百度大腦的秘境探險

原標題：百度大腦的秘境探險

人與機器之間，有太多秘密隱藏在未知以下。

比如說AI帶來的語義理解與語音喚醒式人機交互，雖然被大家說的很神，但其實有大量難關沒有被攻破。AI語音交互，往往還以來初級的符碼轉化和模塊調用，真正讓機器像人一樣去理解世界，還有很長的路要走。

好在對人機交互深層秘密的探索，在今天并沒有停步。一些全新的技術應用化，正在加強人與機器如何交流、協(xié)作甚至相互理解的無盡可能。

在剛剛的百度AI開發(fā)者大會中，一個重磅升級是百度大腦升級了3.0版本。這次升級之所以引人注目，是因為其在業(yè)界首次提出了“多模態(tài)深度語義理解”。

多模態(tài)、深度語義理解，這些都是我們經常在AI論文中看到的名詞，但似乎從來沒有科技巨頭把這個詞作為關鍵信息進行產業(yè)披露。這是為什么？

其中的隱藏信息，是人機交互通往多模態(tài)結合、深度轉譯之路上，一座難以翻越的高峰。

多模態(tài)深度語義理解技術，就像一個沉睡的沙漏一樣，始終隱藏在細沙之下，讓人難以見到真正的應用魅力。而百度大腦的3.0升級，似乎將這個沉睡經年的沙漏倒轉了過來，最神秘的AI領域，開始在技術沙粒的流逝間展露了本來面目。

人機交互的秘密：AI界有個雪域高原

20世紀上半葉，社會符號學提出了模態(tài)分析的話語批判方式，而后模態(tài)理論逐步走入各個學科，成為自然科學、計算機科學與人文科學的重要三岔口之一。而在自然語言處理成為AI重鎮(zhèn)之后，多模態(tài)話語融合也開始被AI思想家們提上了日程。

我們知道，AI進行語音交互時的基本邏輯，是要把一切語音進行識別，轉化為文字符碼再進行文本理解。而語音理解與視覺、傳感相關的模態(tài)融合更是難上加難，堪稱人機交互進程中的“高海拔地帶”。

但我們不妨思考一下，人的思維方式其實并不是單一模態(tài)的信息轉化。而是五感并用，語音語義一體化理解，無間隙給出交流反應。

換言之，機器最接近人的交流方式，就是多模態(tài)輸入與融合化的語義理解。而類似自然交互的技術難點，在于不同模態(tài)的視覺、語音、語音、傳感信號，是構建在完全不同的數據編碼之上的。整合與再學習始終都是AI領域的難點，尤其是應用領域的難點。

價值極大，難度極高，把多模態(tài)深度語義理解堆積成了AI領域的雪域高原。無數開發(fā)者都在翹首以盼先導者能夠翻越這座大山。

在這次百度AI開發(fā)者大會上，百度大腦非常自信地將升級矛頭對準了這個最神秘的AI沙漏。主打多模態(tài)深度語義理解技術的底層開發(fā)，可謂打開了通往無盡技術應用與難預測上線的AI大門。

技術乘法：多模態(tài)深度語義理解的應用流沙效應

多模態(tài)深度語義理解之所以重要，從應用的角度看，是因為它把視覺、語音、語義、傳感，以及泛深度學習類交互整合到了一起，讓技術間不再是并行的通道，而是打開了彼此融合的想象之門，并且在利用深度學習技術，強化了語義理解的精準度與容納范疇，視線了語音語義的一體化融合?？梢韵胍姷氖?，多模態(tài)深度語義理解，將會在技術突破之后帶來大量的眼神技術與子應用，從而改變我們對AI識別、語音控制、人機交互的邊界認識。

