Baidu giluminio mokymosi platforma skatina pramoninio AI augimą

Pateikė Baidu

Dirbtinis intelektas skatina pramonės transformaciją įvairiuose sektoriuose, o mes tik pradedame subraižyti AI galimybių paviršių. Kai kurios pramonės naujovės yra vos pastebimos, pavyzdžiui, miškų tikrinimas dėl gaisrų pavojaus ir prevencija, tačiau dirbtinio intelekto privalumai kartu su giliu mokymusi turi platų poveikį. Pietryčių Azijoje dirbtinio intelekto varomi miško dronai padėjo 155 miškų ūkio biurams išplėsti miškų patikrinimų spektrą nuo 40% iki 100% ir atlikti iki 200% efektyviau nei rankinis patikrinimas.

Šį turinį sukūrė „Baidu“.

• Ją parašė ne „MIT Technology Review“ redakcija.

Už šių išmaniųjų dronų yra gerai parengti gilaus mokymosi modeliai, pagrįsti Baidu's PaddlePaddle, pirmąja atvirojo kodo gilaus mokymosi platforma Kinijoje. Kaip ir pagrindinės AI sistemos, tokios kaip Google TensorFlow ir Facebook PyTorch, PaddlePaddle, kuri buvo atviro kodo 2016 m., suteikia visų įgūdžių lygių programinės įrangos kūrėjams įrankius, paslaugas ir išteklius, kurių jiems reikia norint greitai pritaikyti ir įgyvendinti gilų mokymąsi.

„PaddlePaddle“ naudoja daugiau nei 1,9 milijono kūrėjų ir 84 000 įmonių visame pasaulyje. Pramonės pramonė visoje Kinijoje naudoja platformą kurdama specializuotas programas savo sektoriams: nuo automobilių pramonės pagreitinto autonominių transporto priemonių iki sveikatos priežiūros pramonės programų, skirtų kovai su COVID-19.

Iš tiesų, koronaviruso pandemija, išplitusi per 150 šalių ir sukėlusi pasaulinį ekonominį šoką, didina AI transformacijos poreikį. Dabar yra precedento neturinti galimybė plėtoti „PaddlePaddle“, atsižvelgiant į pramoninio intelekto augimą ir AI pagrįstos infrastruktūros spartėjimą, sako Haifeng Wang, „Baidu“ vyriausiasis technologijų pareigūnas. Mes ir toliau naudosime atvirojo kodo dvasią, skatindami technologines naujoves, bendradarbiaudami su kūrėjais, siekdami tobulinti giluminio mokymosi ir dirbtinio intelekto technologijas bei spartinti pramoninio intelekto procesą.

Neseniai vykusioje Baidu Deep Learning Developer Conference Wave Summit 2020 konferencijoje vyriausiasis technologijų pareigūnas Haifengas Wangas paskelbė apie PaddlePaddle bendradarbiavimą kuriant aparatinės įrangos ekosistemą, apimančią pirmaujančias pasaulines technologijų įmones, tokias kaip Intel, NVIDIA, Arm China ir Huawei.

Kaip PaddlePaddle išmokė šiukšlių rūšiavimo robotą s

Giluminio mokymosi technologijos sukuria galimybes atnaujinti veiklą, darbo krūvio valdymą ir produktyvumą, net ir tradicinėse pramonės šakose, tokiose kaip gamyba, miškininkystė, energetika ir atliekų tvarkymas. Pavyzdžiui, atliekų tvarkymo srityje dirbtinis intelektas keičia šiukšlių rinkimą, rūšiavimą ir perdirbimą, remdamas pastangas tausoti gamtos išteklius, sumažinti anglies dvideginio išmetimą ir į sąvartynus patenkančių atliekų kiekį. Remiantis Pasaulio banko ataskaita, daugiau nei 2 milijardai tonų kietųjų komunalinių atliekų pasaulyje pagaminama kiekvienais metais. Surinkus ir atskiriant atliekas, atliekų rinkėjams kyla daugybė rizikos veiksnių ir pavojų, todėl tai yra labai svarbi sritis kuriant novatoriškas dirbtinio intelekto technologijas.

Europoje ir JAV kompiuterinio matymo technologija buvo plačiai naudojama aptikti įvairių rūšių atliekas, tokias kaip stiklas, plastikas ir kartonas, kad atliekų rūšiavimas būtų efektyvesnis. Tačiau užduotis nėra tokia veiksminga visose šalyse.

