本篇文章2001字,读完约5分钟
据3月5日迪法恩斯科技(Defiance Technology)的消息,由所有员工独立开发和使用的人工智能生产力套件brain++的核心深度学习框架将于3月25日开放,新闻发布会将于当天14:00在网上举行。
说到深度学习框架,你可能熟悉谷歌的张量流、脸书的pytorch和百度的paddlepaddle。然而,你可能不知道的是,国内顶尖的人工智能公司Defiance Technology早在2014年就从0到1开发了自己的深度学习框架megengine,在谷歌tensorflow时代之前,并在整个公司推广这一框架。
作为蔑视的核心技术组成部分,这种深度学习框架支持了整个蔑视科学研究和产品化,27个全球人工智能竞赛冠军和微软?可可的三连冠也从侧面证明了其出色的表现。
照片:迪法恩斯首席科学家、迪法恩斯研究所所长孙健博士发布了一个朋友圈,祝贺迪法恩斯连续三次获得冠军
人工智能经历了60多年的沉浮,随着深度学习的出现,这是人工智能产业化发展曲线的转折点。然而,在人工智能产业的发展过程中,开发者面临着一个强大的阻力——算法的研发成本。即使对于相对成熟的人工智能企业来说,算法生产过程也是一项庞大的系统工程,需要投入大量的人力和计算能力。
在互联网时代,“互联网+”不仅把所有企业变成了互联网企业,而且渗透到了每个人的生活中;与人工智能相比,要想进入行业和公众,真正实现“人工智能+”,首先必须让更多的企业和开发者将人工智能作为“源动力”。
迪法恩斯认为,构建一个深度学习框架来降低算法的研发成本是开发者获得这种“源动力”的关键。据了解,megengine是一个被轻视的深度学习框架,多年来已被其自身实践所验证,并帮助许多传统行业解决了使用人工智能的门槛和效率问题。这种轻视通过开源向行业开放的选择是充满诚意的。
事实上,藐视不仅提出了深度学习框架,而且在学术创新和产业实践过程中,提出了基于megengine的“三位一体”概念,整合了数据和计算平台,构建了融合了“算法、数据和计算能力”的人工智能生产力套件brain++系统。作为一项被忽视的核心技术,brain++支持其在aiot道路上的反复技术突破和商业成功。
不屑用brain++发布人工智能生产力
挑战脑++本质上是一个超级工具包,旨在降低人工智能的使用成本。2019年10月,迪法恩斯的联合创始人兼首席技术官唐文斌在世界互联网大会的讲台上提到,他希望迪法恩斯brain++能够为R&D员工提供端到端的解决方案,在不重复“制造轮子”的情况下提高每个人的工作效率。
为什么大脑++可以释放生产力?这里可以打个比方:餐馆的核心价值是为客人提供美味的菜肴(正如人工智能行业的核心价值是提供专业可靠的人工智能解决方案),那么实现这一价值的最重要的人是厨师(开发者)。小作坊的厨师需要洗菜(数据清洗)、配菜(模型制作)、炒菜(模型训练)、调节温度和味道(参数调整)。中午他可能只提供三桌菜。在现代化的自动化中央厨房工作的厨师将拥有标准化的流水线管理的餐具室、智能炉灶和其他成套工具,因此他也许可以自己处理一栋建筑的食物供应。
忽略brain++的价值在于为开发人员提供这样一个“中央厨房”解决方案:
然而,归根结底,brain++的核心部分,生产力套件,是能够大规模生产算法的深度学习框架。因此,希望通过megengine的开源,brain++的生产力将逐渐被赋予给学术界和工业界的广大开发者。
开源是一种蔑视技术的信念
“对技术和实用价值的信仰”是鄙视人们的基因,他们总是相信技术的改变可以改变世界。为什么选择开源企业的核心生产力工具?不屑地说,这是企业“技术信念”的本能体现。一方面,它看不到自主开发的人工智能生产力套件能够满足企业发展的需要,看不到与行业有用工具共享的希望,同时又激发了行业的创造力。毕竟,一个人的力量总是有限的,一群人在一起可以创造奇迹。开源可以让更多优秀的开发人员聚集在一起分享、构建和双赢,打破技术壁垒,通过碰撞激发更多优秀的代码。
另一方面,开源是促进技术实现工业发展的催化剂。如上所述,目前对人工智能产业化的阻力非常明显:要大规模部署人工智能能力,行业需要在数据、计算、部署场景和硬件解决方案方面具备一系列“工业级”基础。然而,目前最根本的问题在于人工智能技术的基础条件还不成熟,通过开源来为人工智能行业的基础设施做贡献是不可取的。
与传统产业的基础设施相比,“数字基础设施”正在全国蓬勃发展。以互联网生态为基础,以5g、大数据、人工智能和云计算等新技术为核心驱动力的智能时代即将到来。在黎明明新时期,只有为“数字基础设施”打下坚实的基础,“数字中国”才能为中国的经济转型升级打下坚实的基础。
人工智能是中国“数字基础设施”不可或缺的。这一次,它是中国人工智能企业的一个新里程碑,也是中国开源生态的一个新里程碑。
来源:搜狐微门户
标题:旷视官方宣布将于3月25日开源Brain++的深度学习框架
地址:http://www.shwmhw.com/shxw/4815.html