Yedi üst düzey rapor, size yapay zekanın gelişimi hakkında büyük bir bakış açısı sunuyor | AITech
Leifeng.com AI Technology Review News: 30 Mart 2018'de AITech Zirvesi resmen Shenzhen, Longgang Bölgesi'nde düzenlendi.
Bu konferansın amacı, ulusal yeni nesil yapay zeka geliştirme planının uygulanmasıyla işbirliği yapmak, yapay zeka endüstrisi teknolojisinin işbirliğine dayalı inovasyonunu desteklemek ve yapay zeka alanında yerli ve yabancı teknik alışverişi güçlendirmektir. Shenzhen Belediyesi Halk Hükümeti, Shenzhen Longgang Bölgesi Halk Hükümeti ve Zhongguancun Görsel-İşitsel Industrial Technology Innovation Alliance ve New Generation Artificial Intelligence Industrial Technology Innovation Strategic Alliance sponsorluğunda ve Shenzhen Longgang Intelligent Audiovisual Research Institute tarafından üstlenilmiştir. Özel stratejik işbirliği medyası olarak Leifeng.com, site içeriği hakkında ayrıntılı raporlar hazırlayacaktır.
İki günlük konferans iki ana forum ve dört alt forum içerecektir, yani:
Ana Forum Bir (30 Mart sabahı)
Alt forum (1): Intelligent Technology and Standards ve IEEE Fellow Forum (30 Mart öğleden sonra)
Alt forum (2): Ultra HD ve VR Teknoloji Forumu (30 Mart öğleden sonra)
Ana Forum İki (31 Mart sabahı)
Alt forum (1): Yapay Zeka ve Güvenlik Forumu (31 Mart öğleden sonra)
Alt forum (2): Yapay Zeka Yatırım ve Finansman Forumu (31 Mart öğleden sonra)
Aşağıda AITech ana forumunun ayrıntılı içeriğini bir tanesini ayrıntılı olarak tanıtıyoruz ve diğer içerik daha sonra sunulacak.
Bu forumda dört gündem maddesi bulunmaktadır.Her şeyden önce, Shenzhen, Longgang Bölgesi Belediye Başkanı Bay Dai Bin ve Çin Halk Siyasi Danışma Konferansı Shenzhen Belediye Komitesi Başkan Yardımcısı Bayan Zhang Xiaoli, konferansa ev sahibi olarak hitap ettiler.
Bay Dai Bin'e göre, Longgang Bölgesi 2017'de 385,8 milyar yuan bölgesel GSYİH elde etti,% 9,8 artış, Shenzhen'deki tüm bölgeler arasında ikinci sırada yer aldı ve ülkedeki en iyi on ekonomik bölge arasında kesin bir şekilde yer aldı. Şu anda, akıllı robotlar da dahil olmak üzere altı büyük endüstriyel kümeyi bir araya getirdi ve Huawei ve BYD gibi tanınmış şirketlere sahip. Yapay zeka ve diğer gelişmekte olan endüstrilerin 2020 yılına kadar GSYİH'nın% 60'ından fazlasını oluşturacağını ve kalkınma için güçlü bir motor olacağını görmeye çalışın.
Bayan Zhang Xiaoli konuşmasında Shenzhen'in yapay zeka ve robotik ile yakından ilgili olan akıllı üretim, akıllı arabalar ve insansız hava araçları alanlarında nispeten eksiksiz bir endüstriyel zincir oluşturduğunu söyledi.Shenzhen, yapay zeka şirketlerinin küresel sıralamasında sekizinci sırada yer alıyor. .
Daha sonra, Longgang Bölgesi Bölge Başkan Yardımcısı Bay Chen Guangwen, Longgang Bölgesi'nin yenilik ve girişimcilik ortamını ülkenin en iyi on ekonomik bölgesi olarak ayrıntılı olarak tanıttı. Temel olarak şu şekilde özetlenmiştir: güçlü endüstriyel temel; güçlü yenilikçilik ivmesi; güçlü kültürel ve spor atmosferi; üstün çevre tesisleri; gelişmiş devlet hizmetleri.