Naudoti tradicinius kompiuterinio matymo modelius Kinijoje būtų nenaudinga, sako Zhiwen Zhang, Jinlu Technology generalinis direktorius. Šiukšlės Kinijoje nesuderinamos su tuo, ką galima aptikti naudojant šią technologiją. Komplikacijos dažniausiai kyla dėl aptikimo kokybės ir identifikuojant įvairias šiukšles, sako Zhang.

Kompiuterinio matymo veteranas Zhangas ieškojo „PaddlePaddle“, kad sukurtų taikomąsias programas, skirtas pagerinti atliekų rūšiavimą Kinijoje. Nors pramonėje trūksta gilaus mokymosi patirties, naudojant PaddlePaddle kūrėjai nebūtinai turi būti giliai besimokantys ekspertai arba kurti tokius dalykus kaip duomenų apdorojimo modeliai nuo nulio.

„Jinlu Technology“ naudoja šiukšlių rūšiavimo robotą, užprogramuotą su objektų aptikimo modeliu, kad nustatytų įvairių tipų šiukšles. Jis taip pat naudoja vaizdo segmentavimo modelį, kad surastų šiukšles ir atliktų tokius veiksmus, kaip aptiktų butelio kraštą ir nustatytų jo vidurį. Modelis užtrunka vos pusę sekundės, kad atpažintų vaizdą.

Plastikiniams buteliams „Jinlu Technology“ parengia egzempliorių segmentavimo modelį, naudodama „Paddle Detection“ – vaizdo apdorojimo įrankių rinkinį „PaddlePaddle“. Modelis prognozuoja Edgeboard (PaddlePaddle krašto skaičiavimo kūrimo platforma) per Paddle Lite, PaddlePaddle giluminio mokymosi sistemą, pritaikytą lengviems modeliams, ir siunčia signalus robotų rankoms, kurios klasifikuoja šiukšles. Nors tradicinė algoritmo tikslumo patikra išlieka nuo 60 % iki 90 %, priklausomai nuo šiukšlių kokybės, giluminio mokymosi algoritmai užtikrina nuo 93 % iki 99 % tikslumą.

„Jinlu Technology“ parengia vaizdo segmentavimo modelį, naudodama „Paddle Detection“ – vaizdo apdorojimo įrankių rinkinį „PaddlePaddle“, kad būtų galima identifikuoti plastikinius butelius, kad atliekų rūšiavimas būtų efektyvesnis.

Dirbtinio intelekto naudojimas atliekų tvarkymui žada daugiau galimybių. Dirbtinis intelektas gali ne tik 96 % sutaupyti žmonių darbo, bet ir patobulinti rūšiavimą bei toliau identifikuoti atliekas, kurias gali būti sunku suskirstyti į kategorijas, pvz., didelius organinės medžiagos gabalus, mažus metalo gabalus ir kitas daleles. Jau nekalbant apie tai, AI gali savarankiškai išmokti optimizuoti dujotiekį, sako Zhang.

Pagrindinės „PaddlePaddle“ savybės ir naujovės

Šiuo metu „PaddlePaddle“ siūlo 146 algoritmus ir patobulino daugiau nei 200 išankstinio mokymo modelių, kai kurie iš jų su atvirojo kodo kodais, kad palengvintų greitą pramoninių programų plėtrą. Platformoje taip pat yra įrankių rinkinių, skirtų pažangiems tyrimams, pvz., „Paddle Quantum“, skirta kvantinio skaičiavimo modeliams, ir „Paddle Graph Learning“, skirta grafikų mokymosi modeliams.

„PaddlePaddle“ palengvina dirbtinio intelekto plėtrą, tuo pačiu sumažindama techninę naštą vartotojams, naudodama programuojamą schemą neuroniniams tinklams kurti. Jis palaiko deklaratyvų ir privalomą programavimą su kūrimo lankstumu, todėl gali kurti programinę įrangą su įvairių tipų reikalavimais, kartu išsaugant aukštą vykdymo laiką. Algoritmai gali automatiškai sukurti neuronines architektūras, kurios siūlo geresnį našumą nei sukurtos žmonių ekspertų.

