Ali Dharma Akademisi, son iki yıldır AI yapıyor
Düzenle | Jane
Üretildi | AI Teknolojisi Ana Kampı ( İD: rgznai100)
Ekim 2017'deki Hangzhou Yunqi Konferansı'nda Alibaba resmi olarak Dharma Akademisi'nin kurulduğunu duyurdu ve önümüzdeki üç yıl içinde temel bilime ve yıkıcı teknolojik yenilik araştırmalarına 100 milyar yuan'dan fazla yatırım yapacak. Dharma Akademi'nin resmi web sitesi resmi olarak hizmete girdikten sonra, Dharma Akademi'nin beş alana odaklandığını gördük: makine zekası, veri hesaplama, robotik, finans teknolojisi ve X laboratuvarı Yurtiçi ve yurtdışında 14 laboratuvar ve yaklaşık 70 uzman vardı.
AI teknolojisi, Dharma Akademisi'nin şu anda yoğun bir şekilde yatırım yaptığı teknik alanlardan biridir. İki yıl önce kurulmak üzere. İnsanlar, Dharma Akademisinin yapay zekada hangi teknik alanları devreye aldığını merak ediyor olabilir mi? Hangi teknik yönlerde atılımlar yapıldı? Bu makale, Bodhidharma Akademisi'nin yapay zeka teknolojisindeki büyük ilerlemelerini değerlendirecektir.
Alibaba AI'nın teknolojik gelişimi ve platform yapımı
Alibaba, ses zekası, dil teknolojisi, makine görüşü, karar zekası ve diğer yönleri kapsayan kapsamlı bir yapay zeka teknolojisi düzenine sahiptir.Sadece ses, görüntü, doğal dil anlama ve otonom sürüş gibi teknik uygulama alanlarını kapsamayan eksiksiz bir makine zekası algoritma sistemi oluşturmuştur. Ayrıca, AI altyapısının inşasını derinleştirmeye devam etti, AI yongalarının araştırma ve geliştirmesine büyük yatırım yaptı, ultra büyük ölçekli makine öğrenimi platformları ve 600 PB'nin üzerinde tek günlük veri işleme hacmine sahip ultra büyük bir bilgi işlem platformu oluşturdu.
Aşağıda, temel olarak ses zekası, dil teknolojisi ve makine görüşü ile platform yapımının üç ana teknik alanındaki en son gelişmeler ve başarılara odaklanıyoruz ve Ali AI teknolojisinin son iki yıldaki ilerlemesine bir göz atıyoruz.
(1) Sesli Zeka
-
Konuşma tanıma
Alibaba Dharma Academy, Haziran 2018'de, dünyanın en büyük ücretsiz konuşma tanıma veritabanı LibriSpeech'te halka açık olarak test edilen, kendi geliştirdiği yeni nesil konuşma tanıma modelini (DFSMN) açıkladı. Sektörde en yaygın kullanılan LSTM modeliyle karşılaştırıldığında, DFSMN konuşma tanıma modeli daha hızlı eğitim hızına ve daha yüksek tanıma doğruluğuna sahiptir. Alibaba AI, DFSMN modeline dayanarak, konuşma hatası oranını önemli ölçüde azaltan ve kod çözme verimliliğini 6 kat artıran DFSMN-CTC modelini geliştirdi.
Ayrıca, Alibaba Makine Zekası Teknoloji Laboratuvarı, yüksek endüstriyel gürültü ortamlarında konuşma tanıma ve iletim teknolojisi geliştiriyor. Gelecekte, birçok atölye çalışanı "kükreyerek iletişim" durumuna veda edecek ve basit iletişim kelimeleri kelimelere dönüştürülecek. Şu anda 85 desibellik endüstriyel gürültü altında, bir metredeki normal ses seviyesi konuşması% 94,6 doğruluk oranıyla metne dönüştürülebilir ve bu da çoğu fabrikada gürültü sağırlığı sorununu çözebilir. Ekip gelecekte 95 desibel endüstriyel gürültünün altında konuşma tanıma elde etmeyi umuyor.
Alibaba mühendisleri, yapay zeka konuşma tanıma sisteminde hata ayıklıyor
-
Ses etkileşimi
Şu anda, Ali Voice AI'nın günlük çağrı hacmi 180 milyon kata ulaştı.
