211service.com
Baidus dyplæringsplattform gir næring til fremveksten av industriell AI
Levert av Baidu
AI driver industriell transformasjon på tvers av en rekke sektorer, og vi har akkurat begynt å skrape i overflaten av AI-evner. Noen industrielle innovasjoner blir knapt lagt merke til, for eksempel skogsinspeksjon for brannfare og forebygging, men fordelene med AI sammen med dyp læring har en vidtrekkende innvirkning. I Sørøst-Asia har AI-drevne skogsdroner hjulpet 155 skogbruksbyråer med å utvide spekteret av skoginspeksjoner fra 40 % til 100 % og utføre opptil 200 % mer effektivt enn manuelle inspeksjoner.
Dette innholdet ble produsert av Baidu.
Den ble ikke skrevet av MIT Technology Reviews redaksjon.
Bak disse smarte dronene er veltrente dyplæringsmodeller basert på Baidu’s PaddlePaddle, den første åpen kildekode dyplæringsplattformen i Kina. I likhet med vanlige AI-rammeverk som Googles TensorFlow og Facebooks PyTorch, gir PaddlePaddle, som ble åpnet med åpen kildekode i 2016, programvareutviklere på alle ferdighetsnivåer med verktøyene, tjenestene og ressursene de trenger for raskt å ta i bruk og implementere dyp læring i stor skala.
PaddlePaddle brukes av mer enn 1,9 millioner utviklere og 84 000 bedrifter globalt. Industrier i hele Kina bruker plattformen til å lage spesialiserte applikasjoner for sine sektorer, fra bilindustriens akselerasjon av autonome kjøretøy til helsesektorens applikasjoner for å bekjempe covid-19.
Koronaviruspandemien, som har spredt seg over 150 land og forårsaket et verdensomspennende økonomisk sjokk, øker kravene til AI-transformasjon. Nå er en enestående mulighet for utvikling av PaddlePaddle gitt fremveksten av industriell intelligens og akselerasjonen av AI-drevet infrastruktur, sier Haifeng Wang, teknologisjef i Baidu. Vi vil fortsette å omfavne åpen kildekode-ånden, drive teknologisk innovasjon, samarbeide med utviklere for å fremme dyplærings- og AI-teknologier, og fremskynde prosessen med industriell intelligens.
På den nylige Baidu Deep Learning Developer Conference Wave Summit 2020 kunngjorde Chief Technology Officer Haifeng Wang PaddlePaddles samarbeid i et maskinvareøkosystem som inkluderer ledende globale teknologiselskaper som Intel, NVIDIA, Arm China og Huawei.
Hvordan PaddlePaddle trente søppelsorteringsrobot s
Dyplæringsteknologier skaper muligheter for å fornye driften, arbeidsbelastningsstyring og produktivitet, selv i tradisjonelle bransjer som produksjon, skogbruk, energi og avfallshåndtering. For eksempel, innen avfallshåndtering, transformerer AI søppelplukking, sortering og resirkulering, og støtter innsats for å bevare naturressurser, redusere karbonutslipp og redusere avfall som går til deponier. Ifølge en rapport fra Verdensbanken er mer enn 2 milliarder tonn kommunalt fast avfall produseres i verden hvert år. Å samle det og separere det utsetter avfallsplukkere for en rekke risikofaktorer og farer, noe som gjør dette til et kritisk område for utvikling av innovative AI-teknologier.
I Europa og USA har datasynsteknologi blitt mye brukt for å oppdage ulike typer avfall, som glass, plast og papp, for å gjøre avfallssortering mer effektiv. Men oppgaven er ikke like effektiv i alle land.
Å bruke tradisjonelle datasynsmodeller i Kina ville være ubrukelig, sier Zhiwen Zhang, administrerende direktør i Jinlu Technology. Søppelet i Kina er ikke kompatibelt med det som kan oppdages av denne teknologien. Komplikasjoner har en tendens til å oppstå med deteksjonskvaliteten og med å identifisere forskjellig søppel, sier Zhang.
Zhang, en veteran med datasyn, så på PaddlePaddle for å utvikle applikasjoner for å forbedre avfallssortering i Kina. Selv om industrien mangler ekspertisen til dyp læring, med PaddlePaddle, trenger ikke utviklere nødvendigvis å være dyplæringseksperter eller bygge ting som databehandlingsmodeller fra bunnen av.
Jinlu Technology bruker en søppelsorteringsrobot programmert med en objektdeteksjonsmodell for å identifisere ulike typer søppel. Den bruker også en bildesegmenteringsmodell for å finne søppel og gjøre ting som å oppdage kanten på en flaske og bestemme dens midtpunkt. Modellen bruker bare et halvt sekund på å gjenkjenne et bilde.
For plastflasker trener Jinlu Technology en instanssegmenteringsmodell ved hjelp av Paddle Detection, et PaddlePaddle-verktøysett for bildebehandling. Modellen forutsier Edgeboard (PaddlePaddles edge computing-utviklingsplattform) gjennom Paddle Lite, PaddlePaddles dyplæringsrammeverk skreddersydd for lette modeller, og sender signaler til robotarmer som klassifiserer søppelet. Mens tradisjonell algoritmenøyaktighetsscreening holder seg mellom 60 % og 90 %, avhengig av kvaliteten på søppelet, leverer dyplæringsalgoritmer en nøyaktighet på 93 % til 99 %.
