允中 发自 凹非寺 量子位| 公众号 QbitAI 人工智能的技术创新和产业发展,进入"深度学习+"阶段。 这是来自百度CTO王海峰 的最新判断。 没错,不是很多人已熟知的"人工智能+"或是"智能+"。 而是把范围直接缩小到了它们的子集:深度学习 。 有何区别? 类似于此前更早的"互联网+交通"催生打车软件、网上购票改变人们出行的方式,符号的前后二者绝不是简单的求和关系 ,而是需要它们进行深度融合 。 而人工智能技术,在当今被普遍视为第四次工业革命的核心驱动力;因此,作为人工智能关键核心的深度学习该如何做"+"法,我们不妨以史为鉴,通过前三次科技革命的发展进程来窥其一二。 众所周知,每一次的科技革命都拥有一个核心驱动力般的技术存在,它们分别是机械技术、电气技术和信息技术,而其共性便是都具有很强的通用性。 在三个科技革命步入到"大生产"阶段之际,这些核心技术在扎根行业的同时,类似于作用力与反作用力,行业本身也在发生着质的变化。 一方面是在这些技术加持下的行业逐步成为社会基础设施般的存在;另一方面,随着这些行业的不断发展,还催生出了更多新技术和新行业。 再具体一些,以第二次科技革命的电气技术为例,技术本身从发电机发展到大规模发电、架设电力网络、研制各种输变电设备等,于是乎,电力的产业链便形成了。 不止于自身的发展,在电气技术与其他传统科学做"+"法时,还衍生出了电化学、电物理、电生物学等新的研究领域。 由此更进一步地使后来的电子、通信等新型技术行业得以兴起。 如此总结来看,每一次科技革命,都需要这样一个驱动力般的核心技术做"+"法来彻底改变社会的发展。 而站在现今这一时间节点,王海峰则认为,当前规模化的AI大生产已然形成,深度学习从技术 、生态 、产业 等多个维度逐渐成熟,人工智能的技术创新和产业发展,进入"深度学习+" 阶段,让创新创造大有可为。 王海峰还给出了这样的一个评价: "深度学习+"是创新发展新引擎,驱动技术发展和产业增长,让创新创造大有可为。 那么作为国内第一批且深耕深度学习十余载的百度,到底对"深度学习+"拥有的是怎样的一种思考和理解?"深度学习+",要"+"什么? 区别于前三次科技革命,第四次科技革命所涉及的驱动力技术还是有较大区别的。 因为人工智能本身就是一个具备交叉性的技术,所以它要从一个技术演进成为基础设施,再去影响千行百业,"+"法显得更为重要。 而作为人工智能技术的核心,深度学习也是沿袭了上述特性。那么"深度学习+"又该如何实现"+"法呢?我们逐层拆解来看。 首先是"深度学习+知识" ,这是从技术角度出发所给出的一个"+"法。 这里的知识,所指的是凝炼了人类认识和改造世界的智慧。 如此结合之后,机器便不再是像以往简单地被投喂大量数据来训练学习,而是要把大量知识也融入进来。 一个非常典型且符合这种"+"法的案例,便是百度自研的产业级知识增强大模型——文心。 如此做法之下结果,用王海峰的话来说就是: 知识增强的深度学习,效果更好,效率更高,有更好的可解释性。 换言之,在第一层"+"法加持之下,人工智能技术不仅能够凭借海量知识演绎"通才"般的角色,放之各行各业,也是具备"专才"的能力。 而"深度学习+"的第二个维度是从生态角度出发,所要连接的是"上下游生态伙伴" 。 这是因为深度学习要把它的实力发挥到极致,光是靠模型算法层的单打独斗是远远不够的。 放眼人工智能发展历史,在提高效率这件事上也亦是如此,单凭算法的加成毕竟具备局限性。 因此,"深度学习+"的第二个"+"法,就是要把芯片、框架、模型及应用都融合进来,一起构成一个深度学习的良性生态。 例如芯片在这个"+"法中承担提供强大算力的责任,以此来支持纷繁多样的深度学习训练、推理;框架则可以比作是操作系统,让开发、训练、推理、部署等工作的效率大幅提升。 多样的模型和开发套件,则让开发者如虎添翼,甚至可以把开发变得开箱即用那么简单;至于良好的应用,就可以让深度学习技术与场景融合创新,加速传统产业转型升级,催生新业态新模式。 至于"+"法的最后一层维度,则是从产业角度出发所提出的"深度学习+千行百业" 。 正所谓"实践是检验真理的唯一标准",以交通领域里的智能调度系统为例,便是"深度学习+交通"的一个实践产物。 