ai建模预测原理(WAICAI开发者论坛高性能计算)

2022 WAIC 世界人工智能大会已于近日在上海落幕。

9 月 3 日,在机器之心主办的 WAIC 2022·AI 开发者论坛上,2021 图灵奖得主为代表的全球最具影响力学术领袖、技术专家和企业高管发表主题演讲,演讲内容包括高性能计算、多模态交互、文本生成研究与应用、RPA、类脑计算等在内的最前沿议题。本次大会以「 AI 开发者所真正关注的」为主题,集中展示本年度人工智能领域最前沿技术成果和最新实践应用进展。

ai建模预测原理(WAICAI开发者论坛高性能计算)(1)

除了这些精彩的主题演讲,WAIC·AI 开发者论坛还揭晓了今年的 WAIC· 云帆奖得主,举办 WAIC· 黑客松颁奖典礼。此外,2022 SODA 开放数据创新应用大赛正式启动。

以下为本次 WAIC 2022·AI 开发者论坛内容的精彩回顾。

2021 年图灵奖得主、美国田纳西大学创新计算实验室主任 Jack Dongarra 发表主题演讲《An Overview of High Performance Computing,the Importance of AI/ML and Future Requirements》

ai建模预测原理(WAICAI开发者论坛高性能计算)(2)

Jack Dongarra 主要介绍了高性能计算近年来的发展概况,高性能计算与人工智能融合所面临的新的挑战和机遇。Jack Dongarra 认为,HPC&AI 不仅在具体的应用领域相互补充,在基本开发方法、软件与软件基础设施和 AI 硬件架构等领域也有非常多的联系。未来的 HPC 系统将可以被定制化。在摩尔定律之后,仍然存在很大的空间可以通过算法、软件和硬件架构去提升 HPC 系统的终极性能。

美国科学院院士、美国工程院院士、加州伯克利大学计算机科学和数学系特聘教授 James Demmel 发表主题演讲《Colossal-AI:A Unified Deep Learning System for Big Model Era》

ai建模预测原理(WAICAI开发者论坛高性能计算)(3)

身为潞晨科技首席战略官,James Demmel 主要介绍了面向大模型时代的通用深度学习系统 Colossal-AI。近年来,随着深度学习的兴起及大模型横扫各大性能榜单,前沿 AI 模型的大小在短短几年内便已增大万倍,远超硬件数倍的缓慢增长。Colossal-AI 通过高效多维并行、异构显存优化、大规模优化库、自适应任务调度等实现高效快速部署 AI 大模型训练和推理,促进 AI 大模型低成本应用和落地。

清华大学惠妍讲席教授、IEEE/CAAI Fellow、衔远科技创始人周伯文发表主题演讲《多模态人工智能进展与可信赖 AI:从原则到实践》

ai建模预测原理(WAICAI开发者论坛高性能计算)(4)

周伯文主要介绍了清华协同交互智能研究中心的研究方向,包括多模态 AI 的进展,交互式 AI 的趋势,以及最近他带领团队发表的可信赖 AI 方面的综述论文。目前的人工智能技术进展与落地,特别需要可信赖人工智能在鲁棒性、可解释性、可复制性、公平性、隐私保护、负责任和价值对齐等方面有整体思考与研究,而不是仅仅在单点研究。可信赖 AI 的落地需要端到端、全生命周期的流程,仅仅关注算法是不够的。同时,可信赖 AI 的落地不仅需要考虑各个维度的相互作用,还需要学界、产业界和监管部门一起努力。可信赖 AI 的各个价值维度与全流程的交叉也带来了大量空白的研究机会。

九章云极 DataCanvas 开源技术副总裁、D-Lab 主任杨健发表主题演讲《YLearn:因果学习,从预测到决策》

ai建模预测原理(WAICAI开发者论坛高性能计算)(5)

