切换到宽版
  • 264阅读
  • 0回复

全球人工智能“十项全能”总决赛,浪潮进前三 [复制链接]

上一主题 下一主题
 

重庆近视手术

      4月17日,由全球人工智能顶级组织,神经信息处理系统大会(NeurIPS)举办的自动深度学习总决赛公布最终成绩,浪潮赛队以出色成绩位列全球第三。
      
      神经信息处理系统大会举办的自动深度学习系列赛是全球人工智能领域的顶级赛事,以难度大、赛题新、赛程长著称,每年的大赛就是全球顶级科研机构在人工智能前沿领域的“华山论剑”。大赛历时4个月,吸引了包括Google、微软、卡内基梅隆大学、清华大学等全球著名科研机构和顶级人工智能科技公司参加。
      
      史上最难,比拼人工智能“十项全能”
      
      自动深度学习,相当于能自己学习产生人工智能的超级人工智能,它能从各种不同类别数据中通过自动学习生产强大的人工智能。本次自动深度学习总决赛堪称史上最难的比赛,比拼的是各支参赛队伍的“十项全能”。大赛难点在于每一个参赛队伍都需要设计一套采用深度学习技术的人工智能系统,来处理包括图像、视频、语音、文本和表格等五大任务共十种不同类别的数据集,每种任务的识别规则差异巨大,这就好比要求参赛队伍训练出一个能看、能听、能说的全能型人工智能模型,对于系统的数据处理能力、模型创建能力、以及模型的精度优化都提出了巨大的挑战。
      
      在常规情况下,完成一种数据集任务的深度学习建模的开发调试,大约需要花费一位专业人工智能算法工程师一周左右的工作量,如果再对这一任务开发数十种不同算法模型训练,耗时甚至长达3-6个月。而本次大赛要求参赛队伍使用一套深度学习系统来自动处理识别10个不同领域的数据集,并且整个数据处理、建模、参数优化的过程,全部由算法自动完成,在20分钟内完成算法精度接近人工智能专家7天人工调试的精度。这无异于用百米冲刺的速度完成“铁人三项”。
      
      全自动深度学习模型生产方式,效率提升万倍
      
      浪潮针对本次挑战赛开发了自动深度学习解决方案,将自动数据处理,自动模型构建、自动参数优化等核心组件进行全面优化。实现了通过同一系统针对不同任务场景的全自动化模型构建;同时,模型优化的过程,由系统自动化调试完成,大幅度提升了模型的识别精度和算法优化效率。该方案的处理精度相比基准值平均提升20%,数据读取效率平均提升22%,半小时内便可生成上千种算法模型,相比专家手动创建模型,效率提升超过一万倍。
      

      
      目前,浪潮在竞赛中所使用的核心技术,已经应用到浪潮的自动机器学习人工智能算法平台产品AutoML Suite中。在刚刚举行的IPF2020浪潮云数据中心合作伙伴大会上,浪潮提出智算中心是人工智能的新基建,浪潮将为智算中心算力的生产、聚合、调度和释放四大作业环节持续创新提供领先产品。而这种领先的产品技术能力,也正在通过其推出的“元脑”生态成为中国产业AI化进程的核心驱动力。
      
      
快速回复
限80 字节
如果您提交过一次失败了,可以用”恢复数据”来恢复帖子内容
 
上一个 下一个