Temmuz 2019'da Ali açık kaynaklı insan-makine diyalog modeli ESIM'i kullandı. ESIM, çok sayıda diyalog yanıtı turu sorununu çözen orijinal bir modeldir.Gerçek zamanlı diyalog robotları kurarak aramak Ve insanların gerçek niyetlerini anlayan "radar" sistemi, diyalog geçmişinin gerçek zamanlı erişimini gerçekleştirebilir, gereksiz bilginin müdahalesini otomatik olarak ortadan kaldırabilir ve insanlara beklenen yanıtı verebilir.
Örneğin, insanlar çevrimiçi alışveriş yaptıklarında ve M beden siyah bir elbise istediklerinde, akıllı robot envanteri gerçek zamanlı olarak arayabilir ve kullanıcının M beden elbisesine sahip olmadığını bulup yanıtlayabilir. Kullanıcı daha sonra "Beyaz bir elbise var mı?" Diye sordu Şu anda, geleneksel model tarafından eğitilen AI müşteri hizmetinin kullanıcının "Bu elbisede beyaz bir elbise var mı" yoksa "Beyaz bir M elbise var mı?" Doğru bir yanıt verin.
Ali AI, kullanıcının diyalog bağlamının geri getirilmesiyle, kullanıcının çekirdeğinin renkten ziyade beden olduğunu açıkça ortaya koydu ve beyaz bir M elbise olup olmadığını hızlı bir şekilde doğru bir şekilde yanıtladı.
Bu teknoloji, gelecekte birçok insan-bilgisayar etkileşimi senaryosuna uygulanacaktır: akıllı sesli sipariş makineleri, insanların gerçek niyetlerini daha doğru bir şekilde anlayabilir ve siparişin başarı oranını artırabilir; navigasyon yazılımı, insanların ses isteklerini daha kolay anlayabilir, Daha az yanlış yoldan gidin; evdeki akıllı hoparlörler daha hızlı yanıt verebilir ve bekleme süresinden tasarruf edebilir.
-
Konuşma sentezi
Alibaba Dharma Academy'nin Makine Zekası Laboratuvarı tarafından bağımsız olarak geliştirilen çeviri tabanlı bir sentez teknolojisi olan Bilgiye Duyarlı Sinirsel TTS (KAN-TTS), mevcut ana akım uçtan uca TTS teknolojisini ve geleneksel TTS teknolojisini derinlemesine entegre eder.Aynı zamanda, sistem farklı alanlara dayanmaktadır. Derin bilgi. CPU dağıtımının çerçeve tasarımı, verimli ve kullanışlı dağıtım yetenekleri sağlamak için optimize edilmiştir.Ayrıca, 20'den fazla anahtar algoritma iyileştirilmiş ve konuşma sentezi birçok açıdan iyileştirilmiştir.
Geleneksel konuşma sentezinin özelleştirilmesi, 10 saatten fazla veri kaydı ve açıklama gerektirir, bu da kayıt cihazı ve kayıt ortamı için yüksek gereksinimler getirir. İlk özelleştirmeden son teslimata kadar proje döngüsü uzun ve maliyetlidir. Ali, Çok Hoparlörlü Modeli ve Konuşmacıya Duyarlı Gelişmiş Aktarım Öğrenimini kullanır Birleştirmek Yöntem, konuşma sentezi özelleştirme maliyetini 10 kattan fazla azaltır ve döngü sıkıştırması 3 kattan fazladır. Diğer bir deyişle, 1 saatlik geçerli kayıt verisi ve iki aydan az üretim döngüsü ile standart bir TTS özelleştirmesi tamamlanabilir.
Bu aynı zamanda sıradan kullanıcıların "AI sesini" özelleştirmesi için eşiğin daha düşük olduğu anlamına gelir. Kaydedilen sese oldukça benzeyen sentezlenmiş bir ses elde etmek yalnızca on dakikalık cep telefonu kaydı alır. Alibaba AI, temel olarak otomatik veri kontrolüne, otomatik etiketleme yöntemlerine ve büyük kullanıcı senaryolarının kullanımına dayalı olarak bunu başarır. Alibaba, ezber bozan TTS çözümleri sunmuştur. 5 senaryoda seçilebilecek 34 ses vardır: genel, müşteri hizmetleri, çocukların sesi, İngilizce ve lehçe. Ali, yeni nesil teknolojiye dayanarak, çevrimdışı TTS'nin cihaz tarafındaki etkisini de geliştirdi. Bu, insanlar zayıf sinyalli alanlarda araç kullanırken sesli navigasyon "düşmelerinden" kaçınmak gibi ultra düşük kaynaklı cihazlarda TTS hizmetlerinde çok kullanışlıdır.