Daha sonra Akademisyen Gao Wen, Akademisyen Xu Yangsheng, Akademisyen Ding Wenhua ve diğerlerinin, Longgang District Financial Investment Holdings Co., Ltd. Başkanı Bayan Zhang Jing, China Guoxin Fund Management Co., Ltd. Genel Müdür Yardımcısı Bay Jiang Kaihong ve yeni nesil yapay zeka endüstrisi teknolojisi inovasyonunun tanıkları altında Stratejik İttifak'ın Ortak Genel Sekreteri Bay Zhang Weimin, yeni nesil yapay zeka endüstrisi fonu için bir çerçeve işbirliği anlaşması imzaladı.
Gündemin son maddesine ise alanında uzman 7 kişi harika raporlar verdi.
Akademisyen Gao Wen: Yapay Zeka Açık Kaynak Platformunun Zorlukları ve Fırsatları
Akademisyen Xu Yangsheng: Yapay Zeka Çağında Eğitim
John E. Hopcroft: Derin Öğrenme Araştırması
Rui Yong: Yapay Zekanın Alfabesi
Yan Zhijie: IoT Çağında Akıllı Ses Etkileşimi
Lin Yongjun: Urban Data Lake-Urban Development
Zhang Qing: Uçtan uca yapay zeka bilgi işlem sistemi tasarımı ve optimizasyonu
Aşağıda birkaç uzmanın raporlarına kısa bir giriş yapıyoruz.
1. AI açık kaynak platformlarının zorlukları ve fırsatları
Konuşmacı: Akademisyen Gao Wen, Çin Mühendislik Akademisi Akademisyeni, Yeni Nesil Yapay Zeka Endüstrisi Teknolojisi İnovasyon Stratejik İttifakı Başkanı.
Akademisyen Gao Wen, AI açık kaynak platformunun dört yönünü tanıttı ve burada hem zorluklar hem de fırsatlar olduğuna inanıyor.
Birincisi, Çin'de yapay zekanın gelişimindeki darboğaz sorunudur. Akademisyen Gao Wen dört nokta olduğuna inanmaktadır: (1) Çok sayıda açık kaynaklı platform vardır, ancak platformlar birbirinden izole edilmiştir ve modeller birbirine dönüştürülemez, sonuçta "algoritma adaları" oluşur; (2) Algoritmanın heterojen donanıma, performansa ve verimliliğe uyarlanması gerekir Donanımın organizasyonu ve yönetimi tarafından kısıtlanmıştır; (3) Uygulama, AI algoritma platformuna ve donanımına bağlıdır, temel sınırlıdır ve tanıtım sınırlıdır; (4) Uluslararası devler, ekoloji oluşturmak ve akıllı donanımı tekeline almak için yapay zeka açık kaynak araçlarını kullanır, bu da Çin'in yapay zeka endüstrisini ciddi şekilde sıkıştırır Genişletme kapasitesi. Bu sorunlara yanıt olarak, bu darboğazlarla başa çıkma stratejisi, açık kaynaklı yazılım / donanımı destekleyen temel bir platform oluşturarak yapay zeka teknolojisi endüstri zincirini desteklemektir.
Shenzhen Bulut Beyin Projesi tam da böyle bir platform, ülkenin yeni nesil yapay zeka büyük projeleri ile işbirliği yapmak ve yukarıdaki dört darboğazı çözmek için oluşturulmuş bir plan. Bu plan, kısa vadede esas olarak Shenzhen Bulut Beyni (SCB-AI) içindir ve uzun vadede Shenzhen Kuantum Bulutu (SCB-QS) içerir.
Shenzhen Cloud Brain'in sistem mimarisi üç katmana ayrılmıştır: Cloud Brain donanım platformu, Cloud Brain işletim sistemi ve ana uygulamalar. Donanım platformu, GPU kümelerini, FPGA çıkarım düğümlerini ve özel yapay zeka çip çıkarım bileşenlerini içerir. İkinci olarak, bu donanımlar bir bulut beyin işletim sistemi oluşturmak için bağlanır ve akıllı ulaşım, akıllı tıbbi bakım ve otonom sürüş gibi çeşitli yapay zeka uygulamalarına sunulur. Bu sayede akıllı donanımın yüksek enerji verimliliği, akıllı işletim sistemleri ve yazılımların yüksek verimliliği ve ölçeklenebilirliği ile yapay zeka karar verme uygulama platformunun yüksek verimliliği, gerçek zamanlı, yüksek performansı ve yorumlanabilirliği garanti altına alınabilir.