在这套系统的加持之下,现如今的北京、湖南的株洲、长沙,河北保定、重庆永川、广州黄埔等城市,都在开始享受"绿灯自由"的畅快。 再如通过"深度学习+制造业"、"深度学习+服务业"、"深度学习+保险业"等精准的产业"+"法,更是让千行百业真正地做到了深度学习所带来的降本增效。 这便是"深度学习+"在做深入融合时所需联结的三大维度。 但之所以说要聚焦这三大维度并非是空穴来风,实则从全球科技国际巨头玩家的做法中也是有迹可循。 以"深度学习+知识"为例,如谷歌、Meta、微软等,也正在遵循一条将深度学习技术和知识做融合的路径,各自提出了更具通用性的大模型。 再到"+上下游生态伙伴"这层,在TensorFlow、PyTorch等框架的基础之上,互联网起家的科技公司们,不仅上探做应用,也在不断往底层寻求硬件的适配,以构建全要素深度学习技术基础设施的方式,让深度学习技术的开发变得更加丝滑,也更加低门槛。 而后它们将这些技术输送到了千行百业,造就了大火的ChatGPT、基于diffusion模型的各种绘画AI等。 如此情形,也就是王海峰所说: 深度学习平台的标准化、自动化和模块化特征越来越显著,不断降低人工智能的应用门槛,高效便捷地把人工智能技术输送给千行百业,规模化的AI大生产已然形成。 这也正是人工智能的技术创新和产业发展,进入"深度学习+"阶段背后的原因了。"深度学习+"背后:百度已蓄势十余载 不难看出,"深度学习+"实际上是行业所向,技术所趋。但为什么是百度,率先提出了这一观点? 一方面,百度作为中国AI的头号玩家,有着充足的技术积累: 自研深度学习框架平台和大模型贯通了硬件适配、模型训练、推理部署,到场景应用的全产业链,已经为人工智能技术创新和产业增长夯实了智能化基座。 具体来说,基于多年以上的深度学习技术研究和产业时间,百度打造了集核心框架、产业级模型库、开发套件、工具组件和服务平台于一体的飞桨深度学习平台。 目前,飞桨平台已经凝聚535万开发者,服务20万家企事业单位,创建了67万个模型。 在此基础之上,百度文心大模型不仅能解决NLP、CV、语音等多模态问题,还能与产业知识深度结合,调优为行业大模型,进一步打通深度学习产业化的路径。 另一方面,百度在技术上的前瞻性判断,在某种程度上已经形成"传统",并已被多次验证。 比如,在深度学习领域,百度就是最早躬身入局的中国科技公司之一。 2012年,在深度学习方兴未艾之时,百度便已经开始着手探索深度学习技术,并于次年在全球首个成立专注深度学习研究的深度学习研究院(IDL) 。 在框架与平台方面,2020年,国内兴起自研深度学习框架热潮。但早在热度爆发的4年前,即2016年,百度就对外开源了PaddlePaddle(百度飞桨) 。 根据IDC报告,截至2021年上半年,TensorFLow、PyTorch以及百度飞桨成为国内最高频使用的开源框架。 2017年,国家发改委还正式批复,由百度牵头筹建深度学习技术及应用国家工程实验室。 这也是业内首个、目前唯一的深度学习领域国家工程实验室(现在已经升级为国家工程研究中心) 。 用"深度学习国家队"来形容百度也并不为过。 值得一提的是,在技术上甘坐冷板凳坚持投入的同时,百度还不断尝试着技术与产业更深度的结合。 这也为"深度学习+"阶段到来之际,引领技术创新和产业增长奠定了丰富的产业实践基础。 比如,在交通领域,百度就帮助程度国铁电气设备有限公司,基于飞桨研发了一套"轨道在线智能巡检系统",实现了对轨道巡检图片的实时检测。 该系统可同时安装到工程作业车和运营电客车上,能够在不影响电客车正常行驶的情况下,全天候对轨道缺陷实施智能判断,目前已在深圳地铁的相关线路上试运行。 板凳甘坐十年冷,也正是多年的技术蓄势,使得百度在规模化的AI大生产时代,在"深度学习+"来临之际,敢于率先做出判断,并坚定不移地朝向这个方向,做技术创新、打通产业路径的先锋。 而从更深远的影响来看,这种技术自立自强的底色,亦将成为我国经济社会高质量增长的助力。 后续如何,且待时间检验。 — 完 — 量子位 QbitAI · 头条号签约 关注我们,第一时间获知前沿科技动态