Python社区  »  机器学习算法

深度学习+:中国智能化走出的前所未有之路

工信头条 • 2 周前 • 23 次点击  


若干年来,科技界反复在讨论两件事:一是第四次科技革命可能在中国发生,二是AI将成为第四次科技革命的核心驱动技术。


如果我们把两件事融合在一起,就能够很简单的推理出一个结论:中国必须结合自身的实际情况,发展出一条前所未有,且其他国家和地区难以复刻的AI之路。只有如此,才能解释AI技术带来的新科技革命,为什么将会在中国而不是其他地方完成。


就像第一台简单的蒸汽机是在1688年由法国人德尼斯·帕潘发明,却在近百年后的英国成为驱动科技革命的通用性技术。如何将AI转化为新的通用性、底座型技术,是中国经济发展遇到的历史性机遇。


自深度学习技术为代表的第三次AI兴起进入中国后,中国AI产业经历了十余年探索。结合中国实际,面向第四次科技革命的AI之路,开始逐渐由懵懂走向清晰。


1月10日,百度Create AI开发者大会于线上召开。期间,百度CTO王海峰发表了《“深度学习+”,创新发展新引擎》主题演讲,提出人工智能的技术创新和产业发展,进入“深度学习+”阶段。



对于很多朋友来说,深度学习这个概念或许并不陌生。但“深度学习+”应该还是首次听到。这个新的概念背后,却是中国AI十余年的积累,AI底层技术与基础设施的漫长凝聚,以及千行百业应用深度学习技术的锐意探索。


这些因素融合起来,让中国AI技术与产业智能化发展得以百尺竿头更进一步,中国智能化的新转折点,也正酝酿在这个新的阶段。



激流十余载:

中国深度学习的崛起之路


想要了解“深度学习+”,我们必须回到深度学习技术在中国落地生根的历史当中。


2006年,辛顿等人意外发现了多层神经网络带来的全新可能性,就此将上世纪80年代已经产生的机器学习技术,推动到了深度学习的新阶段,而深度学习技术在一系列AI测试任务上的优异表现,也重新燃起了人们对AI的期待。客观来说,经历了两次寒冬的AI技术,能够再次复兴的核心要素就是深度学习技术的出现。



但在此后的多年时间里,深度学习还仅仅停留在非常小众的范畴里,甚至在学术界中也非常小众。2010年,当时刚刚来到百度的王海峰发现了深度学习技术所蕴藏的巨大潜能。很快,百度内部高度认可了王海峰的发现,并早早在2012年就开始探索深度学习技术与应用。2013年1月,百度率先建立全球首个专注深度学习研究的深度学习研究院(IDL)。同时,百度也开始布局深度学习开发框架的研发。就这样,非常幸运同时也非常必然,在王海峰的敏锐发现与百度的当机立断下,中国企业没有在AI浪潮中掉队,甚至成为了全球AI探索的领路人。


此后多年时间,可以视作中国深度学习技术的创生期。在此期间,百度为代表的AI行业取得了一系列成绩,比如自主深度学习框架飞桨的问世与发展,多种深度学习算法的进步提升。随着2017年全球AI热潮的到来,中国发布《新一代人工智能发展规划》,深度学习技术的战略地位与社会需求也水涨船高。面向新的形势,百度最大化发挥了自身的深度学习技术积累与平台优势,快速进行了一系列战略升级与产业成长。


当时间来到2019年,深度学习技术在框架、算法、产业空间等一系列要素上都已经趋向成熟。这一年4月,王海峰曾提出,深度学习具有很强的通用性,呈现出标准化、自动化和模块化的工业大生产特征,推动人工智能进入工业大生产阶段。



至此,王海峰明确了深度学习技术在整体产业智能化中的核心作用,将第四次科技革命的目标与深度学习技术进行直接、清晰的关联,指明了深度学习技术,是能够驱动科技革命的新一代通用性技术。


接下来这个阶段,可以看作中国深度学习技术的战略发展期。这个阶段,深度学习不再仅仅是AI企业与AI行业的事,而是事关社会经济发展与国家战略规划。王海峰就曾指出,深度学习框架在人工智能产业链中的位置,可以类比PC时代的操作系统Windows、移动时代的操作系统IOS和安卓,是“智能时代的操作系统”。在科技自立的大背景下,深度学习技术的重要性获得了更多关注。


2021年12月,经国家发改委批复,深度学习技术及应用国家工程研究中心纳入新序列管理,这是业内首个也是目前唯一的深度学习领域国家工程研究中心,“深度学习国家队”应运而生


从最初的先见之明,到算法、框架、工具的步步积累,从核心技术领先,到“国家队”的建立,王海峰与百度,伴随中国深度学习走过了激流勇进的十年。当时间来到2023年,多项因素准备就绪,深度学习可以进入全面为社会经济服务,成为核心增长动力的新阶段。


这就是中国深度学习的全面成熟期——“深度学习+”的转折点已经到来。



转折点:

深度学习,为什么需要“+”?