Açık kaynaklı donanımın yanı sıra, AI teknolojisi için açık kaynaklı bir açık platform oluşturmak, AI veri paylaşımını, model paylaşımını, teknoloji paylaşımını vb. Gerçekleştirmek ve ortak olarak bir AI açık kaynak paylaşım topluluğu geliştirmek ve oluşturmak için ittifaka güvenmektir. Örneğin, AI değişim topluluğu, AI geliştirme topluluğu, AI paylaşım topluluğu, AI standardizasyon topluluğu, AI eğitim topluluğu vb. Buna ek olarak, açık kaynak kodlu açık platformu ittifak aracılığıyla sürdürecek, açık kaynaklı açık platform alt fonu oluşturacak ve yapay zekanın işbirliğine dayalı bir gelişim ekosistemi oluşturmak için ittifak aracılığıyla Shenzhen'e ve yurtiçi ve yurtdışında açacak.
Akademisyen Gao Wen şu sonuca vardı: Çin'in yapay zeka gelişimi dört zorlukla karşı karşıya ve bu zorlukları çözmek için güçlü bir açık kaynak platformu gerekiyor. Shenzhen Yunnao, olası seçeneklerden biri. Umarım bu plan, tüm Çin yapay zeka planına yardımcı olur.
2. Yapay zeka çağında eğitim
Xu Yangsheng: Çin Mühendislik Akademisi Akademisyeni, Hong Kong Çin Üniversitesi Başkanı (Shenzhen)
Akademisyen Xu Yangsheng bize raporda robotların gelişimine kısa bir giriş yaptı ve ardından "akıllı devrimin, üretkenliğin özgürlüğünden zihnin ve beynin özgürleşmesine kadar bir devrim olacağını" önerdi. Bu devrimin etkisi insanlık tarihinde hepsinden çok daha büyük olacak. Bedeni özgürleştiren devrimin neden olduğu etki. Bu tür akıllı devrim altında, insanların daha önce ve şimdi yaptığı birçok şeyin yerini yapay zeka alacak, insan toplumu da yeniden iş bölümü olacak, birçok endüstri ortadan kalkacak ve birçok yeni endüstri yaratılacak.
Bu koşullar altında, insan eğitiminin ne tür değişiklikler yapması gerektiği ciddi bir sorudur. Akademisyen Xu Yangsheng, çağımızdaki eğitimin esas olarak değiştirilmesi gereken insan zayıflıklarını (hafıza, mantıksal yargı; yapay zeka ile karşılaştırıldığında) eğitmek olduğuna inanıyor. Bu nedenle, yapay zeka çağında dört eğitim ilkesi önerdi:
Sanatı ve bilimi bütünleştiren disiplinler arası yetenekleri geliştirmeye odaklanın;
Öğrencilerin hayal gücünü ve yaratıcılığını geliştirmeye odaklanın;
Bilgiye dayalı olmayan öğretim ve sınavlara odaklanmak;
Öğrencilerin öz yeteneklerinin geliştirilmesine dikkat edin.
3. Derin Öğrenme Araştırması
John E. Hopcroft, Amerikan Mühendislik Akademisi akademisyeni, Amerikan Bilimler Akademisi akademisyeni, Çin Bilimler Akademisi'nden yabancı akademisyen, Turing Ödülü sahibi
Raporda Turing Ödülü sahibi John Hopcroft, derin öğrenme alanındaki bazı ilginç araştırma sorularını ve bunlarla ilgili bazı düşünceleri paylaştı.