Pietryčių Azijoje dirbtinio intelekto varomi miško dronai padėjo 155 miškų biurams išplėsti miškų patikrinimų spektrą nuo 40% iki 100% ir atlikti iki 200% efektyviau nei rankinis patikrinimas.

PaddlePaddle taip pat padarė proveržį itin didelio masto giliųjų neuroninių tinklų mokyme. Jo platforma, pirmoji tokio pobūdžio pasaulyje, palaiko giliųjų neuroninių tinklų mokymą, turintį daugiau nei 100 milijardų funkcijų ir trilijonus parametrų, naudojant duomenų šaltinius, paskirstytus šimtuose mazgų. Vienas iš naudos gavėjų yra „Oppo“, išmaniųjų telefonų gamintojas Kinijoje, kuris naudoja „PaddlePaddle“, kad padidintų savo rekomendacijų sistemos mokymo efektyvumą 80%.

„PaddlePaddle“ ne tik suderinama su kitomis atvirojo kodo modelių mokymo sistemomis, bet ir pagreitina įvairių procesorių ir aparatinės įrangos platformų giluminių neuroninių tinklų išvadą. Neseniai vykusioje „Baidu Deep Learning Developer Conference Wave Summit 2020“ konferencijoje „PaddlePaddle“ paskelbė apie savo bendradarbiavimą kuriant aparatinės įrangos ekosistemą, apimančią pirmaujančias pasaulines technologijų įmones, tokias kaip „Intel“, „NVIDIA“, „Arm China“, „Huawei“, „MediaTek“, „Cambricon“, „Inspur“ ir „Sugon“.

„PaddlePaddle“ vis dar turi kur tobulėti, sako „Baidu“ įmonės viceprezidentas Tianas Wu. Ateityje „PaddlePaddle“ toliau tobulins didelio masto paskirstytą skaičiavimą ir heterogeninį skaičiavimą, suteikdama galingiausią gamybos platformą ir infrastruktūrą kūrėjams, kad paspartintų išmaniųjų pramonės šakų plėtrą.

„PaddlePaddle“ vaidmuo kovojant su COVID-19

Viena iš „PaddlePaddle“ sukurtų pramoninių programų šiuo metu naudojama medicininiais tikslais kovojant su COVID-19. Pirminė pneumonijos, vieno iš sunkių COVID-19 padarinių, diagnostikos priemonė yra krūtinės ląstos kompiuterinė tomografija (KT). Turėdami ribotus priekinės linijos gydytojus ir išteklius, leidžiančius greitai ir tiksliai perskaityti eksponentiškai didėjantį nuskaitymų skaičių, kompiuterinės tomografijos technologija yra labai svarbi siekiant padėti gydytojams veiksmingiau aptikti ir stebėti infekcijas.

„LinkingMed“, Pekine įsikūrusi onkologijos duomenų platforma ir medicininių duomenų analizės įmonė, išleido pirmąjį Kinijoje atvirojo kodo AI modelį pneumonijos KT vaizdo analizei, maitinamą „PaddlePaddle“. AI modelis gali greitai aptikti ir identifikuoti pneumoninius pažeidimus, tuo pačiu suteikiant kiekybinį diagnozės informacijos įvertinimą, įskaitant pneumoninių pažeidimų skaičių, tūrį ir proporciją.

Naudodama „PaddlePaddle“ ir jos semantinio segmentavimo įrankių rinkinį „PaddleSeg“, „LinkingMed“ sukūrė AI varomą pneumonijos patikros ir pažeidimų aptikimo sistemą, naudojamą ligoninėje, susijusioje su Xiangnano universitetu Hunano provincijoje. Sistema gali tiksliai nustatyti ligą per mažiau nei vieną minutę, o aptikimo tikslumas yra 92%, o atkūrimo dažnis - 97% bandymų duomenų rinkiniuose.

Sveikatos priežiūros srityje PaddlePaddle platforma naudojama kuriant programas kovai su COVID-19.

Norint valdyti vis sudėtingesnes užduotis, reikalingas technologiniam augimui, reikės tvirto AI. „Baidu“ yra įsipareigojusi kartu su AI tyrėjais kurti „PaddlePaddle“ gilaus mokymosi platformą, kad sukurtų geresnę ateitį. Džiaugiamės matydami, ką nuveikėme 2020 m., ir laukiame naujų laimėjimų ateityje.

paslėpti