提到“深度学习+”,我们自然而然就会想到“互联网+”,所谓“互联网+”,就是当互联网技术在中国进入全面成熟后,网络、终端、平台全面普及之后,出现了互联网与各行业、社会生产生活的各方面深度融合的全新现象。从而创造了新的发展生态,涌现了大量发展机遇。“互联网+”,既是互联网产业的转折点,也是中国数字经济的转折点,创造了一系列经济腾飞的佳话乃至神话。


“深度学习+”的逻辑也可以这样理解,当深度学习的核心技术、核心开发平台与开发工具、产业生态、应用空间全面成熟之后,深度学习技术可以成为各行业、社会生产生活各领域能够全面利用,深度融合的通用性技术。



从全球AI产业发展的角度看,深度学习的这一特性已经清晰展露了出来,这项技术也成为国际顶尖科技公司与全球主要国家都在探索的战略高地。整体而言,深度学习框架平台+大模型是目前最具代表性的深度学习发展方向,也是顶级AI公司的“标准配置”。


早在2015年,谷歌发布了深度学习框架TensorFlow并很快将其开源,如今已经成为谷歌AI生态的基础。而从2018年开始,谷歌陆续发布了BERT、Muse等大模型,积极探索预训练大模型在AIGC、文本对话等领域的可能性。另一家受到全球关注的科技公司Meta,也积极发展自身的深度学习框架。2018年,Meta将Caffe2代码并入PyTorch,推动PyTorch进入了发展快车道。而在大模型方面,Mate AI实验室发布了NLP大模型OPT等一系列成果,推动Meta在深度学习领域保持竞争活力。


根据弗若斯特沙利文(Frost & Sullivan)发布的《中国深度学习软件框架市场研究报告(2021)》显示,在中国深度学习框架市场,百度飞桨竞争力综合排名第一,其次是Meta的PyTorch和谷歌的TensorFlow。深度学习框架三足鼎立的局面已经形成。


而与美国、欧洲等地的科技发展不同的是,中国具有更广泛、深厚的深度学习产业应用土壤。这也就是今天我们所说“数实融合”社会化动力。深度学习技术将全面推动中国的产业智能化发展,激发出智能时代的生产力解放与经济腾飞——这是中国AI产业的转折点,也是中国智能化的转折点。



这里需要解释的是,我们很多人应该都听过“AI+”、“人工智能+”的提法。它们与“深度学习+”究竟有什么不同?


从技术意涵上看,AI技术覆盖的区域更广阔,深度学习技术仅仅是AI技术当中的一种。因此上,“AI+”中所使用的AI技术可能也会过于宽泛。一家企业应用了智能语音助手,一座车站应用了人脸识别闸机,或许都可以视作“AI+”的范畴。


但如此宽泛的指向,存在这样几个问题:


1.产业所能够获取的技术大多是简单化、标准化的,技术深度不足。


2.企业用户的AI模型的开发、训练、部署,缺乏全流程的掌握,无法构建自身的开发能力与开发优势。


3.企业难以基于深度学习,满足深度定制化,释放核心生产力的智能化诉求。


在此基础上,基于深度学习平台、大模型等要素实现的“深度学习+”,是更加深层化、进阶化的AI发展阶段。企业可以实现深度学习模型从开发、训练、部署,再到应用的全流程可控,实现深度定制的智能化效果。


而之所以能够酝酿出“深度学习+”的转折点,得益于中国科技多方面的合力。



技术、生态、产业:

深度学习+的深层价值


就像在中国能够实现“互联网+”,需要天时地利人和一样,“深度学习+”能够率先在中国实现,既离不开百度这样的头部企业,在技术上的锐意进取,也离不开产业生态与千行百业的共同支持。


这些力量的统一和整合,才构建了“深度学习+”能够实现的土壤,让智能化在中国生根发芽。


在百度Create AI开发者大会,王海峰对“深度学习+”进行了三个维度的展开,分别从技术、生态、产业三个角度解释了“深度学习+”为何能够实现。



从技术角度看,深度学习技术想要持续发展,接连创造巨大价值,就需要依托于新的技术方向与技术路径。在目前阶段来看,深度学习+知识恰好肩负起了这一使命,知识增强的深度学习,已经展现出了模型效果更好,训练部署效率更高,并且拥有更强的可解释性。


百度研制的文心产业级知识增强大模型,就探寻了深度学习+知识这条路径的众多可能性。将行业知识与大模型结合,是文心大模型探索深度学习+知识的最新阵地。以文心通用大模型为基础,通过从行业及企业的特有数据和知识中融合学习,提升大模型对行业应用的适配性,文心与合作伙伴联合打造了巍巍壮观的行业大模型体系,这不仅是百度在业内的首创,更是大模型产业化的关键举措。技术的有效差异化,是“深度学习+”的根本保障。


