldu.
meydan okuma Üç: Kitaba bir kelime (insan oyuncular bireysel olarak meydan okur)
Proje kuralları: Farklı yazı tiplerinde yazılan 20 adet aile mektubu bulunmaktadır.Misafirler rastgele birini seçerler.Yarışmacılar sadece seçilen aile harfinin kapağını gözlemler, yazı tipini belirler ve üst üste binen 232 parça arasından aile harfine ait yazı tipini bulur. Tüm kelimeler doğru bulunursa, meydan okuma başarılıdır.
Zorluk sonucu: İnsan oyuncu (Chen Zhiqiang) başarıyla meydan okudu.
Brain King Yarışmasının Zorlukları ve Teknik Analizi
Aşağıda, Xiaodu'nun katıldığı üç projede yer alan belirli teknolojilere ve zorlukların nerede olduğuna bir göz atalım. Resim, Baidu Araştırma Enstitüsü Dekanı Lin Yuanqing'in 5 Nisan'da medya görüntüleme konferansında yaptığı PPT sunumundan geliyor.
Zorluk 1: Yaşamın değişimleri (görüntü elde etme) teknolojisi ilkesi
Bu teknoloji aslında Baidu'nun yaygın olarak kullanılan görüntü alma teknolojisine çok benziyor, İnternet'teki fotoğraf yığınları arasında ona benzer bir fotoğraf bulmak için bir fotoğraf çekiyor. Baidu'nun bu teknolojisinin zaten yüz milyonlarca kullanıcıya hizmet ettiği bildiriliyor.
Bilgisayar görüntüsü tanıma, görüntünün önemli özelliklerinin sınıflandırılmasını ve çıkarılmasını kullanmak ve gereksiz ve gereksiz özellikleri etkin bir şekilde ortadan kaldırmaktır. Bilgisayar tarafından çıkarılabilen yukarıda belirtilen özellikler bazen daha belirgin, bazen çok yaygındır, bu da bilgisayarın tanıma verimliliğini büyük ölçüde etkiler.
Bu nedenle, görüntü özelliği çıkarma işleminin nasıl daha kararlı hale getirileceği, bulanıklık, parazit ve diğer bilgilerin müdahalesi olmadan nasıl yapılacağı ve arama sonuçlarının daha doğru hale nasıl getirileceği başarılı görüntü alımının anahtarıdır.
Bu zorluğun zorlukları:
Rekabet, normal görüntü alımından çok daha zordur.Eski fotoğraflar bulanık ve hasarlıdır, normal geri çağırma gereksinimlerini karşılayamaz ve algoritmaya büyük müdahaleye neden olur;
Genel görüntü alımında, birbirini doğrulamak için resimde birden fazla geçerli bilgi noktası olacaktır, ancak bu yarışma resmin yalnızca küçük bir bölümünü, yalnızca bir bilgi noktası sağlar. Xiaodu bu görevi birkaç ipucu ve yüksek müdahale ile tamamlamalıdır.
Raporlara göre Baidu, gerçek kullanıcı görüntüsü alma sahnelerinin görüntü alma verilerine dayanan çeşitli gerçek görüntü bozukluklarını kapsayan büyük ölçekli bir görüntü eşleştirme eğitim seti oluşturdu. Güçlü, düşük boyutlu görüntü özelliği temsilini elde edebilen bir görüntü yerel özellik temsil modeli elde etmek için denetimli eğitim için sinir ağı eğitimini kullanma. Bu modeli temel alan Baidu, on milyarlarca İnternet görüntüsünü hızlı bir şekilde almayı başardı.
Zorluk 2: Bir "yavru" (kuşaklar arası tanımlama) teknik ilkesi bulma
Ebeveynlerinin 40 fotoğrafından rastgele birini seçen yarışmacı ve Xiaodu, fotoğrafı aynı anda gözlemlediler, aynı şekil ve vücuda sahip 40 kız arasında ebeveynin biyolojik kızını buldular ve kızının aile fotoğrafı ebeveynleriyle birlikte çekildi. Arkadaki aile portresi tamamen aynıysa, zorluk başarılıdır.