Son yıllarda, derin sinir ağlarının, özellikle evrişimli sinir ağlarının ortaya çıkmasıyla (evrişimli katmanlardan oluşan evrişimli sinir ağları, havuz katmanları, tamamen bağlı katmanlar ve son olarak softmax, her bir kategorinin olasılığını verir) , Görüntü sınıflandırma ve diğer yönlerden hata oranı her geçen yıl azalmaktadır. 2015 yılında, Microsoft Asya Araştırma Enstitüsü tarafından önerilen 152 katmanlı derin kalıntı ağı (ResNet), görüntü sınıflandırmada kişilerin tanınma düzeyini aşmıştır. Bununla birlikte, her bir kapının ne öğrendiği, ikinci seviye kapının ve birinci seviye kapının farklı bilgileri nasıl öğreneceği ve bir kapının içeriğinin zaman içinde nasıl evrim geçirip kullanılacağı gibi hala bu açıdan çalışmaya değer birçok konu vardır. Farklı başlangıç ağırlık geçitlerinin aynı içeriği öğrenip öğrenmemesi, iki ağı eğitmek için farklı görüntü kümeleri kullanması, erken kapıların aynı şeyi öğrenip öğrenmemesi vb.
Ek olarak, derin bir ağı eğitirken birçok yerel minimum olabilir ve bazı minimumlar diğerlerinden daha iyi olabilir. Eğitim sırasında iyi bir yerel asgari bulmamızı nasıl sağlayabiliriz? Derin ağların eğitimi genellikle uzun sürer. Eğitimi hızlandırabilir miyiz? Bunlar aynı zamanda çok anlamlı araştırma yönleridir.
John daha sonra iki ağı eğitirken hangi ilginç araştırmanın ortaya çıkacağını düşündü. İki ağ için aynı anda veya birbiri ardına eğitim yapabiliriz. Her iki durumda da, iki ağ aktivasyon alanında aynı alanı paylaşıyor mu? Güncel popüler bir örnek, ilk-son durum olan Generative Adversarial Network (GAN) 'dir.
Son olarak John bir soru sordu: Yapay zeka gerçek mi? Mevcut yapay zekanın yalnızca yüksek boyutlu uzayda örüntü tanıma olduğuna ve yapay zekanın henüz bir şeyin özünü çıkaramayacağına veya işlevini anlayamayacağına inanıyor. John'a göre, bunu başarmak sadece 40 yıl daha alacak. Ayrıca, aslında zeki görünen birçok görevin AI olmadığını, satranç oyunları gibi bazılarının sadece güçlü hesaplamalar ve büyük veri gerektirdiğini söyledi. Bilgisayarlar, insanların zeka gerektirdiğini düşündüğü şeyleri giderek daha fazla yapıyor. Aslında, bazıları AI değil. Yani yapay zeka ile ilgili bir işle meşgul olduğumuzda, bunun hakkında düşünmek zorundayız Bu sorunun özü YZ mi? Yoksa sadece büyük hesaplamalara mı ihtiyacınız var?
Dördüncüsü, yapay zekanın alfabesi
Rui Yong: Baş Teknoloji Sorumlusu, Lenovo Group Kıdemli Başkan Yardımcısı, ACM Üyesi, IEEE Üyesi
Dr. Rui Yong konuşmasında yapay zeka alfabesinde A (Algoritma), B (İşletme, endüstri), C (Hesaplama, hesaplama gücü), D (Veri, veri) 'yi tanıttı. Bir yapay zeka sistemini iyi hale getirmek için bu dört unsurun vazgeçilmez olduğuna inanıyor; yapay zeka bir araba olarak kabul edilirse, algoritma motor, hesaplama gücü tekerlek, veriler benzin ve sektör direksiyon simidi.
A: Algoritma Motoru
Yapay zekanın ortaya çıkışından bu yana, algoritmaların evrimi ve evrimi muhtemelen şunlardır: lojistik regresyon, sinir ağları, destek vektör makineleri, gizli Markov modelleri, uzman sistemler ve derin öğrenme. Aslında, yapay zeka algoritmaları, sembol okulu (kurallar ve karar ağaçları); bağlantı okulu (sinir ağı); Bayes okulu (olasılıklı grafik modeli); analoji okulu (SVM); ileri kimya okulu ( Genetik Algoritma). Şu anda, bağlantı okulunun gelişim ivmesi çok iyi, diğerleri değil.