或許從此以后，AI技術將不僅僅是做加法，更有可能產生技術細節(jié)之間的乘法效應。從百度大腦3.0公布的技術案例，我們已經可以看出類似乘法效應：

在AI開發(fā)者大會期間，對多模態(tài)深度語義理解技術最直接的感受，在于技術能力突破之后應用邊界的想象力爆棚。

比如說百度大腦3.0帶來的視覺語義化技術，可以讓機器從看清到看懂視頻的內容。比如在新零售場景中，攝像頭可以通過視頻語義化來直接理解顧客的行為動作，以及選取了哪些商品。這樣就無需再有復雜的識別條碼、刷臉等流程，顧客可以真正的拿起商品就走，產生毫無時間影響的購物體驗。

另一個多模態(tài)深度語義理解的技術應用，是語音語義一體化帶來的。在使用語音導航長Query時，我們經常要簡單明了的說清楚導航目標，但假如我們的導航需求比較復雜，或者我們也不太清楚具體的地名，那就會很麻煩。導航中的AI識別只能進行文本喚醒，無法去理解使用者的想法。

在百度開發(fā)者大會現場，我們已經見識到在語音語義一體化技術加持后，百度地圖的用戶可以像繞口令一樣說出大量內容，百度大腦會同步聽清、聽懂和理解相關含義，給出最佳導航路線。

類似的案例還有很多，從中我們可以發(fā)現，多模態(tài)深度語義理解讓AI技術沙漏中的每一顆沙子，都可以排列組合出未知中的驚喜。

戳破最后隔膜：百度大腦3.0的3件禮物

當開發(fā)者想要從傳統(tǒng)AI賽道，進入神秘的深層人機交互，需要的并不是高屋建瓴的設想，也不是多么科幻的技術示范。而是腳踏實地，真正建立可以按部就班展開學習、嘗試與創(chuàng)造的多模態(tài)AI路徑。而百度大腦的3.0升級，帶來了多模態(tài)世界的3個禮物，可以說是帶給開發(fā)者的核心保障：

1、告別算力問題的“昆侖”：在AI開發(fā)者大會上，百度大腦3.0首次將芯片納入技術體系，推出了百度自主研發(fā)的中國第一款云端全功能AI芯片“昆侖”。據了解，昆侖的AI任務處理速度比此前我們常用的FPGA方案快30倍以上。高性能、高性價比，且具有易用性的云端AI芯片，可以與百度的整體AI技術體系結合，帶給百度大腦的用戶與開發(fā)者更多想象力。

2、跳躍的PaddlePaddle：在今年的開發(fā)者大會上，百度公布了PaddlePaddle 3.0，在與自主芯片結合，打造全棧解決方案和平臺化建設之余，新的PaddlePaddle還開放了多種平臺，為不同層級的開發(fā)者提供更簡單的開發(fā)與訓練。其中AutoDL可以自動地進行網絡結構設計；AI Studio是一個非常實用的在線訓練平臺。靈活利用更加富有生態(tài)化意味的PaddlePaddle，開發(fā)者的工作或將得到翻天覆地的變化。

3、便捷獲取AI的開發(fā)者權能：開發(fā)者另一個核心需求，是有足夠多的技術應用支撐，來滿足天馬行空的想象力。假如只有高度抽象，雷同程度很高的技術開放，那么大家很難找到自己的開發(fā)機會，尤其是在多模態(tài)語義理解帶來的全新契機面前。而百度大腦3.0全面開放了110多項AI能力，滿足了開發(fā)者的技術拼圖需求。李彥宏在開發(fā)者大會的開場白中說，百度的目標是Everyone Can AI。那么百度大腦的技術拼圖和全棧架構，將是百度分享AI，建立開發(fā)者權能的必經之地。

百度大腦的升級，可以看做眾多AI應用核心的突破。未來無數令人驚喜的AI應用，都將建立在百度大腦的躍升之上。當多模態(tài)底層技術不再是奢望，高度擬真的人機交互也就不再遙遠。從百度大腦3.0開始，一個沙漏已經倒轉，趨于理論最高值的AI未來，正在快速向這個世界挺進。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。