Yüz tanıma, insan yüz özelliği bilgisine dayalı bir tür biyometrik tanıma teknolojisidir. İnsan yüzleri içeren görüntüleri veya video akışlarını toplamak için bir video kamera veya kamera kullanın ve görüntülerdeki insan yüzlerini otomatik olarak algılayıp izleyin ve ardından tespit edilen insan yüzleri üzerinde bir dizi yüzle ilgili teknoloji gerçekleştirin.
Bu zorluğa dahil olan "kuşaklar arası tanıma", görüntü tanıma sınıflandırmasında hala yüz tanımaya aittir, ancak daha zordur. Nesiller arası tanıma teknolojisinin ilkesi, yüz tanıma ile aynıdır: gri tonlamalı bir görüntü oluşturulur ve ebeveynin yüzünün özellik noktaları ile çocuğun özellik noktaları karşılaştırma için çıkarılır.
Bu mücadelede birkaç zorluk var:
Öncelikle, bilgisayarın görüntüden yüzü tanıması gerekir. Bilgisayarın yüzün etrafındaki fazladan pikselleri tanımlaması ve kaldırması gerekir.Örneğin, saç veya arka plan genellikle yüz alanından daha fazla değiştiğinden, saç veya resim arka planı yerine sadece iç yüz alanını görüntülemek için bir elips maskesi kullanın.
İkinci olarak, dış etkenler çocuğun görünüşünü etkileyerek tanımlanmasını zorlaştırır. Doğuştan yüz şekli, edinilen yaşam durumuna, sosyal çevreye ve kişisel deneyime bağlı olarak büyük ölçüde değişir ve hatta plastik cerrahi olasılığı bile vardır. Diğer bir deyişle, çocuk ebeveynden uzun süre uzak kalırsa, tamamen bilinmeyen bir yönde değişebilir.
Son olarak, genetik belirsizlik. Ebeveynlerin görünüşü ile çocuğun görünüşü arasındaki benzerlik belirsizdir.Kuşakların yüz hatları çok farklıdır.Örneğin anne babanın gözleri iri ama çocukların gözleri küçük olabilir. Makine için geçerli bilgi öğelerinden daha fazla parazit öğesi vardır. Makine öğrenimi ve algoritma optimizasyonu yoluyla çözülebilmesine rağmen, makinenin bu görevi tamamlamak için paraziti ortadan kaldırmasına izin vermek hala büyük bir zorluktur.
Baidu'ya göre, "En Güçlü Beyin" in ilk üç sayısına katıldıktan sonra, Baidu'nun beyninin çağlar boyunca yüzleri tanıma yeteneği hızla yükseltildi ve artık topluma hizmet etmek için istikrarlı bir şekilde kullanılabilecek yeni bir teknoloji haline geldi.
Zorluk 3: Hiç bitmeyen radyo dalgası (ses izi tanıma) teknolojisi ilkesi
Yukarıdaki resim, rekabetin örnek bir analizidir ve aşağıdaki, rekabet ilkesinin bir restorasyonudur (tümü Lin Yuanqing'in PPT konuşmasından).
Bu yarışmadaki makineler için test, ses izi tanımadır.
Ses izi tanıma, ses tanıma ile aynıdır.Toplanan ses sinyallerini analiz eder ve işler, ilgili özellikleri çıkarır veya karşılık gelen modelleri oluşturur ve ardından buna göre kararlar verir. İkisi arasındaki fark, ses tanımanın makinenin ne söylediğimizi anlamasına izin verirken, ses izi tanıma belirli bir cümleyi kimin söylediğini belirlemektir.
Ses izi tanımanın teorik temeli, esas olarak fizyolojik yapılar (boğazın şekli, boyutu ve konumu, burun boşluğu, ağız boşluğu ve göğüs boşluğu gibi) ve ayrıca sesin çalıştırılma şekli tarafından belirlenen "her kişinin konuşma özelliklerinin kendine özgü özellikleri vardır" şeklindedir. nın-nin. Normal konuşmadaki ses izi durumu nispeten kararlıdır. Bununla birlikte, ses izlerinin özellikleri hala değişkendir ve fiziksel koşullar, yaş ve duygular tarafından kolayca rahatsız edilir.
