Baidu padziļinātās apmācības platforma veicina rūpnieciskā AI pieaugumu

Nodrošina Baidu

AI virza rūpniecības pārmaiņas dažādās nozarēs, un mēs tikai sākam skrāpēt mākslīgā intelekta iespējas. Dažas rūpnieciskās inovācijas ir tik tikko pamanītas, piemēram, mežu inspekcija ugunsgrēku bīstamības noteikšanai un profilakse, taču mākslīgā intelekta ieguvumiem kopā ar padziļinātu mācīšanos ir plaša ietekme. Dienvidaustrumāzijā ar mākslīgo intelektu darbināmi meža droni ir palīdzējuši 155 mežsaimniecības birojiem paplašināt meža pārbaužu klāstu no 40% līdz 100% un veikt līdz pat 200% efektīvāk nekā manuālās pārbaudes.

Šo saturu veidoja Baidu.

• To nav rakstījuši MIT Technology Review redakcijas darbinieki.

Aiz šiem viedajiem droniem ir labi apmācīti padziļinātas apmācības modeļi, kuru pamatā ir Baidu's PaddlePaddle, pirmā atvērtā koda dziļās apmācības platforma Ķīnā. Tāpat kā galvenās mākslīgā intelekta sistēmas, piemēram, Google TensorFlow un Facebook PyTorch, PaddlePaddle, kas tika atvērta 2016. gadā, nodrošina visu prasmju līmeņu programmatūras izstrādātājiem rīkus, pakalpojumus un resursus, kas tiem nepieciešami, lai ātri pieņemtu un ieviestu padziļinātu mācīšanos plašā mērogā.

PaddlePaddle izmanto vairāk nekā 1,9 miljoni izstrādātāju un 84 000 uzņēmumu visā pasaulē. Nozares visā Ķīnā izmanto šo platformu, lai izveidotu specializētas lietojumprogrammas savām nozarēm, sākot no automobiļu nozares autonomo transportlīdzekļu paātrināšanas līdz veselības aprūpes nozares lietojumprogrammām cīņai pret Covid-19.

Patiešām, koronavīrusa pandēmija, kas izplatījusies 150 valstīs un izraisījusi pasaules ekonomikas satricinājumu, palielina prasības pēc AI transformācijas. Tagad ir bezprecedenta iespēja izstrādāt PaddlePaddle, ņemot vērā rūpnieciskā intelekta pieaugumu un AI darbināmas infrastruktūras paātrinājumu, saka Haifeng Wang, Baidu galvenais tehnoloģiju speciālists. Mēs turpināsim izmantot atvērtā pirmkoda garu, virzot tehnoloģiskos jauninājumus, sadarbosimies ar izstrādātājiem, lai uzlabotu padziļinātas mācīšanās un mākslīgā intelekta tehnoloģijas, kā arī paātrinātu rūpnieciskās inteliģences procesu.

Nesenajā Baidu Deep Learning Developer Conference Wave Summit 2020 konferencē galvenais tehnoloģiju speciālists Haifengs Vans paziņoja par PaddlePaddle sadarbību aparatūras ekosistēmā, kurā ietilpst vadošie globālie tehnoloģiju uzņēmumi, piemēram, Intel, NVIDIA, Arm China un Huawei.

Kā PaddlePaddle apmācīja atkritumu šķirošanas robotu s

Padziļinātas apmācības tehnoloģijas rada iespējas uzlabot darbības, darba slodzes pārvaldību un produktivitāti pat tādās tradicionālajās nozarēs kā ražošana, mežsaimniecība, enerģētika un atkritumu apsaimniekošana. Piemēram, atkritumu apsaimniekošanas jomā mākslīgais intelekts pārveido atkritumu savākšanu, šķirošanu un pārstrādi, atbalstot centienus saglabāt dabas resursus, samazināt oglekļa emisijas un samazināt atkritumu nonākšanu poligonos. Saskaņā ar Pasaules Bankas ziņojumu vairāk nekā 2 miljardi tonnu cieto sadzīves atkritumu tiek ražoti pasaulē katru gadu. To savācot un atdalot, atkritumu savācēji tiek pakļauti daudziem riska faktoriem un apdraudējumiem, padarot to par būtisku jomu novatorisku AI tehnoloģiju izstrādei.