Alibaba Dharma Enstitüsü, konuşma tanıma, konuşma etkileşimi ve konuşma sentezi alanlarındaki ilerlemeye ek olarak, ses izi tanıma alanındaki ilerlemeye ek olarak, sesli baskı denetimsiz kümeleme teknolojisi geliştirdi ve Alibaba Cloud IoT ve Alibaba'da kullanılmak üzere dağıtılmış bir ses etkileşim modülü başlattı. Dharma Academy tarafından yayınlanan dağıtılmış sesli etkileşim çözümünde, sesli etkileşim modülüne ek olarak, çözüm ayrıca bir sesli kendi kendine öğrenme platformu, bir diyalog platformu ve yukarı ve aşağı platformlara bağlanma ve uçtan buluta yetenekleri entegre etme yeteneğini açan bir Alibaba Cloud IoT akıllı yaşam platformunu da içeriyor. , Akıllı insan yerleşim ortamının geliştirme döngüsünü kısaltın ve ayrıca güçlü genişleme yeteneklerine sahip olun.
(2) Doğal dil işleme
-
makine çevirisi
2017 WMT yarışmasında, şampiyonayı kazanan sistem de dahil olmak üzere çoğu sistem RNN ve LSTM'ye dayanıyordu. Sadece bir yıl sonra, büyük kurumlar önce Transformer'ı kullanmak için acele ediyor. Dharma Akademisi'nin Makine Zekası Teknoloji Laboratuvarında kıdemli bir algoritma uzmanı olan Chen Boxing liderliğindeki Dharma Akademisi'nin makine çevirisi ekibi, bu yarışmadaki Transformer yapısı, Kendine Dikkat, Çok Başlı Dikkat ve diğer teknolojilere dayalı olarak ağ yapısını iyileştirdi. Kelime konumu bilgisini kullanarak, hiyerarşik bilgileri yakalayabilen oldukça paralelleştirilmiş bir sinir ağı önerilmiştir ve bu, makine çevirisinin performansını kapsamlı bir şekilde geliştirir.
Geçen yıl, AI Teknoloji Ana Kampı Alibaba Makine Zekası Teknoloji Laboratuvarı Alibaba Çeviri Platformu çeviri modeli grubu başkanı Yu Heng'i açık bir sınıfta paylaşmaya davet etti: "Transformer'in Makine Çevirisinde Yeni Sinir Ağının Uygulaması | Açık Sınıf Notları".
Şu anda, Dharma Akademisi'nin makine çevirisi teknik ekibi, Rusça, İspanyolca, Fransızca, Arapça, Türkçe, Tayca, Endonezce ve Vietnamca çevirileri destekleyen 48 dil çeviri yönü uyguladı. Bunların arasında e-ticaret çoğu dili kapsar ve Google ve Amazon'u geride bırakan sahne, günlük 1,79 milyar aramaya ulaştı. Alibaba'nın makine çevirisi teknolojisinin e-ticaret tam bağlantı hizmetlerine uygulanmasının yanı sıra, Cainiao Logistics Customs Clearance, Alibaba Cloud International Community, Fliggy Travel Translation Assistant, Dingding Social Spoken Language Translation gibi bir dizi üründe de yaygın olarak kullanılmaktadır.
-
QA görevleri ve makine okuması
Geleneksel AI okuma, belirli bir alandaki profesyonellerin soru cevap verilerini hazırlamasını gerektirir ve AI cevapları bu alanla sınırlıdır.Örneğin, finansal alandaki yapay zeka lojistik alanındaki soruları cevaplayamaz. Ali araştırma ekibi tarafından önerilen "hiyerarşik füzyon dikkat mekanizmasına dayanan" derin sinir ağı modeli, okuduğunu anlama problemleri yaparken insanların bazı davranışlarını simüle edebilir. Birleştirmek Bölüm içeriğini gözden geçirin, makaleyi sorularla tekrar tekrar okuyun ve okuma sırasında ve ilgili ek açıklamalar yaparken unutmaktan kaçının. Model, soru ile makaledeki belirli bir alan arasındaki ilişkiyi yakalayabilir ve aynı zamanda, katmanlı bir strateji yardımıyla yavaş yavaş yanıt sınırını netleştirmek için dikkati odaklayabilir; diğer yandan çok fazla şeyden kaçınmak için Dikkat Ayrıntılar, uygun düzeltmeleri yapmak için dikkat mekanizmasına küresel bilgi eklemek için bir füzyon yöntemi benimseyin. Dikkat Konu doğru.