C: hesaplama güç tekerlekleri
Hesaplama gücü, yapay zekanın tüm işleyişini taşıyan çarktır. Birkaç yıl önce, herkes algoritmaları çalıştırmak için ağırlıklı olarak CPU kümelerini kullanıyordu. Mevcut genel bilgi işlem motoru GPU'dur ve CPU esas olarak kontrol ve parametre senkronizasyonu için kullanılırken, FPGA'nın gömülü çözümlerde daha parlak bir geleceği var. Özel ASIC yongası yeni gelişiyor.
D: Veri-Benzin
Veri, tüm yapay zekanın enerji kaynağıdır. Şimdi yeni bir veri çağındayız ve bir dizi zorlukla karşı karşıyayız.
Birincisi, verilerin patlaması.Örneğin, mevcut verilerin% 90'ı iki yıl içinde üretiliyor. 2020 yılına kadar, küresel ortalama bir kişinin saniyede 1,7 MB veri üreteceği tahmin ediliyor.Bu verilerin tam olarak nasıl kullanılacağı çok zorlu bir sorundur. . İkinci olarak, veri kalitesi sorununun nasıl çözüleceği, böylece veriler yalnızca belirli alanlarda yoğunlaşmakla kalmayıp daha geniş bir alanı kapsayabilir. Üçüncüsü, Generative Adversarial Networks (GAN) gibi yeni verilerin verimli bir şekilde nasıl üretileceği.
B: Endüstri direksiyonu
Endüstri, genel yönün nerede gelişeceğini belirleyen yapay zekanın direksiyon simididir. Rui Yong, bu sorunu göstermek için akıllı ulaşım, akıllı tıbbi bakım ve akıllı elektrokardiyogram gibi birkaç endüstri vakasından alıntı yaptı.
Rui Yong şu sonuca vardı: Lütfen yapay zeka alfabesinin ilk dört harfi olan A, B, C ve D'yi hatırlayın. Yapay zeka arabasını iyi sürmek için ustalaşmaları gerekir.
IoT çağında beş, yalnızca sesli etkileşim
Yan Zhijie: Sesli Etkileşim Baş Bilimcisi, Alibaba Dharma Akademisi-Makine İstihbarat Teknolojisi Araştırma Enstitüsü
Alibaba'nın IoT alanına tam olarak gireceğini iki gün önce duyurduğunu biliyoruz Raporda Dr. Yan Zhijie Alibaba'nın IoT'deki çalışmalarını tanıttı. Basitçe söylemek gerekirse, Alibaba tüm fiziksel dünyayı dijitalleştirmek istiyor. Görüşü şudur: bilgi işlem kalptir, AI beyindir ve IoT sinirdir; sinirler onların daha fazla kullanıcıya ulaşmasını, daha fazla veri üretmesini ve daha fazlasını üretmesini sağlayabilir. Büyük bir değer. Ali'nin IoT altyapısının kurucusu olacağı ve 5 yıl içinde 10 milyar IoT cihazını konuşlandıracağı performansı.
Daha sonra Dr. Yan Zhijie, IoT ile İnternet içeriği ve hizmetleri arasındaki köprüde sesli etkileşim zekasının rolünü ayrıntılı olarak tanıttı.Aşağıdaki resim, Ali içerik mimarisinin bir diyagramıdır:
Daha ayrıntılı olarak, Dr. Yan Zhijie Alinin akıllı hoparlörlerini, bağlı arabalarını, TVlerini (kutuları), kamu hizmet makinelerini ve çok modlu sesli etkileşim ürünlerini tanıttı. IoT çağında, teknolojinin, ürünlerin ve ticaretin birlikte gelişmeyi teşvik etmek için kapalı bir döngü içinde inşa edilmesi gerektiğine inanıyor.
6. Kentsel Veri Gölü-Kentsel Gelişim
Lin Yongjun: Yihualu Başkanı
Bay Lin Yongjun, büyük veri çağında verilerin nasıl saklanacağını ve kullanılacağını anlattı. Modern zamanlarda, optik fiber, 5G ve diğer veri iletim hatlarının yanı sıra veri toplamak için gittikçe daha gelişmiş algılayıcılara sahibiz; bilgi işlemde ayrıca GPU, TPU ve süper hesaplama gibi yüksek performanslı bilgi işlem donanımımız var, ancak depolamada biz Sabit diskler ve bantlar gibi aygıtlar hala kullanılmaktadır.Bu depolama aygıtları yalnızca büyük miktarlarda enerji tüketmekle kalmaz, ömürleri kısadır ve güvenlik açısından da yetersizdir. Bay Lin Yongjun, Blu-ray depolama teknolojisini burada tanıttı.