杨健主要介绍了机器学习在现实当中的困境、从预测到决策,因果学习是自动决策的根基以及 YLearn 因果学习算法工具包。杨健表示,当前企业对于 “智能决策” 的需求日益旺盛,机器学习存在着泛化能力差、缺乏解释性、决策支持能力不足的问题,全流程、完整的、端到端的因果学习工具成为解决企业需求和弥补机器学习短板的关键。九章云极 DataCanvas 自研的一站式处理因果学习完整流程的开源算法工具包 YLearn 率先解决因果学习中 “因果发现、因果量识别、因果效应评估、反事实推断、策略学习” 五大关键问题,具有一站式、新而全、用途广等特点,降低 “决策者” 使用门槛,提升企业自动化 “决策” 能力。

路特斯科技副总裁、智能驾驶业务线负责人李博发表主题演讲《ROBO Galaxy:智能驾驶的云端数据工厂》

ai建模预测原理(WAICAI开发者论坛高性能计算)(6)

李博主要介绍了路特斯科技的公司业务和 ROBO Galaxy 的发展概况。路特斯作为首个向电动化、智能化转型的超豪华跑车品牌,在智能驾驶领域的技术积累颇为丰富,一直致力于为用户提供高性能的智能驾驶产品。“ROBO Galaxy”智能驾驶云端数据工厂随即诞生。李博用了一个生动形象的比喻形容了 ROBO Galaxy 的定位:“早期的服装是由裁缝一针一线缝制的,但是现在穿的 POLO 衫是工厂里造出来的。未来智能驾驶的开发不再是手工作坊的场面,而是像工厂流水线一样,这条流水线就建立在 ROBO Galaxy 这个云端数据工厂上。” 可以肯定的是,ROBO Galaxy 代表的就是智能驾驶未来的生产力。

澜舟科技创始人兼 CEO、中国计算机学会 CCF 副理事长、创新工场首席科学家周明发表主题演讲《基于预训练语言模型的可控文本生成研究与应用》

ai建模预测原理(WAICAI开发者论坛高性能计算)(7)

周明主要从四个部分进行介绍:可控文本生成背景、可控文本生成研究进展、澜舟可控文本生成应用实践、总结与展望。说到可控文本生成研究进展,周明总结了三个技术要点:可控文本生成神经网络模型、可控文本生成模型训练与解码、改进生成文本的事实正确性。此外,周明还介绍了澜舟可控文本生成平台,并从应用角度进行介绍,例如基于关键词的内容生成、基于写作模板的内容生成、现代文小说续写等。

美国罗彻斯特大学计算机科学系教授、欧洲科学院院士罗杰波发表主题演讲《The COVID-19 Pandemic: What Social Media and Machine Learning Can Inform Us at Scale and in Real-time》

ai建模预测原理(WAICAI开发者论坛高性能计算)(8)

如何用人工智能和社交媒体大数据来实时的获取信息,以便采取对策,来抵抗新冠带来的各种各样问题,这是罗杰波比较关注的问题。罗杰波认为疫情期间,很多人在社交媒体上花费的时间会增加,相应产生的数据也会增加,这些数据可以帮助研究者进行辅助决策。罗杰波主要从四个方面展开介绍:疫苗问题、疫情对人类心情带来的影响、疫情之间的纵深项、疫情加重了社会极化现象。

实在智能创始人兼 CEO 孙林君发表主题演讲《数字员工,AI 在 RPA 领域的应用与落地》

ai建模预测原理(WAICAI开发者论坛高性能计算)(9)

孙林君认为,数字员工的前景是值得期待和看好的,会随着人工智能未来的落地逐步渗透到千行百业,实在智能作为人工智能企业也希望持续通过智能化技术的创新和应用来赋能和改造这个行业。他提到,RPA 是一个底座,执行的是规则化的流程,但唯有将 AI 技术和 AI 产品融合,才能变成真正的数字员工。因此,实在智能以 “AI×RPA” 作为核心技术引擎,致力于推动 RPA 向 IPA 发展,打造设计器、机器人、控制器、实在云脑四位一体产品体系和 AI 产品矩阵,构造出各种各样实用的数字员工,打造数字员工为底座的超级自动化平台,模拟人的操作去完成大量重复规则的工作,让人去做更高价值更有幸福感的工作,打造数字员工为底座的超级自动化平台,这是未来的趋势,更是不可逆转的潮流。