Örneğin, 4 30 100.000 kelimelik "Encyclopedia Britannica", Ali AI tarafından milisaniyeler içinde okunabilir ve kendi anlayışına göre kitaptaki farklı alanlarla ilgili farklı soruları hızlı bir şekilde yanıtlayabilir. Örneğin, Asya'da kaç ülke var? Amerika Birleşik Devletleri'nin beşinci başkanı kimdir? Dinozor ne zaman kayboldu? Robot, "seri takip" korkusu olmadan hızlı yanıt verebilir.
Ali ayrıca, insanın okuduğunu anlama sürecini taklit edebilen "füzyon yapılandırılmış bilgi BERT modeline" dayalı bir "derin kademeli makine okuma modeli" önerdi: Önce, belgeler hızlı bir şekilde taranıp değerlendiriliyor ve ardından ilgili paragraflar yoğun bir şekilde okunuyor. Soruyu cevaplamak için "kendi anlayışınız".
Sağduyu mantığının en zor NLP görevlerinden biri olduğu söylenebilir Derin öğrenme liderlerinden biri olan ve Turing Ödülü'nü kazanan Yann LeCun, bir keresinde en akıllı yapay zekanın sağduyu açısından bir kedi kadar iyi olmadığını iddia etti.
Alibaba Dharma Akademisi'nin Konuşma Laboratuvarı, BERT modelinin sağduyu muhakeme yeteneğini önemli ölçüde geliştirmek için AMS yöntemini de önerdi. AMS yöntemi, BERT ile aynı modeli kullanır ve yalnızca BERT'yi önceden eğitir. Model hesaplama miktarını artırmadan, CommonsenseQA veri setindeki doğruluk% 5,5 artırılarak% 62,2'ye çıkarılır.
-
Anlamsal tanıma
1 Nisan 2019, 1 Nisan Şaka Günü'nde Alibaba, çevrimiçi söylentileri ve sahte haberleri ortadan kaldırmak için tasarlanan bu AI teknolojisini - "AI Söylenti Parçalayıcı" yı piyasaya sürdü. Algoritma modeli, Alibaba Dharma Akademisi'nin Makine Zeka Laboratuvarı tarafından geliştirilmiştir.Çok boyutlu ve çok açılı bilgi analizi yoluyla derin öğrenme ve sinir ağı teknolojisine dayanan ekip, gönderi bilgileri, sosyal portreler, yanıtlayıcı konumları dahil olmak üzere eksiksiz bir bilgi seti tasarladı. Yanıt bilgileri ve yayılma yolunu içeren kapsamlı değerlendirme sistemi, ilk kez söylenti tanıma ve sosyal kullanıcı görüşü tanımayı birbirine bağlar ve çapraz analiz yapar. Şu anda, belirli senaryolarda doğruluk oranı% 81'e ulaşmıştır ve haberler en hızlı şekilde 1 saniye içinde değerlendirilebilmektedir. Özgünlük.
(Üç) makine görüşü
-
Tıbbi görüntü analizi
Temmuz 2017'de, uluslararası yetkili akciğer nodülü tespit yarışması LUNA16, yarışmacılardan akciğer nodüllerini bulmak için 888 akciğer BT örneğini analiz etmelerini istedi. Numune,% 75'inden fazlası 10 mm'den küçük küçük nodüller olan toplam 1186 akciğer nodülü içerir. Sonunda, Alibaba Cloud ET tarafından yedi farklı yanlış alarm oranı altında bulunan akciğer nodüllerinin ortalama geri çağırma oranı% 89,7'ye ulaştı. (Geri çağırma oranı, örnek verilerde başarıyla bulunan nodüllerin oranını ifade eder. Aşağıdaki şekil, farklı yanlış alarm zamanlarında ET'nin geri çağırma oranını gösterir.)