Verileri sıcak veriler, sıcak veriler ve soğuk veriler olarak ikiye ayırdı. Termal veriler genellikle hızlı hız ve hafiflik avantajlarına sahip olan elektrikli depolamayı kullanır; ancak dezavantajları düşük kapasite, yüksek maliyet ve kısa ömürdür. Sıcaklık verileri genellikle daha hızlı ve büyük kapasite avantajlarına sahip manyetik depolamayı kullanır; ancak dezavantajları yüksek enerji tüketimi, kısa ömür ve kolay arızadır. Ancak optik depolamada büyük miktarda soğuk veri depolanabilir.Enerji tüketimi manyetik depolamanın yalnızca% 0,3'ü, maliyeti manyetik depolamanın yalnızca% 6,5'i, ömrü 50-100 yıl ve tek yaprak kapasitesi 300GB'dır. Soğuk ve sıcak verilerin mükemmel şekilde birleştirilebilmesi için soğuk verileri depolamak için "soğuk teknoloji" kullanmanın yapay zeka çağında veri depolama için en iyi seçenek olacağına inanıyor.
Bay Lin Yongjun ve diğerleri, kentsel "veri gölü" adını verdikleri Blu-ray depolama teknolojisine dayalı yeni bir kentsel altyapı inşa ettiler. Bunun gelecekte her şehirde standart altyapı olacağına inanıyor. Bu konseptte, veri gölü, depolamaya ve enerji tasarrufuna öncelik veren, hükümet tarafından yönetilen bir altyapı haline gelecek ve IDC, bilgi işlem performansına öncelik vermek için kurum tarafından yönetilen bir iş uygulaması olacaktır. Bay Lin Yongjun, "eskilerin su kenarında yaşadıklarına ve günümüzde halkın sayılarla büyüdüğüne" inanıyor. Bu nedenle, yerel yönetimlerin yetenekleri çekmesi için veriler önemli bir faktör haline gelecektir.
Veri gölünün BT mimarisi, ABCD'nin yapay zeka (AI), blok zinciri (Blockchain), büyük veri (Veri) ve bulut bilişim (Bulut) olduğu göl depolama + ABCD olacaktır. Ve dört özelliği vardır: büyük (büyük depolama kapasitesi, kabin başına 1,6 PB, yüksek veri yoğunluğu), yeşil (düşük enerji tüketimi, manyetik depolama, düşük depolama maliyeti, manyetik depolamanın% 6,5'i), güvenlik (50 yıldan fazla kullanım ömrü, Veriler değiştirilemez, Fang elektromanyetik birikimi, anti-virüs silme ve modifikasyonu), ekoloji (veriler açık).
Son olarak, Bay Lin Yongjun ayrıca veri gölü yapımı-göl yapımı, su saptırma ve su kaynağı kullanımı üçlemesini önerdi. Bir göl inşa etmek, bir kentsel veri gölü inşa etmenin temel unsuru olarak optik ve manyetik füzyon teknolojisini kullanmaktır; su saptırma, hükümetin mevcut verilerinin tanıtılmasıdır; su kaynağı kullanımı, veriye dayalı ve karar verme desteği olup, hükümet yönetişim yöntemlerinin iyileştirilmesini teşvik eder ve hükümet yönetiminin yüksekliğini artırır.
Yedi, uçtan uca yapay zeka bilgi işlem sistemi tasarımı ve optimizasyonu
Zhang Qing: Inspur Group'un Baş Yapay Zeka Mimarı
Şu anda, yapay zeka hesaplama, modellerin nasıl optimize edileceği, otomatik öğrenme modellerinin nasıl optimize edileceği ve büyük ölçekli algoritmaların nasıl oluşturulacağı gibi bir dizi problemle karşı karşıyadır. Bu genellikle uzmanların tamamlamasını gerektirir ve donanım cihazlarının sınırlamaları çoğu zaman optimizasyona ulaşamaz.
