多模态深度语义理解:让AI从“看清听清”到“看懂听懂”
2018-07-09 16:16:56爱云资讯阅读量:799
“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。
相关文章
- 蔚蓝科技发布全球首款多模态交互机器狗,加码人形机器人
- 悦灵犀AI多模态应用重大升级,支持海外用户使用
- 即构科技参加云栖大会,共建实时多模态AI互动
- 声网对话式AI解决方案上新 构建实时多模态AI交互
- 拓元智慧受邀参加2024招银浦江大会,共享新型多模态大模型的前沿技术及产业化实践
- 容联云大模型多模态解读及生成算法通过国家网信办备案
- 浩鲸科技多模态大模型平台获2024数字中国大奖
- GPT革命|Meta模型Llama 3.1亮相,微美全息构建多模态AI生态
- Nullmax纽劢重塑未来出行,推出NI多模态端到端智驾
- 依图科技多模态大模型伙伴CTO精研班一期圆满举办,共同迈进大模型新时代
- 商汤方舟多模态新智平台亮相WAIC,首个多模态大模型落地城市服务场景
- 岩芯数智展示机器人多模态能力
- WAIC特别专访|MiniMax刘华:多模态大模型有望引领新一轮科技革命
- WAIC 2024|网易伏羲赵增:AI向群体智能演进,多模态学习成热点
- 科大讯飞机器人超脑平台2.0发布,业内首个支持多模态交互
- 世优波塔AI数字人多模态交互系统,赋能智慧医疗服务升级