上海2017年4月1日電 /美通社/ -- 近期，由七牛云組織的的架構(gòu)師小組交流會(huì)在線上舉行，Polarr 聯(lián)合創(chuàng)始人宮恩浩、搜狗大數(shù)據(jù)總監(jiān)高君、七牛云 AI 實(shí)驗(yàn)室負(fù)責(zé)人彭垚參加了活動(dòng)，討論中三位分享人對(duì)深度學(xué)習(xí)框架選型、深度學(xué)習(xí)的未來(lái)趨勢(shì)展開了交流和探索。
分享開始，Polarr 聯(lián)合創(chuàng)始人宮恩浩介紹了Polarr（國(guó)內(nèi)叫潑辣修圖），Polarr在美國(guó)是做圖片大數(shù)據(jù)的，有云端，也有手機(jī)端，PC 端，Polarr通過(guò) App 收集數(shù)據(jù)，建立優(yōu)化的算法，我們?cè)谠贫颂峁﹫D片整理、圖片選擇、圖片信息的識(shí)別，把識(shí)別的模型通過(guò)壓縮手段，把整個(gè)深度學(xué)習(xí)放在手機(jī)的 App，實(shí)現(xiàn)圖片裁定、識(shí)別、選擇、渲染，在這當(dāng)中會(huì)應(yīng)用到很多深度學(xué)習(xí)的功能開發(fā)。隨后介紹了自己在網(wǎng)絡(luò)壓縮方面的做法：首先，要找到一個(gè)最適合的架構(gòu)，這部分得根據(jù)具體的應(yīng)用、性能要求來(lái)定。其次，是網(wǎng)絡(luò)壓縮，在不改變模型效果前提下盡量減少模型參數(shù)。最后，是模型編碼，Polarr 有在做想把圖像識(shí)別的 Network 放在手機(jī)上，那么首先基于模型壓縮。具體實(shí)現(xiàn)的方法是：每步迭代的時(shí)候，一部分把小的部分變成零，然后不斷迭代優(yōu)化，最終模型還有一些優(yōu)化，會(huì)小很多。然后同時(shí)還可以在手機(jī)上 Network 優(yōu)化編碼，我實(shí)驗(yàn)的時(shí)候權(quán)重也可以從原來(lái)的 32 位 float，變成 16 位，就是少了一半，或者是變成 8 位的話做了 encoding 就會(huì)小很多，基于這些（優(yōu)化模型結(jié)構(gòu)，閾值讓模型稀疏，編碼來(lái)減少存儲(chǔ)）就可以不斷進(jìn)行壓縮。
搜狗大數(shù)據(jù)總監(jiān)高君給大家分享了在廣告領(lǐng)域深度學(xué)習(xí)的應(yīng)用案例。他表示，搜狗從用戶端的產(chǎn)品來(lái)講，有兩個(gè)產(chǎn)品與深度學(xué)習(xí)有較強(qiáng)關(guān)系，一個(gè)是語(yǔ)音識(shí)別，應(yīng)用在輸入法，用于語(yǔ)音輸入轉(zhuǎn)文本，另一個(gè)是圖像搜索。搜狗推薦是以推薦結(jié)構(gòu)化數(shù)據(jù)和推薦非結(jié)構(gòu)化數(shù)據(jù)兩種都有的模式，對(duì)于搜索廣告來(lái)講，它是有一個(gè)明確的查詢?cè)~，你可以理解為是一個(gè)結(jié)構(gòu)化。假設(shè)把文本理解為結(jié)構(gòu)化，那么對(duì)于展示類的廣告就很復(fù)雜了，為了提高線上的 CTR，需要明確用戶的興趣，那么處理用戶興趣的過(guò)程中，它的數(shù)據(jù)差異非常大，肯定會(huì)用到搜索，但是也會(huì)用到它站內(nèi)的一些瀏覽的行為，比方說(shuō)我們拿到客戶站內(nèi)所有的數(shù)據(jù)，它整個(gè)數(shù)據(jù)的來(lái)源很復(fù)雜。所以對(duì)于展示類廣告來(lái)講，可以認(rèn)為所有的處理的數(shù)據(jù)基本都是異構(gòu)的，可以理解為是個(gè)非結(jié)構(gòu)化的問(wèn)題。
最后，七牛云 AI 實(shí)驗(yàn)室負(fù)責(zé)人彭垚分享了七牛AI 方面的戰(zhàn)略，他表示，七牛是一個(gè)以云存儲(chǔ)起家的公司，在七牛云平臺(tái)上面有廣泛的圖像、視頻、音頻的數(shù)據(jù)，富媒體客戶非常多，所以七牛云AI 實(shí)驗(yàn)室的主要職責(zé)是對(duì)大量的富媒體數(shù)據(jù)去做分析，并做一些內(nèi)容審核，識(shí)別等相關(guān)領(lǐng)域的應(yīng)用，以服務(wù)我們平臺(tái)上面的客戶。包括像視頻分析之類的，包括一些視頻通用檢測(cè)的一些功能，我們會(huì)致力于解決我們平臺(tái)上客戶的實(shí)際問(wèn)題來(lái)投入這方面的研究，主要是視頻分析領(lǐng)域，因?yàn)槲覀兇鎯?chǔ)上面視頻非常多，視頻的細(xì)粒度檢測(cè)也是其中的一個(gè)重點(diǎn)方向。
深度學(xué)習(xí)是人工智能發(fā)展的一個(gè)里程碑，雖然深度學(xué)習(xí)已經(jīng)在語(yǔ)音識(shí)別、圖像識(shí)別、預(yù)測(cè)分析、機(jī)器翻譯等領(lǐng)域小試身手，從三位專家分享的技術(shù)方向來(lái)看還深度學(xué)習(xí)的技術(shù)處在初級(jí)階段。誰(shuí)也不能保障深度學(xué)習(xí)在未來(lái)是否能夠成為人工智能最基礎(chǔ)的方法，或許會(huì)有新的更好的技術(shù)替代深度學(xué)習(xí)，但是可以肯定的是，人工智能的夢(mèng)想不再遙遠(yuǎn)，機(jī)器將在不久的將來(lái)像人類一樣思考。