Eiropā un ASV datorredzes tehnoloģija ir plaši izmantota dažādu veidu atkritumu, piemēram, stikla, plastmasas un kartona, noteikšanai, lai padarītu atkritumu šķirošanu efektīvāku. Taču uzdevums nav tik efektīvs visās valstīs.

Tradicionālo datorredzes modeļu izmantošana Ķīnā būtu bezjēdzīga, saka Dživens Džans, Jinlu Technology izpilddirektors. Atkritumi Ķīnā nav saderīgi ar to, ko var noteikt ar šo tehnoloģiju. Sarežģījumi mēdz rasties ar noteikšanas kvalitāti un dažādu atkritumu identificēšanu, saka Džans.

Datorredzes veterāns Džans meklēja PaddlePaddle, lai izstrādātu lietojumprogrammas atkritumu šķirošanas uzlabošanai Ķīnā. Lai gan nozarei trūkst zināšanu par dziļu mācīšanos, ar PaddlePaddle izstrādātājiem nav obligāti jābūt padziļinātas mācīšanās ekspertiem vai jāveido tādas lietas kā datu apstrādes modeļi no nulles.

Jinlu Technology izmanto atkritumu šķirošanas robotu, kas ieprogrammēts ar objektu noteikšanas modeli, lai identificētu dažāda veida atkritumus. Tas izmanto arī attēlu segmentācijas modeli, lai atrastu atkritumus un veiktu tādas darbības kā, piemēram, atklātu pudeles malu un noteiktu tās centra punktu. Modelim nepieciešama tikai pussekunde, lai atpazītu attēlu.

Plastmasas pudelēm Jinlu Technology apmāca gadījumu segmentācijas modeli, izmantojot Paddle Detection — PaddlePaddle rīkkopu attēlu apstrādei. Modelis prognozē Edgeboard (PaddlePaddle malu skaitļošanas izstrādes platforma), izmantojot Paddle Lite, PaddlePaddle dziļās apmācības sistēmu, kas pielāgota viegliem modeļiem, un nosūta signālus robotu rokām, kas klasificē atkritumus. Lai gan tradicionālā algoritma precizitātes pārbaude paliek no 60% līdz 90%, atkarībā no atkritumu kvalitātes, padziļinātās apmācības algoritmi nodrošina precizitāti no 93% līdz 99%.

Jinlu Technology apmāca attēlu segmentācijas modeli, izmantojot Paddle Detection, PaddlePaddle rīku komplektu attēlu apstrādei, lai identificētu plastmasas pudeles, cenšoties padarīt atkritumu šķirošanu efektīvāku.

AI izmantošana atkritumu apsaimniekošanā sola turpmāku potenciālu. AI var ne tikai ietaupīt cilvēku darbu par 96%, bet arī uzlabot šķirošanu un tālāk identificēt atkritumus, kurus var būt grūti klasificēt, piemēram, lielus organisko vielu gabalus, mazus metāla gabalus un citas daļiņas. Nemaz nerunājot par to, ka mākslīgais intelekts var patstāvīgi mācīties, lai optimizētu cauruļvadu, saka Džans.

Galvenās PaddlePaddle funkcijas un jauninājumi

Pašlaik PaddlePaddle piedāvā 146 algoritmus un ir pilnveidojuši vairāk nekā 200 pirmsapmācības modeļus, daži no tiem ar atvērtā pirmkoda kodiem, lai veicinātu rūpniecisko lietojumu strauju attīstību. Platformā tiek mitināti arī rīku komplekti progresīvākiem pētniecības mērķiem, piemēram, Paddle Quantum kvantu skaitļošanas modeļiem un Paddle Graph Learning grafiku apguves modeļiem.

PaddlePaddle atvieglo AI attīstību, vienlaikus samazinot lietotāju tehnisko slogu, izmantojot programmējamu shēmu neironu tīklu arhitektūrai. Tā atbalsta deklaratīvu un obligātu programmēšanu ar izstrādes elastību, tādējādi var izstrādāt programmatūru ar dažāda veida prasībām, vienlaikus saglabājot augstu izpildlaika veiktspēju. Algoritmi var automātiski izstrādāt neironu arhitektūras, kas piedāvā labāku veiktspēju nekā cilvēku ekspertu izstrādātās.