Görevler açısından, ses izi tanıma temelde iki türe ayrılır: ses izi onay teknolojisi (1: 1) ve ses izi tanıma teknolojisi (1: N). Ses izi onay teknolojisi, iki cümlenin bir kişi tarafından söylenip söylenmediği sorusuna yanıt verirken, ses izi tanıma teknolojisi "Belirli bir cümleyi kim söyledi örnek veritabanına aittir" sorusuna yanıt verir.
Bu meydan okumada Xiaodu'nun kimin güldüğünü belirlemesi gerekiyor. Ana teknik zorluklar şunları içerir:
1. Genelleme yeteneği Bir makine öğrenimi algoritmasının kalitesini ölçmek için önemli bir gösterge, makinenin öğrenme sırasında karşılaşılmayan örnekleri yani "genelleme yeteneği" ni işleme yeteneğidir. Geleneksel ses izi tanıma görevleri için kayıt ve test çok uyumludur, yani kayıt için normal konuşma kullanılır ve test için normal konuşma kullanılır. Bu yarışmada, kayıtlı ses şarkı söylemeye başladı ve test normal konuşmaydı. Bu nedenle, model aynı kişiyi şarkı söylemek ile konuşmak arasındaki farkı öğrenebilmelidir. Bu, ses izi tanıma algoritmalarının genelleme becerisine ilişkin daha yüksek gereksinimleri ortaya koymaktadır.
2. Sesin monotonluğunu test edin Bir kişi normal konuştuğunda, ses, çeşitli ses organlarının koordineli çalışmasıyla üretilir ve konuşmacının bazı kişilik özellikleri ondan yakalanabilir. Ancak kahkaha telaffuzu çok monotondur ve çok az etkili bilgi içerir, bu nedenle konuşmacı özelliklerini çıkarmanın zorluğu büyük ölçüde artar.
3. Kahkaha değişkenliği Sesin kendisi değişkendir ve kahkaha daha da kötüdür. Örneğin, bir kişi güldüğünde, daha içten bir kahkaha atabilir veya daha doğal bir uğultu, çok abartılı bir kahkaha, hatta ağzını açmadan alay edebilir. Bununla birlikte, bu meydan okumanın projesi, kahkahayı test etmek için belirli standartlar tanımlamadı ve bunu olabildiğince kapsamlı bir şekilde ele almalıyız.
4. Kanal ve gürültü sorunları Kanal ve gürültü sorunu, ses izi tanıma alanında her zaman zor bir nokta olmuştur. Baidu araştırmacılarına göre, bu yarışma sırasındaki canlı kanal, topladıkları ve topladıkları ses verilerinden çok farklı. "Büyük miktarda ortak kanal verisi toplamak çok zor. Çapraz kanalların etkisini azaltmanın yollarını bulmalıyız. En alçağa ".
Xiaodu'nun bu sorunda başarısız olduğu bildirildi çünkü:
Baidu ses izi tanıma şu anda böylesine zor bir zorlukta% 100 doğruluk elde edemiyor ve belirli bir başarısızlık olasılığı var. Gelecekte, ses izi tanıma eğitimini güçlendirmeye devam edeceğiz.
Lin Yuanqing, Xiaodu'nun başarısızlığından ve Wu Enda'nın ayrılışından bahsediyor
Baidunun ileri video görüntüleme toplantısında 5 Nisanda Baidu Araştırma Enstitüsü Dekanı Lin Yuanqing, muhabirlerin bu yarışma hakkındaki sorularını yanıtladı. Xinzhiyuan, izleme toplantısına katılmadı. Aşağıdakiler, yerinde kısaltmaya dayanmaktadır (yayınlanma anında düzenlenmiştir).
Soru: İlk iki yarışmada Xiaodu ve insanlar aynı anda bir projeye meydan okudular Sonuncusu neden farklı projelere ayrı ayrı meydan okudu? Bu eşit değil ve kazanana söylemenin bir yolu yok.