Raporda, Bay Zhang Qing, Inspur Group tarafından önerilen uçtan uca yapay zeka hesaplama sisteminin tasarım fikirlerini tanıttı. Kabaca dört katmana ayrılmıştır:
AI bilgi işlem platformu: Platformda algoritmalar, belirli bir sorunun hesaplama özellikleri, etki alanı özellikleri ve dağıtım ortamı için tasarlanmıştır. Örneğin, parametre yoğun veya hesaplama açısından yoğun olan platform, bu özelliklere göre farklı konfigürasyonlar yapacaktır.
Yapay zeka sistem yönetimi: Bireyler için yalnızca az sayıda GPU yapılandırılabilir ve donanım olanakları bilgi işlem verimliliğini sınırlar. Ancak, büyük ölçekli tümleşik bilgi işlem donanım platformlarına dayanıyorlarsa, kaynakları etkili bir şekilde kullanabilen ve bilgi işlem verimliliğini artırabilen donanım kaynaklarının belirli koşullarına göre kaynakları yönetebilir, planlayabilir ve izleyebilirler.
AI bilgi işlem çerçevesi. Sistem, farklı senaryo gereksinimlerine, model özelliklerine ve platform özelliklerine göre uygun çerçeveyi (TensorFlow, Caffe veya diğerleri) seçecektir.
AI uygulama şeması: Görev ayrıştırma (örneğin, görüntü tanıma, konuşma sentezi veya makine çevirisi vb.), Veri hazırlama (veri temizleme, veri geliştirme, veri etiketleme vb.) Ve algoritmalar dahil olmak üzere AI uygulamalarının uygulanmasını analiz etmek için dört süreç vardır. Seçim (RNN, ResNet, FCN, vb.), Sistem yapımı (yönetim platformu, bilgi işlem platformu vb.).
Uçtan uca yapay zeka bilgi işlem sistemi optimizasyon teknolojisi yönü üç içerir: bilgi işlem, iletişim ve IO. Hesaplama, kaynak kullanımını daha da iyileştirmek için CPU ve GPU'nun paralel eğitimidir. İletişim, düşük gecikmeli iletişimi ve yüksek krediyi gerçekleştirmek için donanım teknolojisini benimser; IO, veri aktarım süresini azaltmak için çevrimiçi ve çevrimdışı depolama mimarisi tasarımını benimser.
Leifeng.com'un Özeti: Yukarıdakiler, AITech ana forumunun girişidir 1. Yarım günlük toplantıda, Shenzhen ve Longgang Bölge Hükümeti liderlerinin konuşmaları aracılığıyla, Shenzhen (Longgang Bölgesi) Hükümeti'nin yapay zeka ve ilgili endüstrilere yaptığı büyük yatırımı anlayabildik. Akademisyen Gao Wen'nin raporundan, yapay zekanın gelişiminin ulusal düzeyde nasıl olduğunu ve uygulanacağını görebiliriz; Akademisyen Xu Yangsheng'in raporu, yapay zeka çağında (çocukların) eğitimini yeniden düşünmemiz gerektiğini anlamamızı sağlıyor; John Hopcroft sade bir dil kullanıyor Derin öğrenmenin eksikliklerini, olası iyileştirme yönlerini ve bu konuda hangi yansımaların yapılması gerektiğini anlayalım; Dr. Rui Yong'un raporu, yapay zekanın iyi gelişimi için dört unsuru A, B, C ve D'ye görsel olarak açıklıyor; Yan Zhijie Doktora raporu Alibabanın IoT mimarisini ayrıntılı olarak ele aldı; Bay Lin Yongjun bize her düzeyde yerel yönetimler için büyük bir referans değeri olan büyük bir veri depolama senaryosu gösterdi; Bay Zhang Qing Uçtan uca AI bilgi işlem sistemlerinin tasarımı ve optimizasyonu ve benzer platformların ortaya çıkması, çok sayıda araştırmacının GPU'ları ayrı ayrı satın alma veya algoritmaları kendileri tasarlama ihtiyacını ortadan kaldırabilir. Kısacası her rapor, insanlara bir tür kalp ve vizyon heyecanı yaşatır.
Daha fazla bilgi için lütfen Leifeng.com'un sonraki raporunu takip edin.
