CNET科技資訊網 3月30日 深圳消息: 距離人工智能被確立為一門獨立學科已經過去60年,它終于要走入每個人的生活。3月29日,阿里云在云棲大會·深圳峰會上發(fā)布ET醫(yī)療大腦和ET工業(yè)大腦,同期發(fā)布的還有用可視化的拖拽方式讓開發(fā)者使用人工智能技術的機器學習平臺PAI2.0。
阿里云總裁胡曉明現場介紹了ET醫(yī)療大腦如何輔助醫(yī)生判斷甲狀腺結節(jié)點,大屏上投出的視頻演示顯示ET通過計算機視覺技術,在甲狀腺B超影像上圈出結節(jié)點,并給出良性或者惡性的判斷。
“機器要做人類的助手,而不是競爭者。”胡曉明表示,不論是ET進入醫(yī)療和制造領域,還是機器學習平臺PAI2.0的推出,都是為了讓人工智能這門復雜而前沿的科學變得更加通用,為“萬物智能”提供基礎設施和智能引擎。
在中國云計算市場遙遙領先的阿里云,正在開啟新的征途:通往智能之路。
醫(yī)療影像越來越多以數字化的模式呈現,這讓醫(yī)學科學家們想到是否可以用機器來幫助醫(yī)生分擔一些工作負荷。阿里云的人工智能ET“應聘上崗”,開始成為各個領域的“實習醫(yī)生”,它在那里全天無休,保持24小時在線,跟醫(yī)生學習如何“看”B超結果,圈出結節(jié)區(qū)域,并且給出初步的良性或者惡性判斷。
用大量醫(yī)學數據來訓練機器是人工智能的核心,深度學習技術已經讓機器在“看”、“聽”、“說”等方面的準確率大幅提升。云計算的普及成為這些技術突破的關鍵性因素。在6年前,IBM用一間屋子大小的計算機才能在一檔問答節(jié)目中取勝,現在只需一根網線就可以獲得訓練海量數據的計算能力。
ET的“實習總結”讓醫(yī)生們感到驚訝,它不單為醫(yī)生分擔了工作負荷,診斷的準確率也超出了人類醫(yī)生的平均水平。數據顯示,人類醫(yī)生的平均準確率為60%-70%,而當下算法的準確率已經達到85%。
不過,這并不意味著人工智能將取代醫(yī)生,ET做出的初步診斷會由醫(yī)生再做核查,醫(yī)生也可為ET注入新的知識,把ET“調教”成全能助手。
這也是阿里云總裁胡曉明在發(fā)布會現場為ET醫(yī)療大腦下的定義,這是一個開放的人工智能系統(tǒng),除了阿里云的人工智能科學家,也將吸收外部的精良算法和醫(yī)學經驗,讓ET可在患者虛擬助理、醫(yī)學影像、藥效挖掘、新藥研發(fā)、健康管理等領域承擔醫(yī)生助手的角色。
大會上,阿里云宣布聯合英特爾、linkdoc啟動天池醫(yī)療AI系列賽,在這個匯集了6萬多名AI算法科學家的平臺上,尋找早期肺癌診斷的智能化判斷最優(yōu)算法,讓機器可以通過原始CT影像圖片協(xié)助醫(yī)生進行診斷。
如果制造業(yè)能夠整體提升1%的良品率,按2016年全國工業(yè)總產值計算,這將為中國制造總體提升上萬億的利潤空間。阿里云為工廠提供的方案更有數字上的經濟價值,當日發(fā)布的ET工業(yè)大腦首先瞄準的就是中國工廠的良品率目標。
胡曉明在現場提出“中國智造1%”的概念,希望讓工業(yè)生產線上的機器擁有智能大腦,“中國制造業(yè)如果提升1%的良品率,意味著一年可以增加上萬億的利潤。”
以單個案例看來,阿里云人工智能技術已經使用到了中國的工廠里,并為位于江蘇的光伏生產商協(xié)鑫在一年內節(jié)省了上億成本,這一數字來自1%的良品率提升。ET工業(yè)大腦在協(xié)鑫的工廠里,通過分析上千個參數,來優(yōu)化光伏切片的精密工藝。
讓機器能夠感知、傳遞和自我診斷問題,ET工業(yè)大腦通過分析工業(yè)生產中收集的數據,優(yōu)化機器的產出和減少廢品成本。通過并不昂貴的傳感器、智能算法和強大的計算能力,ET工業(yè)大腦解決的是制造業(yè)的核心問題。
據了解,徐工集團、中策橡膠、吉利等制造領域的標桿企業(yè)都在積極引入ET工業(yè)大腦,投入智能制造的浪潮之中。
“目前ET工業(yè)大腦已經在流程制造的數據化控制、生產線的升級換代、工藝改良、設備故障預測等方面開展工作。”阿里云人工智能科學家閔萬里表示,ET的目標是成為一個不斷吸收專業(yè)知識的 “大腦”,可以指揮各種類型的工業(yè)軀體。“我們希望用21世紀的機器智能,幫助人類更好地指揮20世紀的機器”。
“人工智能要想真正成為普惠科技,需要一款更加通用的生產工具。”阿里云首席科學家周靖人在現場表示,在過去的一年時間阿里云協(xié)助用戶在醫(yī)療、工業(yè)領域落地了多項重大的人工智能應用,但如果要把人工智能技術走入每個人的生活,需要更加平臺化的人工智能產品。
大會上,阿里云正式發(fā)布機器學習平臺PAI2.0,以更豐富的算法庫、更大規(guī)模的數據訓練和全面兼容開源的平臺化產品,讓人工智能這門綜合多門學科的技術,變成開發(fā)者只需要托拉拽就能可視化完成開發(fā)的普惠性技術。
不久前,阿里巴巴董事局主席馬云在內部啟動代號為“NASA”的計劃,面向未來20年儲備核心科技,機器學習、IoT、生物識別等領域智能化領域被放在突出位置。據了解,阿里“NASA”計劃的研發(fā)成果都將通過阿里云對外輸出,成為創(chuàng)新者的強大技術后盾。
23日馬云在馬來西亞談及“NASA”計劃時表示,科技是創(chuàng)造未來的關鍵,投入技術研發(fā)是希望讓科技更加普惠,能讓更多的人收益,“我們對一些很奇特但無法持久的技術不感興趣。我們希望投資在那些能讓人更有創(chuàng)造力的技術上。我們認為技術是要為人所使用,而不是人為技術而工作。”
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現AI根據復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠將復雜指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質量,在多項測試中超越包括Sora在內的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質量樣本的訓練數據集和MM-AlignBench評測基準,通過創(chuàng)新的數據生成和質量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經網絡技術,通過學習40年歷史數據掌握天氣變化規(guī)律,在極端天氣預測方面表現卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。