Lin Yuanqing: Son olarak, Brain King Festivalinin genel tonu PK değil Program ekibimiz PK bileşenini daha düşük bir seviyeye indirmeye karar verdi. İlk ikisi dolaylı olarak insanların nasıl ve makinelerin nasıl yaptığına baksa da, nihai sonuç sunulduğunda insanın makineyle ne kadar kıyaslandığını söylemediler. Chen Zhiqiang ile son karşılaştırma çok yenilikçi bir programdır Bu bağlantı açık.Sonunda, rekabet yok, ancak insanların ve makinelerin bir arada var olabileceğini ve makinelerin insanlara yardım edebileceğini, böyle bir temayı vurgulamayı umarak.
Soru: Xiaodu hatayı fark ettikten sonra nedeni analiz edildi mi? Örnek çok az mı yoksa ne?
Lin Yuanqing: Sonraki eğitim çok büyük.Genel olarak bu sistem hala çok iyi.İçimizdeki insanlarımızın sistemle karşılaştırdığı söylenmelidir.Bu sistem de insanlardan daha iyi ama o gün oyunda gerçekten de biraz rastgelelik var. Aslında sistem hala çok iyi.
Soru: Şu anda, insanların Go oynadığı birçok oyun var. Lee Kai-fu, yakın zamanda Texas Hold'em'in insan-makine oyununu da oynadı. Baidu bu tür rekabetçi bir etkinliği nasıl görüyor ve Baidu bunu neden yapmıyor?
Lin Yuanqing: Yapay zeka bir teknoloji değil, Go veya Texas Hold'em de dahil olmak üzere bir çok teknoloji ... Bunlar sadece yapay zekanın bir dalı. Yapay zekanın sadece Go oynadığını veya yapay zekanın yüz tanıma olduğunu düşünmeyin. . Yapay zekada pek çok alan var Baidu'da 1.000'den fazla yapay zeka var.Bu yönleri seçtiğimizde yüz tanıma gibi çok anlamlı olduğunu düşündüğümüz yönleri seçeceğiz. Gerçek sorunları gerçekten çözdüğümüzde çok etkileniriz. Bu teknolojiler, kendi iç rahatlıkları da dahil olmak üzere, bu toplum için çok yararlıdır. Daha önce medyada arkadaşlarıma bu yıl yüzümü manzara noktasında fırçalayabileceğimi söylemiştim. Kasım'da veya Qingming Festivali'nde bir Manzaraya girdiğinizde görmeniz gereken en muhteşem şey sıra. Burada birkaç saat oynardım, ama sıra sadece birkaç saat. Yüzünüzle içeri girmeniz daha iyi, hiçbir şeye ihtiyacınız yok, cep telefonuna ihtiyacınız yok. Baidu için, şirketin farklı stratejik düşüncelerine dayalı olarak hangi yönde yoğun yatırım yapılacağına karar veriyoruz.
Soru: Yapay zekayı Go oyuncularına veya satranç oyuncularına karşı özel olarak test ettiniz mi? İlgilendiğin bu değil mi?
Lin Yuanqing: Pekiştirmeli öğrenme üzerinde çalışıyoruz, ancak bunu çok farklı bir yönde yapıyoruz. Kısa bir süre önce Baidu American Lab tarafından bir robota dili nasıl kullanacağını öğreten bir makale yayınlandığını fark ettiniz mi bilmiyorum Evde gerçekten sona ulaşmak için bu yönüne daha çok değer veriyoruz ve amacımız da bu, çok anlamlı keşifler. Baidu anlamlı olduğunu düşündüğü şeyi yapmayı umuyor. AlphaGo yapacak kimse yoksa, Baidu'nun bunu yapması mümkündür, ancak şimdi yapıldı ve iyi bir iş çıkardı. Keşfedilecek çok şey olmadığını düşünüyoruz. Bazı özel ilgi alanlarımıza daha fazla yatırım yapmayı umuyoruz.
Soru: Wu Enda ayrıldıktan sonra Baidu, AI ekibinde bazı ayarlamalar yaptı. Bu entegrasyon hangi yönleri sağlayacak? İlerleme şimdi nasıl? Yeni sistemde liderliğiniz altındaki laboratuvarın gelecekteki sorumluluklarında ve araştırma yönünde bazı değişiklikler olacak mı?