忆海原识创始人兼 CEO 任化龙发表主题演讲《类脑计算的发展与关键技术》

ai建模预测原理(WAICAI开发者论坛高性能计算)(10)

任化龙介绍了类脑智能的特点以及与传统技术的对比。人工智能目前仍存在诸多短板,例如泛化能力有限,数据样本依赖性强,不能灵活认知等。类脑计算的两个关键特征,一是技术特征,二是面向认知功能。技术特征方面,借鉴了生物脑的关键工作原理,不需依赖数学优化进行训练。此外,任化龙还介绍了忆海原识自主研发的 Ocean 类脑计算平台,其提供了大量基础模型,支持灵活的建模方式和自由扩展,覆盖研发、应用部署等需求。

联通(上海)产业互联网有限公司 AI 技术总监胡超发表主题演讲《从监督学习走向自我学习:无监督目标级表征学习》

ai建模预测原理(WAICAI开发者论坛高性能计算)(11)

最近几年深度学习取得了快速发展,演讲中胡超主要介绍了他们在深度学习领域的应用和发展,以及无监督技术的应用案例,他主要从五个主要支点展开:无监督学习、VAE & MIM(Masked Image Modeling) & GAN、图像修复与对比学习、流模型和扩散模型、无监督学习场景应用。在介绍应用场景时,胡超讲到了无监督学习在智慧城市领域的应用。基于海量无标签数据,有别于强监督的数据瓶颈,无监督学习反而正在此基础上蓬勃发展,而且规模在不断的扩大,正如元宇宙的浪潮一样,无监督将成为打破数据瓶颈未来的应用者。

接下来是 WAIC· 云帆奖得主论坛,对话嘉宾包括清华大学博士后研究员戴国浩、哈尔滨工业大学副教授 & 博士生导师冯驰骋、上海人工智能实验室青年科学家许晶晶、浙江大学公共卫生学院百人计划研究员 & 博士生导师杨杰、北京大学人工智能研究院助理教授 & 北京通用人工智能研究院研究员杨耀东。在圆桌论坛上,5 位嘉宾分享了自己的一些经验总结。

ai建模预测原理(WAICAI开发者论坛高性能计算)(12)

最后是来自北卡罗来纳大学教堂山分校计算机科学系助理教授 Colin Raffel 发表主题演讲《Building Machine Learning Models like Open-Source Software》

ai建模预测原理(WAICAI开发者论坛高性能计算)(13)

我们怎样才能使机器学习模型的协作和持续发展成为可能?Colin Raffel 认为贡献者需要能够廉价地将 patches 传递给模型,维护者需要合并来自不同贡献者的更新,缺乏资源的用户能够训练和运行大型模型,维护人员能够快速审查社区贡献,组合模块化组件以实现新的功能。

ai建模预测原理(WAICAI开发者论坛高性能计算)(14)

作为 WAIC 开发者生态的运营者,机器之心在当天的活动上还以视频形式邀请到微软亚洲研究院视觉计算组胡瀚、北京大学计算中心系统室主任樊春、清华 AMiner 工程师黄美玲、上海人工智能实验室自动驾驶团队青年研究员陈立、华为昇腾 CANN 主任工程师金辉佳、阿里巴巴达摩院智能计算实验室算法专家林俊旸、字节跳动 Unicorn 算法团队成员严彬等 7 位一线研究员,共同探讨「 AI 开发最后 N 公里」的难点问题,并就机器之心基于新版 SOTA!模型资源站与北大高性能计算中心、清华 AMiner 及华为昇腾 CANN 等合作伙伴通过社区共建取得的成果进行了简要汇报。

经过一天的高强度知识洗礼,相信大家都回味无穷。请持续关注机器之心,WAIC·AI 开发者论坛演讲嘉宾分享内容实录将于近日陆续放出。

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页