机器之心报道
王海峰表示，今早他看到的最新数字是 117 项。
具体而言，就是对文字、声音、图片、视频等多模态的数据和信息进行深层次多维度的语义理解，包括数据语义、知识语义、视觉语义、语音语义一体化和自然语言语义等多方面的语义理解技术。
换句话说，就是不仅要让机器可以听清、看清，还要能够深入理解其背后的含义，从而更好地支撑各种应用。
在 AI 领域，数据的重要性自不用提。无论是物理世界、人类社会还是网络空间，都充斥着海量的多元、异构、多模态的三元空间大数据。
那么如何最大程度发挥这些数据的价值呢？
这就需要对数据进行加工、处理、挖掘和分析，实现数据的语义化进而加以利用。
王海峰举了一个新能源充电桩智能运维的例子。
当然，除了数据，理解大千世界中的多元知识也是打磨 AI 技术中的重要一环。而要构建出详尽而完备的知识图谱却并非易事，需要巧妙理清繁杂的垂直领域知识、梳理其中的逻辑。
以世界杯相关的知识图谱为例，实体图谱可以看到热门球队、热门球星、赛场、赛程和主题歌等信息；关注点图谱可以体现用户对于 C 罗和梅西的兴趣所向；多媒体图谱则包括图片、音乐和视频；行业图谱和事件图谱覆盖了足球规则的各种知识和近 9 届世界杯的大事件。
这些不同类型的图谱通过关系关联起来，也会延展出新的图谱，构成庞大的多元语义知识网络。
基于这些结构化语义信息，既可以完成机器人自动解说，也可以进行精彩片段集锦以及各种数据统计分析等。
在无人超市购物场景下，系统可以通过摄像头对超市中的人、货、场进行全方位识别，然后将图像信息进行时序化和结构化，让购物机器人能够掌握环境信息进而完成自动避障并引导顾客行进，让系统得以实时掌握顾客取拿的商品。
对于时下大热的无人零售领域，这项技术无疑是一种必不可少的存在。
据王海峰介绍，PaddlePaddle3.0 核心框架还包括三个重要平台，分别为快速应用平台 EasyDL、网络结构自动化设计 AutoDL 以及在线实训平台 AI Studio。
其中，EasyDL 平台可以让零基础开发者迅速定制自己的应用，大幅降低了人们进入 AI 领域的门槛。
EasyDL 在制造业键盘组装合格性检测上的能力
而对于那些有基础的开发者来说，设计深度学习网络结构是一项相对耗时耗力的工作，AutoDL 的存在就是致力于帮助开发者节省设计深度学习网络结构的时间。
人工设计的网络结构与 AutoDL 网络设计效果比对
「我们不止是把核心算法做了升级，同时在服务器端以及移动端都有各自相应的服务可以支持各种场景的应用。」王海峰补充道。
在谈到深度学习框架与 AI 生态的关系时，王海峰认为深度学习框架可以类比为 AI 的操作系统，向下可以与 AI 芯片结合。
要知道，AI 芯片在对 AI 模型的计算进行专门优化后，性能会有很大的提升。从这个角度出发，王海峰表示深度学习框架相当于 AI 芯片的指令集。
✄------------------------------------------------
广告 & 商务合作：[email protected]
閱讀更多 坤艮機器之心 的文章