Dienvidaustrumāzijā ar mākslīgo intelektu darbināmi meža droni ir palīdzējuši 155 mežsaimniecības birojiem paplašināt meža pārbaužu klāstu no 40% līdz 100% un veikt līdz pat 200% efektīvāk nekā manuālās pārbaudes.

PaddlePaddle ir arī guvis sasniegumus īpaši liela mēroga dziļo neironu tīklu apmācībā. Tā platforma, kas ir pirmā šāda veida pasaulē, atbalsta dziļo neironu tīklu apmācību ar vairāk nekā 100 miljardiem funkciju un triljoniem parametru, izmantojot datu avotus, kas sadalīti simtiem mezglu. Viens no saņēmējiem ir Oppo, viedtālruņu ražotājs Ķīnā, kas izmanto PaddlePaddle, lai palielinātu savas ieteikumu sistēmas apmācības efektivitāti par 80%.

PaddlePaddle ir ne tikai savietojams ar citiem modeļu apmācības atvērtā pirmkoda ietvariem, bet arī paātrina dziļu neironu tīklu izsecināšanu dažādiem procesoriem un aparatūras platformām. Nesenajā Baidu Deep Learning Developer Conference Wave Summit 2020 konferencē PaddlePaddle paziņoja par savu sadarbību aparatūras ekosistēmā, kurā ietilpst vadošie globālie tehnoloģiju uzņēmumi, piemēram, Intel, NVIDIA, Arm China, Huawei, MediaTek, Cambricon, Inspur un Sugon.

PaddlePaddle joprojām ir jāuzlabo, saka Baidu korporatīvais viceprezidents Tjans Vu. Nākotnē PaddlePaddle turpinās attīstīt liela mēroga izkliedēto skaitļošanu un neviendabīgo skaitļošanu, nodrošinot izstrādātājiem jaudīgāko ražošanas platformu un infrastruktūru, lai paātrinātu viedo nozaru attīstību.

PaddlePaddle loma cīņā pret Covid-19

Viens no rūpnieciskajiem lietojumiem, kas izstrādāts no PaddlePaddle, pašlaik tiek izmantots medicīniskiem nolūkiem, lai cīnītos pret Covid-19. Primārais pneimonijas diagnostikas instruments, kas ir viena no Covid-19 smagajām sekām, ir krūškurvja datortomogrāfijas (CT) skenēšana. Tā kā ir ierobežots ārstu skaits un resursi, lai ātri un precīzi nolasītu eksponenciāli pieaugošo skenējumu skaitu, CT attēlveidošanas tehnoloģijai ir izšķiroša nozīme, lai palīdzētu ārstiem efektīvāk atklāt un uzraudzīt infekcijas.

LinkingMed, Pekinas onkoloģijas datu platforma un medicīnas datu analīzes uzņēmums, izlaida Ķīnā pirmo atvērtā koda AI modeli pneimonijas CT attēlu analīzei, ko nodrošina PaddlePaddle. AI modelis var ātri atklāt un identificēt pneimoniskos bojājumus, vienlaikus nodrošinot diagnozes informācijas kvantitatīvu novērtējumu, tostarp pneimoniju bojājumu skaitu, apjomu un proporciju.

Izmantojot PaddlePaddle un tā semantiskās segmentācijas rīku komplektu PaddleSeg, LinkingMed ir izstrādājis ar AI darbinātu pneimonijas skrīninga un bojājumu noteikšanas sistēmu, ko izmanto slimnīcā, kas ir saistīta ar Sjanjanas universitāti Hunaņas provincē. Sistēma var precīzi noteikt slimību mazāk nekā vienā minūtē ar noteikšanas precizitāti 92% un atsaukšanas ātrumu 97% testa datu kopās.

Veselības aprūpē platforma PaddlePaddle tiek izmantota, lai izveidotu lietojumprogrammas cīņai pret Covid-19.

Būs nepieciešams spēcīgs AI, lai pārvaldītu arvien sarežģītākos uzdevumus, kas nepieciešami tehnoloģiskai izaugsmei. Baidu ir apņēmies kopā ar AI pētniekiem izstrādāt PaddlePaddle dziļās apmācības platformu, lai radītu labāku nākotni. Mēs esam priecīgi redzēt, ko esam paveikuši 2020. gadā, un ceram uz jauniem sasniegumiem nākotnē.

paslēpties