Jinlu Technology trener en bildesegmenteringsmodell ved å bruke Paddle Detection, et PaddlePaddle-verktøysett for bildebehandling, for å identifisere plastflasker – i et forsøk på å gjøre avfallssortering mer effektiv.
Bruk av kunstig intelligens i avfallshåndtering lover ytterligere potensiale. AI kan ikke bare spare menneskelig arbeidskraft med 96 %, men den kan også foredle sortering og ytterligere identifisere avfall som kan være vanskelig å kategorisere, for eksempel store biter av organisk materiale, små biter av metall og andre partikler. For ikke å nevne, AI kan lære seg selv for å optimalisere rørledningen, sier Zhang.
Hovedfunksjoner og innovasjoner til PaddlePaddle
For øyeblikket tilbyr PaddlePaddle 146 algoritmer og har avansert mer enn 200 fortreningsmodeller, noen av dem med åpen kildekode for å lette den raske utviklingen av industrielle applikasjoner. Plattformen er også vert for verktøysett for banebrytende forskningsformål, som Paddle Quantum for kvanteberegningsmodeller og Paddle Graph Learning for graflæringsmodeller.
PaddlePaddle forenkler AI-utvikling samtidig som den reduserer den tekniske byrden for brukere, ved å bruke et programmerbart opplegg for å bygge nevrale nettverk. Den støtter deklarativ og imperativ programmering med utviklingsfleksibilitet – så kan utvikle programvare med ulike typer krav – samtidig som den opprettholder høy kjøretidsytelse. Algoritmer kan automatisk designe nevrale arkitekturer som gir bedre ytelse enn de som er utviklet av menneskelige eksperter.
I Sørøst-Asia har AI-drevne skogsdroner hjulpet 155 skogbruksbyråer med å utvide spekteret av skoginspeksjoner fra 40 % til 100 % og utføre opptil 200 % mer effektivt enn manuelle inspeksjoner.
PaddlePaddle har også gjort gjennombrudd innen ultra-storskala dype nevrale nettverkstrening. Plattformen, den første i verden av sitt slag, støtter opplæring av dype nevrale nettverk med mer enn 100 milliarder funksjoner og billioner av parametere ved hjelp av datakilder fordelt på hundrevis av noder. En av mottakerne er Oppo, en smarttelefonprodusent i Kina, som bruker PaddlePaddle for å øke treningseffektiviteten til sitt anbefalingssystem med 80 %.
Ikke bare er PaddlePaddle kompatibel med andre åpen kildekode-rammeverk for modellopplæring, den akselererer også slutningen av dype nevrale nettverk for en rekke prosessorer og maskinvareplattformer. På den nylige Baidu Deep Learning Developer Conference Wave Summit 2020 kunngjorde PaddlePaddle sitt samarbeid i et maskinvareøkosystem som inkluderer ledende globale teknologiselskaper som Intel, NVIDIA, Arm China, Huawei, MediaTek, Cambricon, Inspur og Sugon.
PaddlePaddle har fortsatt rom for forbedring, sier Baidus konserndirektør Tian Wu. I fremtiden vil PaddlePaddle fortsette å fremme distribuert databehandling i stor skala og heterogen databehandling, og tilby den kraftigste produksjonsplattformen og infrastrukturen for utviklere for å akselerere utviklingen av intelligente industrier.
PaddlePaddles rolle i kampen mot covid-19
En av de industrielle applikasjonene utviklet fra PaddlePaddle er for tiden i bruk til medisinske formål for å bekjempe covid-19. Det primære diagnostiske verktøyet for lungebetennelse, en av de alvorlige effektene av covid-19, er en CT-skanning (chest computed-tomography). Med begrensede leger i frontlinjen og ressurser til å lese et eksponentielt økende antall skanninger raskt og nøyaktig, er CT-avbildningsteknologi avgjørende for å hjelpe klinikere med å oppdage og overvåke infeksjoner mer effektivt.
LinkingMed, en Beijing-basert onkologidataplattform og medisinsk dataanalyseselskap, ga ut Kinas første åpen kildekode AI-modell for lungebetennelses-CT-bildeanalyse, drevet av PaddlePaddle. AI-modellen kan raskt oppdage og identifisere pneumonale lesjoner samtidig som den gir en kvantitativ vurdering for diagnoseinformasjon, inkludert antall, volum og andel av pneumonale lesjoner.
Ved å bruke PaddlePaddle og dens semantiske segmenteringsverktøysett PaddleSeg, har LinkingMed utviklet et AI-drevet lungebetennelsesscreening og lesjonsdeteksjonssystem som brukes på sykehuset tilknyttet Xiangnan University i Hunan-provinsen. Systemet kan finne sykdommen på mindre enn ett minutt med en deteksjonsnøyaktighet på 92 % og en tilbakekallingsrate på 97 % på testdatasett.
I helsevesenet brukes PaddlePaddle-plattformen til å bygge applikasjoner for å bekjempe covid-19.
Robust AI vil være nødvendig for å håndtere de stadig mer komplekse oppgavene som kreves for teknologisk vekst. Baidu er forpliktet til å utvikle PaddlePaddles dyplæringsplattform sammen med AI-forskere for å skape en bedre fremtid. Vi er begeistret for å se hva vi har oppnådd i 2020 og ser frem til nye gjennombrudd i fremtiden.