(FROC eğrisi)
Arkasındaki teknoloji Alibaba iDST görsel hesaplama ekibi tarafından tamamlandı. Sorumlu kişi Hua Xiansheng, yaygın olarak kullanılan iki aşamalı algılama yönteminin aksine, süreç boyunca manuel müdahale olmaksızın yenilikçi bir şekilde tek aşamalı bir yöntem kullandıklarını açıkladı. Makine, hastanın CT dizisini otomatik olarak okur ve doğrudan tespit edilen akciğer nodüllerini verir. Model yapısı tasarımı açısından ET, CT dilimlerinin özelliklerine dayalı çok kanallı, heterojen 3B evrişim füzyon algoritmasını benimser ve farklı şekillerde akciğer nodüllerinin CT dizilerini işlemek ve saptamak için birden çok heterojen modelin tamamlayıcılığını etkili bir şekilde kullanır. Farklı ölçeklerdeki akciğer nodüllerine karşı geliştirilmiş direnç hassas Ayrıca, algılama doğruluğunu artırmak için ters evrişim yapısına sahip bir ağ ve çok görevli öğrenme eğitim stratejisi kullanır. Yarışma sırasında ekip bir dizi zorluğun üstesinden geldi: karmaşık nodül mod problemleri, erken nodüller küçüktür (10 mm'den az), geleneksel makine öğrenimi ve doğal görüntüler için derin öğrenme ağlarına ulaşmak genellikle zordur.
Karaciğer nodüllerinin doğru ölçümü, doktorların karar vermelerine ve tedavi planları yapmalarına yardımcı olabilir. Bununla birlikte, karaciğer nodüllerinin morfolojisi çeşitlidir Aynı hastada bile, nodüllerin boyutu ve şekli farklıdır ve net sınırlar olmasa bile nodüller arasındaki gri tonlamalı dağılımda büyük farklılıklara veya çevreleyen dokulara benzer gri tonlamalara neden olur.
Ali, karaciğer nodüllerinin çeşitliliği sorununu çözmek için katmanlar arası bilginin ağ yapısını ve BT görüntülerinin katman içi bilgi füzyonunu analiz eder. Atomik evrişime dayalı uzamsal piramit havuzlaması (Atrous Spatial Pyramid Pooling), alt piksel evrişimi (Sub Pixel Convolution) ve çok özellikli füzyon teknolojisinin kullanılması. Hua Xiansheng, ekibin mevcut araştırma kapsamının, görüntü analizi, doğal dil işleme, ekipman sinyal işleme ve diğer ilgili teknolojileri içeren akciğer, karaciğer, kemik, kalp, beyin ve diğer bölümlerdeki hastalıkları kapsadığını söyledi.Teknolojilerden bazıları gerçek tıbbi teşhiste uygulandı. .
-
Süper büyük ölçekli görüntü tanıma ve görüntü aramak
Haziran 2019'da, Yapay Zeka Dünya Kupası olarak bilinen WebVision yarışmasına katılmak için gereken AI modeli, 16 milyon görüntüyü 5.000 kategoride doğru bir şekilde sınıflandırdı. Manuel olarak etiketlenmiş ImageNet veri seti ile karşılaştırıldığında, WebVision tarafından kullanılan veri seti, manuel etiketleme olmaksızın doğrudan İnternet'ten taranır, daha fazla gürültü içerir ve veri kategorilerinin sayısı son derece dengesizdir, bu da AI kimliğini daha zor hale getirir.
Alibaba AI, kategori semantik etiket ilişkileri oluşturmak için bir model ve görüntü denoising için yardımcı bilgi modellerini kullanan derin öğrenme teknolojisi ve Alibaba'nın milyarlarca görüntü sınıflandırma eğitimini destekleyebilen kendi geliştirdiği süper platformunu tanıttı. Sonunda, Alibaba AI, dünya çapında 150'den fazla takımı mağlup ederek% 82,54'lük bir tanıma doğruluğu ile şampiyonluğu kazandı. Şu anda teknoloji 1 milyondan fazla fiziksel varlığı tanıyabilir.
Temmuz 2019'da CVPR 2019 tarafından düzenlenen LPIRC'de (Düşük Güçlü Görüntü Tanıma Yarışması) Ali AI, çevrimiçi görüntü sınıflandırma görevinde birinci oldu. 23 ms'lik tek bir görüntü sınıflandırma hızı ile 20.000 görüntüyü 10 dakikada sınıflandırabilir . Yarışmada kullanılan eğitim veri setinde, resmi taban çizgisinden% 3,5 daha yüksek olan% 67,4 sınıflandırma doğruluğu elde edildi.