从生态角度看,“深度学习+”并非一家企业,甚至一类企业的事,而是需要相关企业组成高效且繁荣的产业生态。通过产业链协作,打通深度学习+上下游生态伙伴,构建包含芯片、框架、模型及应用的深度学习良性生态。


深度学习良性生态的形成,可以使产业端的需求与反馈,准确传递到深度学习技术及应用的每个环节,推动产业角色持续迭代优化。这样的生态发展思路,也是飞桨一路走来的核心动力。以硬件生态为例,飞桨截止目前已有超过30家硬件厂商与飞桨深度融合优化,国内外主流芯片基本都已适配飞桨。



从产业角度看,“深度学习+”的最终落脚点是要在千行百业中发挥价值,帮助各行各业应用深度学习技术降本增效,创新产品和业务,加快产业智能化进程。也只有如此,才能发挥出中国产业体系完善、体量巨大、场景丰富的核心优势,构筑起“为什么第四次科技革命在中国”的核心答案。在千行百业的智能化道路上,“深度学习+”已经扮演了不可替代的角色。


在北京亦庄,百度智能信控系统帮助实现了“绿灯自由”,通过给红绿灯装配上深度学习能力,信号灯可以实现精准预测、全域调控,按照车流量分配红绿灯时间,最大化降低拥堵。如今,这样的能力百度智能信控系统,助力城市交通的效率优化。


总体而言,“深度学习+”需要持续面向产业应用的技术升级,需要完善的工具与平台,需要繁荣成熟的产学研用生态,更需要广泛、深刻的产业实践。


为了实现这些条件,百度与中国AI产业已经经历了十年积累,也只有中国的AI奋发力量,广阔的产业空间,全社会的创新热情,才能打通这条前所未有之路。


一条前所未有之路


当世界第一封邮件被发出的时候,不会有人想到互联网技术最终在中国取得了如此硕果。不仅推动了千行百业的“互联网+”创新,更将丰硕的成功经验与商业模式反哺世界。


时代的车轮滚滚向前。或许如今我们已经可以开始设想“深度学习+”,又将开拓一条怎样的前所未有之路?


对于企业与行业来说,“深度学习+”带来的直观改变,是深度学习的开发能力,以及大模型为代表的先进技术,将快速完成成本大幅下降、门槛极速降低的转变。在一段时间以前,深度学习开发与大模型或许还是让企业闻所未闻的技术,不久之后,这些技术或许可以用一名员工就能全部实现,带来的智能化效果则直线上升。与此同时,企业与行业的特殊需求、特殊经验,将广泛且深刻地融入到“深度学习+”。AI再也不是简单、基础的几项能力,而是企业核心生产力的组成部分。企业可以深度定制AI技术,便捷获取全球最前沿的AI能力。



对于科技产业来说,“深度学习+”的成熟,将以庞大、完善的生态为支撑。而这也让更多科技产业的角色,有机会加入到“深度学习+”生态,在其中贡献力量,收获价值。原本距离较远产业角色,将获得开放、繁荣的明天,高效率完成协作,组成立体的产业空间。“深度学习+”生态本身,就将成为新的产业集群孵化器,成为经济发展的直接推动力。


对于国家科技战略来说,“深度学习+”是抓住AI技术机遇,探索自立自强科技战略的历史性契机。“深度学习+”本身既融合了中国领先全球的技术发展与平台搭建,同时也深刻激活了中国产业经济中的生态优势、行业优势与产业链优势。可以说是极具中国特色,走出前所未有道路的科技发展方向。


这条路上,已经可谓硕果累累,比如说百度产业级深度学习开源开放平台飞桨,就是深度学习技术及应用国家工程研究中心最核心的成果。飞桨的出现与成熟,让中国AI底层基础技术与国际巨头并驾齐驱,并在部分领域实现了国际领先。中国与美国一起,成为了全球唯二拥有自主技术、繁荣生态深度学习框架的国家。这意味着中国打造了自主可控的AI操作系统,有了自立自强的智能化发展机遇。



而对于更多普通人,对于你我来说,“深度学习+”意味着大量的机会。更多的学习机会、创业机会、发展机会,就明确藏在深度学习技术当中,藏在AI开发与大模型落地的产业过程中。深度学习依旧是AI技术体系的王冠,但不同的是,“深度学习+”让人人都可以戴上它。       


基于“深度学习+”,可以驱动AI技术引领的新一轮科技革命和产业变革浪潮加速到来,助力中国现代化产业体系升级,推动经济社会进入智能时代。


在过去,互联网不发源于中国,却在中国起飞,如今,深度学习技术正在实现新的中国奇迹——构建一个技术自立,生态繁荣,产业智能化深度发展的智能中国。


“深度学习+”,构成了一个转折点——中国AI从跟随转向领航,从懵懂转向成熟。


在这个转折点之后,第四次科技革命的路标已经清晰可见。


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/151735
 
23 次点击  
分享到微博