央广网

多模态深度语义理解:让AI从“看清听清”到“看懂听懂”

2018-07-05 10:08:00来源:央广网

  央广网科技7月5日消息(记者 殷雨婷) “多模态深度语义理解能让机器听清、看清,更能深入理解它背后的含义,深度地理解真实世界,进而更好地支撑各种应用。”百度高级副总裁、AI技术平台体系(AIG)总负责人王海峰表示。

  日前,在百度AI开发者大会(Baidu Create 2018)上,王海峰发布百度大脑3.0。百度大脑3.0的核心是“多模态深度语义理解”,包括数据的语义,知识的语义,以及图像、视频、声音、语音等各方面的理解。

  如何实现从“看清听清”到“看懂听懂”?

  视觉语义化可以让机器从看清到看懂视频,并提炼出结构化语义知识。百度视觉技术部、人脸技术部、增强现实技术部总监吴中勤介绍,视觉语义化技术首先识别人、物体和场景,同时捕捉它们之间的行为和关系,通过时序化、数字化、结构化的方式形成语义知识,最终结合领域和场景进行智慧推理,落地行业应用。

  未来,视觉语义化技术还可进一步延展,它结合新型的传感器和AI芯片,可以在感知层面和计算层面得到大幅提升;结合手机可以带给用户更佳地使用体验。

  语音技术的升级则让机器更好地听懂世界。百度语音技术部总监高亮表示,百度基于远场的语音语义一体化技术已取得突破,可为业界提供更顶尖的远场语音技术。

  语音语义一体化将远场交互中高频Query识别准确率提升10个点,并保持普通Query识别率不降;多语种混合声学建模基于Deep Peak2大幅提升中英文混合Query识别准确率,相对错误率比业界最好竞品降低20%;新升级的TTS技术业界首创传统拼接技术与Wavenet技术融合方案,保证合成质量的同时大大降低成本,让大规模应用落地成为现实。

  在对话理解方面,百度理解与交互技术平台UNIT升级至2.0,进一步增强冷启动能力,支持像人类一样在对话当中学习,同时开放了第一个工业级对话系统开源框架,降低搭建门槛,让开发者无缝对接云端。

  将自主研发的芯片纳入技术体系

  数据、算法、算力是影响人工智能技术发展的重要因素。王海峰表示百度大脑3.0首次将芯片纳入技术体系,带动百度大脑算力爆发式增长。百度自主研发的中国第一款云端全功能AI芯片“昆仑”也在会上首次亮相。未来,AI芯片将与百度自主研发的PaddlePaddle深度学习框架相结合,推动百度AI产业生态快速发展。

  百度在2016年正式开源的PaddlePaddle,如今也迎来了PaddlePaddle3.0版本。百度AI技术生态部总经理喻友平对此进行了详细解读。PaddlePaddle3.0包括完整的核心框架,以及AI Studio、AutoDL、EasyDL等可以让开发者获取AI能力的平台。

  PaddlePaddle3.0核心框架对服务器版本以及移动端版本进行了全面优化,PaddlePaddle Fluid提供丰富的满足常见主流模型搭建需求的API,支持广泛的模型搭建,训练Runtime可以满足各类型的模型训练需求;PaddlePaddle Serving可灵活适配多种预测引擎;PaddlePaddle Mobile集成百度移动端预测的实践经验,提供多平台支持。

  百度大脑升级至3.0是百度AI技术的一次跨越式升级,王海峰强调,“百度AI能力的核心是百度大脑,百度大脑3.0是百度AI能力的集大成者。”未来,百度将逐步把基于百度大脑的技术突破开放给相关的开发者和企业。

编辑: 贾斯曼
'

多模态深度语义理解:让AI从“看清听清”到“看懂听懂”

“多模态深度语义理解能让机器听清、看清,更能深入理解它背后的含义,深度地理解真实世界,进而更好地支撑各种应用。”百度高级副总裁、AI技术平台体系(AIG)总负责人王海峰表示。