-
Görsel diyalog
Görsel diyalog, son yıllarda hızla ortaya çıkan bir AI araştırma yönüdür.Amaç, makinelere görsel içeriği insanlarla doğal dilde tartışmayı öğretmektir. Görsel tanıma teknolojisi makinelerin görsel yeteneklere sahip olmasını sağlarsa; görsel diyalog teknolojisi, makinelerin gerçek görsel dünyayı anlamasını ve çıkarmasını sağlar, bu da yapay zekanın bilişsel yeteneklerinin yeni bir adım atacağı anlamına gelir.
(Görsel diyalogda, AI solda AI ve sağda insanlar ile insan sorularına sakin bir şekilde yanıt verebilir)
Geleneksel görsel yapay zeka temel olarak, resmin bir kedi olup olmadığını belirlemek gibi hedeflerin tespit edilmesi ve tanınmasına yöneliktir, ancak karmaşık sahnelerde hedefler arasındaki mantıksal ilişkiyi anlama ve muhakeme yeteneği zayıftır ve "Bu kedinin yanındaki çocuk giyer" Resim bilgilerini, insanların anladığı dil çıktısına çevirmek de zordur.
Alibaba AI, görüntü tanıma, ilişkisel akıl yürütme ve doğal dil anlayışının üç yeteneğini birleştiren "yinelemeli keşif diyalog modeli" ni önerdi. Ek açıklama bilgisinin verimli kullanımı yoluyla, insan bilişinin karmaşık sahnelerini taklit eden bir düşünme şeklini öğrenir ve resimdeki görüntüleri etkili bir şekilde tanımlayabilir. Varlıklar ve aralarındaki ilişki, resimde açıklanan olayın içeriğini çıkarır ve bağlamı etkili bir şekilde modelleyerek, insanlar tarafından ortaya atılan soruları ve gerçek niyetleri anlar ve doğal ve doğru yanıtlar verir.
Gelecekte, görsel diyalog teknolojisi birçok insan-bilgisayar etkileşimi senaryosunda uygulanacak. Depremden sonra harabelerde hayatta kalanları arayan kurtarma robotları, daha zamanında ve verimli bir şekilde hareket etmek için komut talimatlarını ve sahne bilgilerini entegre edebilir; görme engelli insanlar, AI'dan çevrelerini anlamalarını isteyerek çevrimiçi fotoğraflardaki içeriği anlayabilirler; hiçbiri İnsan sürüş araçları, etki faktörlerinin amacını daha doğru bir şekilde anlayacak ve yolcular daha iyi bir sürüş deneyimi yaşayacak.
(4) Alibaba AI'nın temel platform yapısı
-
Makine öğrenimi platformu PAI3.0
AI uygulama teknolojisinin sürekli keşfine ek olarak Alibaba, AI altyapısının inşasını derinleştirmeye devam ediyor. Makine öğrenimi platformu, yapay zekanın geliştirilmesi için derin öğrenme veri işleme ve model eğitiminin tek noktadan hizmetini sağlar.Alibaba, işletmelerin ve geliştiricilerin uygun yapay zeka geliştirme yeteneklerine sahip olmalarını sağlayan ve iş gücü kullanımını büyük ölçüde azaltan büyük ölçekli bir dağıtılmış makine öğrenimi platformu PAI geliştirmiştir. Akıllı maliyet. Platform, veri işleme, modelleme, çevrimdışı tahmin ve çevrimiçi tahmini entegre eden ilk yerli makine öğrenimi platformudur. 100'den fazla algoritma bileşeni sağlar ve yüz milyarlarca özelliği, trilyonlarca modeli, trilyonlarca örneği ve hatta petabaytlarca veri eğitimini destekler , Geleneksel makine öğrenimi için yüzlerce algoritma ve büyük ölçekli dağıtılmış bilgi işlem hizmetleri sağlayın.
-
Dağıtılmış derin öğrenme çerçevesi XDL
2018'deki Hangzhou Yunqi Konferansı'nda reklam için, aramak Öneriler ve diğer tipik veri işleme senaryoları, kendi geliştirdiği yeni nesil endüstriyel düzeyde dağıtılmış derin öğrenme çerçevesi-XDL'yi yayınlar, Dikkat Çekirdek, bu senaryolarda yüksek boyutlu seyrek verilerin performansıdır.
