“你是機器人？你是哪里人？” 7月4日，Baidu Create 2018 AI開發(fā)者大會現(xiàn)場，百度創(chuàng)始人、董事長兼CEO李彥宏播放了一段電話錄音，一位即將參加開發(fā)者大會的嘉賓與百度AI客服進行了幾輪對話之后，提出了這樣的問題。隨后答案揭曉，錄音中的這位客服并不是人，而是AI。
“挺驚訝的，太像真人了。”一位現(xiàn)場觀眾告訴記者。
被誤認為真人的AI客服是今年百度展示的AI能力之一,它的背后是百度大腦的自然語言理解和語音識別與合成技術。會上，百度大腦3.0隆重發(fā)布。“百度大腦3.0的核心是‘多模態(tài)深度語義理解’”，百度高級副總裁、AI技術平臺體系總負責人王海峰表示，“百度大腦3.0已經(jīng)對外開放了110多項領先的AI能力。未來百度將繼續(xù)研發(fā)頂尖的AI技術，同時全面賦能開發(fā)者，讓每一位開發(fā)者都能平等便捷地獲取AI能力。”
百度大腦3.0：業(yè)界首提“多模態(tài)深度語義理解”
王海峰指出，“百度AI能力的核心是百度大腦，百度大腦3.0是百度AI能力的集大成者。”
“百度從成立的那一天起，就開始了人工智能技術的研發(fā)與應用，”王海峰表示，8年前，基于多年的技術積累，百度開始全面布局AI，并在2016年9月正式發(fā)布“百度大腦”。如今，百度大腦的能力不斷提升，從1.0進階到3.0。王海峰介紹，百度大腦1.0完成基礎能力搭建和核心技術初步開放，2.0形成了完整的技術體系，開放60多項AI核心能力，3.0的核心是“多模態(tài)深度語義理解”，同時開放110多項AI能力。
“多模態(tài)深度語義理解”是指對文字、聲音、圖片、視頻等多模態(tài)的數(shù)據(jù)和信息進行深層次多維度的語義理解，包括數(shù)據(jù)語義、知識語義、視覺語義、語音語義一體化和自然語言語義等多方面的語義理解技術。王海峰表示，“多模態(tài)深度語義理解不僅能讓機器聽清、看清，更能深入理解它背后的含義，深度地理解真實世界，進而更好地支撐各種應用，”
王海峰介紹，數(shù)據(jù)語義化技術可以將大千世界中多元、異構(gòu)和多模態(tài)的三元空間大數(shù)據(jù)，形成包含千億節(jié)點、萬億關系的龐大數(shù)據(jù)語義網(wǎng)絡，從中總結(jié)規(guī)律、提煉知識、發(fā)現(xiàn)價值，助力經(jīng)濟和社會發(fā)展。比如在新能源充電樁智能運維中，結(jié)合百度的大數(shù)據(jù)、深度學習等技術進行設備監(jiān)測、故障診斷等，可以顯著提升效率，節(jié)約成本。而多元語義知識方面，百度已經(jīng)構(gòu)建了包含數(shù)億實體、數(shù)千億級事實的龐大知識圖譜。除了基礎的由實體、屬性、關系構(gòu)成的實體圖譜，我們還針對不同的應用場景和知識形態(tài)，構(gòu)建了關注點圖譜、事件圖譜、多媒體圖譜、行業(yè)知識圖譜等多種圖譜。所有這些知識，構(gòu)成了百度大腦的基礎。
視覺語義化可以讓機器從看清到看懂視頻，并提煉出結(jié)構(gòu)化語義知識。視覺語義化技術應用于世界杯視頻解析，能夠全面識別視頻中的球員、裁判、球、以及球門、球場線等人、物和場景，可以捕捉射門、進球、角球、任意球、換人等事件。基于這些語義化知識，既可以完成機器人自動解說，也可以進行精彩片段集錦、以及各種數(shù)據(jù)統(tǒng)計分析等。而在實際生活的超市購物場景中，百度的視覺語義化技術通過識別人物、動作、物品并關聯(lián)時間序列，將數(shù)字化的視頻轉(zhuǎn)化為結(jié)構(gòu)化的語義知識，既能實現(xiàn)顧客在無人超市購物的完整體驗，還可以幫助商店經(jīng)營者分析和優(yōu)化商店經(jīng)營。
