订阅
纠错
加入自媒体

攻陷无人区:百度大脑破解了这个应用顽疾

2018-07-05 13:43
来源: 亿欧网

人与机器之间,有太多秘密隐藏在未知以下。

比如说AI带来的语义理解与语音唤醒式人机交互,虽然被大家说的很神,但其实有大量难关没有被攻破。AI语音交互,往往还以来初级的符码转化和模块调用,真正让机器像人一样去理解世界,还有很长的路要走。

好在对人机交互深层秘密的探索,在今天并没有停步。一些全新的技术应用化,正在加强人与机器如何交流、协作甚至相互理解的无尽可能。

在刚刚的百度AI开发者大会中,一个重磅升级是百度大脑升级了3.0版本。这次升级之所以引人注目,是因为其在业界首次提出了“多模态深度语义理解”。

多模态、深度语义理解,这些都是我们经常在AI论文中看到的名词,但似乎从来没有科技巨头把这个词作为关键信息进行产业披露。这是为什么?

其中的隐藏信息,是人机交互通往多模态结合、深度转译之路上,一座难以翻越的高峰。

多模态深度语义理解技术,就像一个沉睡的沙漏一样,始终隐藏在细沙之下,让人难以见到真正的应用魅力。而百度大脑的3.0升级,似乎将这个沉睡经年的沙漏倒转了过来,最神秘的AI领域,开始在技术沙粒的流逝间展露了本来面目。

人机交互的秘密:AI界有个雪域高原

20世纪上半叶,社会符号学提出了模态分析的话语批判方式,而后模态理论逐步走入各个学科,成为自然科学、计算机科学与人文科学的重要三岔口之一。而在自然语言处理成为AI重镇之后,多模态话语融合也开始被AI思想家们提上了日程。

我们知道,AI进行语音交互时的基本逻辑,是要把一切语音进行识别,转化为文字符码再进行文本理解。而语音理解与视觉、传感相关的模态融合更是难上加难,堪称人机交互进程中的“高海拔地带”。

但我们不妨思考一下,人的思维方式其实并不是单一模态的信息转化。而是五感并用,语音语义一体化理解,无间隙给出交流反应。

换言之,机器最接近人的交流方式,就是多模态输入与融合化的语义理解。而类似自然交互的技术难点,在于不同模态的视觉、语音、语音、传感信号,是构建在完全不同的数据编码之上的。整合与再学习始终都是AI领域的难点,尤其是应用领域的难点。

价值极大,难度极高,把多模态深度语义理解堆积成了AI领域的雪域高原。无数开发者都在翘首以盼先导者能够翻越这座大山。

在这次百度AI开发者大会上,百度大脑非常自信地将升级矛头对准了这个最神秘的AI沙漏。主打多模态深度语义理解技术的底层开发,可谓打开了通往无尽技术应用与难预测上线的AI大门。

技术乘法:多模态深度语义理解的应用流沙效应

多模态深度语义理解之所以重要,从应用的角度看,是因为它把视觉、语音、语义、传感,以及泛深度学习类交互整合到了一起,让技术间不再是并行的通道,而是打开了彼此融合的想象之门,并且在利用深度学习技术,强化了语义理解的精准度与容纳范畴,视线了语音语义的一体化融合。可以想见的是,多模态深度语义理解,将会在技术突破之后带来大量的眼神技术与子应用,从而改变我们对AI识别、语音控制、人机交互的边界认识。

或许从此以后,AI技术将不仅仅是做加法,更有可能产生技术细节之间的乘法效应。从百度大脑3.0公布的技术案例,我们已经可以看出类似乘法效应:

在AI开发者大会期间,对多模态深度语义理解技术最直接的感受,在于技术能力突破之后应用边界的想象力爆棚。

比如说百度大脑3.0带来的视觉语义化技术,可以让机器从看清到看懂视频的内容。比如在新零售场景中,摄像头可以通过视频语义化来直接理解顾客的行为动作,以及选取了哪些商品。这样就无需再有复杂的识别条码、刷脸等流程,顾客可以真正的拿起商品就走,产生毫无时间影响的购物体验。

另一个多模态深度语义理解的技术应用,是语音语义一体化带来的。在使用语音导航长Query时,我们经常要简单明了的说清楚导航目标,但假如我们的导航需求比较复杂,或者我们也不太清楚具体的地名,那就会很麻烦。导航中的AI识别只能进行文本唤醒,无法去理解使用者的想法。

在百度开发者大会现场,我们已经见识到在语音语义一体化技术加持后,百度地图的用户可以像绕口令一样说出大量内容,百度大脑会同步听清、听懂和理解相关含义,给出最佳导航路线。

类似的案例还有很多,从中我们可以发现,多模态深度语义理解让AI技术沙漏中的每一颗沙子,都可以排列组合出未知中的惊喜。

戳破最后隔膜:百度大脑3.0的3件礼物

当开发者想要从传统AI赛道,进入神秘的深层人机交互,需要的并不是高屋建瓴的设想,也不是多么科幻的技术示范。而是脚踏实地,真正建立可以按部就班展开学习、尝试与创造的多模态AI路径。而百度大脑的3.0升级,带来了多模态世界的3个礼物,可以说是带给开发者的核心保障:

1、告别算力问题的“昆仑”:在AI开发者大会上,百度大脑3.0首次将芯片纳入技术体系,推出了百度自主研发的中国第一款云端全功能AI芯片“昆仑”。据了解,昆仑的AI任务处理速度比此前我们常用的FPGA方案快30倍以上。高性能、高性价比,且具有易用性的云端AI芯片,可以与百度的整体AI技术体系结合,带给百度大脑的用户与开发者更多想象力。

2、跳跃的PaddlePaddle:在今年的开发者大会上,百度公布了PaddlePaddle3.0,在与自主芯片结合,打造全栈解决方案和平台化建设之余,新的PaddlePaddle还开放了多种平台,为不同层级的开发者提供更简单的开发与训练。其中AutoDL可以自动地进行网络结构设计;AIStudio是一个非常实用的在线训练平台。灵活利用更加富有生态化意味的PaddlePaddle,开发者的工作或将得到翻天覆地的变化。

3、便捷获取AI的开发者权能:开发者另一个核心需求,是有足够多的技术应用支撑,来满足天马行空的想象力。假如只有高度抽象,雷同程度很高的技术开放,那么大家很难找到自己的开发机会,尤其是在多模态语义理解带来的全新契机面前。而百度大脑3.0全面开放了110多项AI能力,满足了开发者的技术拼图需求。李彦宏在开发者大会的开场白中说,百度的目标是EveryoneCanAI。那么百度大脑的技术拼图和全栈架构,将是百度分享AI,建立开发者权能的必经之地。

百度大脑的升级,可以看做众多AI应用核心的突破。未来无数令人惊喜的AI应用,都将建立在百度大脑的跃升之上。当多模态底层技术不再是奢望,高度拟真的人机交互也就不再遥远。从百度大脑3.0开始,一个沙漏已经倒转,趋于理论最高值的AI未来,正在快速向这个世界挺进。(作者:脑极体)

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

人工智能 猎头职位 更多
扫码关注公众号
OFweek人工智能网
获取更多精彩内容
文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号