Lin Yuanqing: Baidu'nun Silikon Vadisi'ndeki laboratuvarı iki bölümden oluşuyor; biri kendi kendine giden otomobiller için, diğeri ise Baidu Araştırma Enstitüsü. Şu anda 200'den fazla kişi var ve genişletilecek, bu bizim mevcut planımız. Bir şeyin açıklığa kavuşturulması gerekiyor: Derin Öğrenme Laboratuvarı başlangıçta Baidu Araştırma Enstitüsüne aitti. Araştırma enstitüsünün dışında değil, böyle olduğu ortaya çıktı. Üç yönden oluşuyordu, biri derin öğrenme, büyük veri laboratuvarı ve Silikon Vadisi yapay zeka laboratuvarı. Geçen yıl bir artırılmış gerçeklik laboratuvarı çıktı. Şimdi Baidu Araştırma Enstitüsü'nün dört laboratuvarı var. Şimdi Baidu Araştırma Enstitüsüyüm. Bu dördünden dekan sorumludur.
Baidu Araştırma Enstitüsü, AI sistemine aittir. Wu Enda, tüm AI sisteminden ve Baidu Araştırma Enstitüsü'nden sorumlu olduğunda, o ayrıldıktan sonra Baidu Araştırma Enstitüsü'nü alacağım. Tüm AI sistemi, bilgi grafikleri ekledi ve benzeri. Bu departmanlar, gerçek durum da bu, ayrılmadığı zaman Bilgi Grafiği ve NLP gibi bir araya geleceğiz.Önemli toplantılar olursa hepimiz bir araya geleceğiz, bu da AI için çok önemli bir departman.
Şimdi şirket bu iki departmanı entegre etmemiz gerektiğini düşünüyor ve bu çok doğal bir yaklaşım. Tüm süreç boyunca şahsen çok büyük değişiklikler hissetmedim.Tek değişiklik onun gitmesi ve diğerlerinin oldukça istikrarlı olmasıydı, yani tüm ekip ve tüm kaynakların koordinasyonu böyle olmalıydı. .
Soru: Liderliğini yaptığınız yapay zeka teknolojilerinin ticarileştirilmesi sürecinde kendi ekipleriniz terfi alıyor mu?
Lin Yuanqing: Teknolojiyi sağlamaktan daha fazlasını yapıyoruz veya Baidu Araştırma Enstitümüzün daha fazla teknoloji sağladığını söylüyoruz. Teknolojilerimizin çoğu aslında Baidu'da uygulanacak çünkü Baidu'nun kendisinde ilki dahil yüzlerce farklı ürün grubu var Baidu'da bir dizi dahili teknoloji inişi ve cilalama işlemi temelde tamamlanacak. Bu teknolojiler iyi gittiği zaman, bunları dışarıya itmek isteyen ilgili iş departmanları olmalıdır.Ayrıca çok önemli bir departman da var.Alın Enda oradayken AI platform departmanını kurduk. , Bu büyük, bu teknolojilerin dahili ve harici olarak kuluçka ve ticarileştirilmesinden sorumludur. , Yüz gibi sahne de bu ekiplerle çalışıyor.Şirket bu alandaysa, artık bunu yapacak özel bir ekip var.
27 Mart'ta Xinzhiyuan Açık Kaynak Ekolojik Yapay Zeka Teknolojisi Zirvesi ve Xinzhiyuan 2017 Girişimcilik Yarışması Ödül Töreni görkemli bir şekilde düzenlendi. "BAT" dahil olmak üzere Çin'in ana akım AI şirketleri ve 600'den fazla sektör eliti 2017 Çin'e ortak katkıda bulunmak için bir araya geldi Yapay zekanın gelişimi güçlü bir darbe aldı.
Orijinal metni okumak ve konferans kaydının metin versiyonunu görmek için tıklayın
Büyük etkinliği incelemek için aşağıdaki bağlantıyı ziyaret edin:
-
Aliyunqi topluluğu:
-
Iqiyi:
-
Tencent Teknolojisi:
