CNET科技資訊網(wǎng) 9月1日 北京消息: 9月1日,2016年百度世界在北京中國大飯店舉行。百度創(chuàng)始人、董事長兼CEO李彥宏向外界第一次揭開了百度大腦的神秘面紗。集“語音、圖像、自然語言處理和用戶畫像”四大核心能力于一體的百度大腦,經(jīng)過多年的技術積累,也讓打磨了一年的進化版“度秘”,可以媲美真人的體育賽事解說、多語言翻譯等能力,更讓人們看到了“百度大腦”下自然語言處理技術的日新月異。
在李彥宏看來,人工智能發(fā)展到今天,語音的能力已經(jīng)非常強大,并進入到了較為成熟的實用階段;圖像的能力也有了長足的進展,越來越多地被人們認可和使用;而同樣作為“百度大腦”四大核心功能之一的自然語言處理技術,難度系數(shù)卻更高。 “語音和圖像技術更多處在認知的階段,而自然語言理解除了要有認知能力之外,還需要邏輯推理能力、規(guī)劃能力等等,目前還處在更早期的發(fā)展階段中”,李彥宏說。今天的度秘可能在某些條件下依然聽不懂人類的語言和需求,但這也意味著,自然語言的理解和處理能力還有很大的發(fā)展空間。隨著自然語言處理技術的發(fā)展,度秘得以展現(xiàn)出更為智能的表達、也為人們拓展出更為多元的服務。
演講的中間,李彥宏現(xiàn)場展示了度秘新獲得的一個能力:解說籃球。著名籃球評論員楊毅也來到現(xiàn)場,當面向李彥宏夸贊了曾與他一起解說比賽的度秘。今年奧運會期間,度秘團隊“約戰(zhàn)”楊毅,共同解說了一場男子籃球賽。解說當天,原本看似極具挑戰(zhàn)意味的“人機大戰(zhàn)”,最終卻變成了一次“友誼合作”——基于計算機海量存儲和高效計算能力、特別是自然語言處理技術的度秘,在學習了幾百場比賽之后,不僅很好地幫助楊毅分析了各種賽況,也用其截然不同的語言風格,為楊毅一貫的專業(yè)版解說增添了不少趣味性,“機智”的度秘讓楊毅感到“出乎意料”,并表示,“度秘對比賽基本知識的儲備可能比我還強,男籃決賽時語速的加快也更符合體育競技的標準??梢韵胂?,如果成為這項產(chǎn)品逐漸成熟,未來就可以為球迷在看比賽時解答更多問題,成為球迷的好朋友。”
對于度秘整體技術能力的進階,李彥宏談到,和傳統(tǒng)的文字搜索方式相比,度秘與用戶間的溝通方式已經(jīng)非常不一樣了。 “現(xiàn)在人們與度秘的交互,超過一半都是通過語音或者圖像來完成的”,李彥宏指出,語音和圖像的交互占比已達到56%,正逐步超越傳統(tǒng)文字的使用頻次,成為人們表達需求的主流方式。
除了度秘在自然語言處理能力上的應用,李彥宏提到,機器翻譯領域?qū)ψ匀徽Z言理解的技術同樣相當依賴。他介紹,如今的百度翻譯已經(jīng)能夠支持27種語言之間的互譯,隨著技術的不斷成熟,不同語言互譯衍生的幾百個翻譯方向能力也將逐漸純熟,而這樣的翻譯也定將給人們帶來不可估量的便利和價值。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結構"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。