-
Dağıtılmış bilgi işlem motoru Maxcompute
Büyük ölçekli bilgi işlem gücü, makine zekasını ve verimli uygulamayı desteklemenin temelidir. Alibaba, zengin bir heterojen bilgi işlem platformuna ve ultra büyük ölçekli toplu hesaplama, ultra yüksek eşzamanlı gerçek zamanlı bilgi işlem ve karmaşık grafik veri çıkarım hesaplama dahil olmak üzere kendi geliştirdiği geniş ölçekli dağıtılmış hesaplama motoruna (Maxcompute) sahiptir ve mevcut açık kaynak motorunu kapsamlı performansta yönlendirir 30 %, toplam maliyet% 20 azaltılır. 2018'de Double Eleven'da, MaxCompute'un tek günlük veri işleme hacmi 600 PB'yi aştı.
-
Mobil cihazlarda hafif, derin sinir ağı çıkarım motoru MNN
Taobao ve Dharma Akademisi'nin araştırma sonuçlarına göre Ali, 2017 yılında MNN ekibi kurmaya başladı. Mayıs 2019'da Ali, ilk mobil AI projesi olan hafif, çok yönlü, yüksek performanslı ve kullanımı kolay olan hafif Derin Sinir Ağı Çıkarım Motoru MNN'yi (Mobil Sinir Ağı) başlattı. MNN iki işlev sağlar: model dönüştürme ve hesaplamalı akıl yürütme Model dönüştürme işlevi, geliştiricilerin TensorFlow (Lite), ONNX, vb. Gibi farklı eğitim çerçeveleriyle uyumlu olmalarına yardımcı olur; Hesaplamalı akıl yürütme kısmı, verimli bir şekilde akıl yürütmek için çeşitli optimizasyon yöntemleri uygular. MNN, akıllı telefonlara, IoT cihazlarına vb. Derin sinir ağı modellerini yüklemek için kullanılabilir ve canlı yayınları, kısa videoları kapsayan Alibaba mobil Taobao, mobil Tmall ve Youku gibi 20'den fazla uygulamaya uygulanabilir. aramak Öneriler, ürün resimleri aramak , Etkileşimli pazarlama, hak verme, güvenlik riski kontrolü ve diğer senaryolar.
-
Dharma Akademisi: Alibaba Yapay Zeka'nın "Genel Merkezi"
Ali'nin yapay zeka yolundaki başlangıcı en erken olmasa da, AI çıkışı 2015 civarında başladığında, Ali aynı zamanda önemli miktarda AI yeteneğini de saklı tutuyor. Ali, iki yıl önce yapay zekanın teknolojisini ve ticari düzenini kapsamlı bir şekilde yükseltmek için Dharma Akademisi'ni kurdu. Bir dereceye kadar, Dharma Akademisi'nin kurulması, Ali'nin yapay zeka organizasyonunun gücünün büyük bir yükseltmesidir ve son iki yılda Ali'nin yapay zeka teknolojisinin hızlı gelişimi için temel oluşturur.
Kuşkusuz teknolojinin ekonomik ve sosyal hayatta değişimler getirip getiremeyeceği ve ticarileştirme senaryolarını büyük ölçekli uygulamaya getirip getiremeyeceği, teknolojinin değerinin nihai tezahürüdür. Yapay zeka alanında, teknoloji uygulamalarının ticarileştirilmesi, değeri ölçmek için tek kriterdir ve Alibaba'nın endüstriyel yapay zekası artık tıp, finans, üretim, adalet, ulaşım, çevre koruma, eğitim, perakende ve diğer alanlara yayılmıştır.
Lider algoritma teknolojisi, AI uygulama sistemi entegrasyon yetenekleri, AI endüstrisi ekolojik yapı yetenekleri, büyük kullanıcı senaryoları, açık kaynak teknolojisi ekolojisi, büyük ölçekli Ar-Ge yatırımı, en iyi yetenek ekibi ve kendi AI ticarileştirme modeli, Alibaba AI'nın mevcut başarılarının anahtarıdır. Bileşenler ve Ali Dharma Akademisi şüphesiz bu faktörleri birbirine bağlayan "genel merkez" dir.
SON