語音語義一體化和自然語言理解技術能讓機器準確識別并理解人說的話，實現(xiàn)更自然的人機對話。王海峰現(xiàn)場對著百度地圖說出了一長串繞口令般的導航需求，百度地圖語音智能助手完美識別并給出最佳路線，李彥宏開場播放的智能客服給參會者打電話的片段，其背后也是這些領先的AI技術在支撐。王海峰介紹，百度高噪聲環(huán)境Hand-free語音識別準確率已提升了10個百分點，語音語義一體化技術使得遠場語音識別準確率提升了10個百分點；在語音合成方面，WaveNet+拼接的情感語音合成技術，使得流暢度和自然度也大幅提升。
王海峰以對話理解和閱讀理解為例，為大家介紹了領先的百度自然語言理解技術。百度的對話理解技術已經(jīng)積累多年，通過研發(fā)最新的深層注意力匹配模型，比已知的最好結(jié)果又提升了4.1%。在閱讀理解技術上，百度大腦已經(jīng)閱讀了千億量級的文章，相當于6萬個中國國家圖書館的藏書，并由此積累了億級實體、千億事實的知識。“通過持續(xù)獲取和積累知識，百度大腦的理解能力不斷升級，智能水平顯著提升，進而能夠更好地服務用戶。”王海峰說到。
從芯片到深度學習框架，技術、平臺和生態(tài)的AI全棧技術布局
百度大腦3.0提出“多模態(tài)深度語義理解”，PaddlePaddle是其技術突破背后的基礎。PaddlePaddle是百度完全自主研發(fā)的深度學習框架，是中國人自己的深度學習框架。王海峰正式公布PaddlePaddle3.0，包括完整的核心框架，以及AI Studio、AutoDL、EasyDL等可以讓開發(fā)者平等便捷獲取頂尖AI能力的平臺。
王海峰介紹，PaddlePaddle3.0核心框架對服務器版本以及移動端版本進行了全面優(yōu)化，可以靈活適用于更廣泛的開發(fā)需求。而三大平臺的發(fā)布則讓開發(fā)者可以更平等便捷地獲取頂尖AI能力。AutoDL能更高效自動搜索神經(jīng)網(wǎng)絡結(jié)構(gòu)，開發(fā)者無需特殊硬件設備可以快速得到高質(zhì)量模型；EasyDL可以幫助開發(fā)者零算法基礎訓練業(yè)務定制模型，操作可視化，無需懂深度學習；AI studio具有云端集成、簡單易用、運行高效和資源免費的特點，是集成“數(shù)據(jù)、算法、算力”的PaddlePaddle實訓平臺，一站式滿足使用者學習、技術進階、學術研究需求。
此外，百度大腦3.0首次將芯片納入技術體系，它使百度大腦具備了更完備的軟硬一體化能力，帶動百度大腦算力爆發(fā)式增長。百度自主研發(fā)的中國第一款云端全功能AI芯片“昆侖”也在會上首次亮相。“昆侖”針對語音、自然語言處理、圖像等進行了專門優(yōu)化，在同等性能下成本降低10倍，同時具有很高的易用性。“AI芯片將與百度自主研發(fā)的PaddlePaddle深度學習框架深度結(jié)合，推動AI行業(yè)生態(tài)快速發(fā)展。”王海峰表示。
全面開放：任何人都能平等便捷地獲取AI能力
百度大腦持續(xù)不斷地開放，讓越來越多行業(yè)和企業(yè)變得越來越智能，通過AI提升效率，創(chuàng)造新價值。如今，百度大腦每天調(diào)用次數(shù)超過4千億次，調(diào)用的人中既有AI工程師，也有零“AI”基礎的初入門者，還有來自各行各業(yè)希望用AI創(chuàng)新業(yè)務、為業(yè)務轉(zhuǎn)型升級的企業(yè)。這些開發(fā)者和合作伙伴雖然身份不同、目標不同，但都從百度找到了最適合的AI接入方式。
“授人以魚不如授人以漁。我們研發(fā)最頂尖的AI技術，我們也致力于開放最頂尖的AI技術。”王海峰再次表明百度愿與開發(fā)者共同改變世界的信念。截止目前，百度已對外開放110多項領先的AI場景化能力與解決方案，并通過開放EasyDL等定制化平臺、軟硬一體的AI能力，持續(xù)降低AI應用門檻，幫助開發(fā)者和企業(yè)應用AI實現(xiàn)業(yè)務創(chuàng)新與升級。
AI正在滲透至各個行業(yè)的毛細血管中，成為大勢所趨，李彥宏表示，“我們希望，今天，無論你在哪里，無論你是誰，都能夠通過百度平等便捷地獲得AI能力。”