Bagaimana untuk menginovasikan model algoritma

Dengan kemajuan transformasi digital, permintaan untuk model dan algoritma AI yang diedarkan dan terdesentralisasi telah menjadi semakin menonjol, dan gabungan organik bagi algoritma dan model yang berbeza telah menjadi pilihan arus perdana dalam aplikasi praktikal. Selain itu, pelbagai modaliti, tanpa pengawasan, kebolehtafsiran, pembelajaran kendiri, evolusi kendiri, dsb. adalah semua hala tuju penyelidikan yang perlu difokuskan dalam bidang AI semasa.

Jadi, apakah perkembangan baharu dalam ciri "jiwa" ini dalam bidang AI? Bagaimanakah gergasi AI domestik dan asing utama memaksimumkan prestasi model dalam pelaksanaan sebenar? Jika anda ingin memahami pembangunan dan penerokaan canggih model algoritma kecerdasan buatan, sesi khas "Inovasi Model Algoritma" AISummit tidak boleh dilepaskan!

Khusus Sidang Kemuncak

Dari 6 hingga 7 Ogos, Persidangan Teknologi Kepintaran Buatan Global AISummit akan diadakan seperti yang dijadualkan dalam talian di laman web rasmi persidangan itu, dengan anggaran 100,000 hadirin. Dengan tema "Drive·Innovation·Digital Intelligence", persidangan ini ditujukan terutamanya kepada pengurus teknologi pertengahan hingga tinggi dan pengamal teknikal syarikat teknologi, pengurus perniagaan yang menjalani transformasi kecerdasan digital, serta orang ramai dan usahawan yang berminat dalam bidang kecerdasan buatan. Persidangan itu juga akan menjemput hampir seratus elit teknikal daripada syarikat teknologi Internet terkenal, pengurus syarikat tradisional dalam tempoh transformasi digital, dan pakar serta cendekiawan dari institusi akademik yang canggih untuk bersama-sama membincangkan kuasa penggerak industri kecerdasan buatan dan membincangkan inovasi canggih dalam teknologi kecerdasan buatan, mari kita bercakap tentang gelombang "kecerdasan digital" dalam era kecerdasan buatan.

Pada isu persidangan AISummit ini, dalam sesi khas "Inovasi Model Algoritma", ramai pemimpin teknikal kanan dan pakar dari industri dari Byte, Kuaishou, Alibaba Damo Academy dan Tencent From the perspektif amalan perniagaan, berkongsi kes lanjutan dan pemikiran teknikal mengenai inovasi model algoritma pembelajaran mesin.

Butiran topik

Topik 1: Aplikasi dan cabaran teknologi penterjemahan mesin AI bait

Speaker: Wang Mingxuan Zi Head Terjemahan Mesin di Jiediao AI Lab

Pratonton kandungan:

Kini, terjemahan mesin boleh digunakan dalam banyak senario seperti pelepasan maklumat dan pertukaran maklumat, dan teknologi kecerdasan buatan telah bertambah baik Selain penciptaan kandungan maklumat, terjemahan mesin masih menghadapi beberapa cabaran, seperti terjemahan sumber yang terhad, terjemahan berbilang bahasa, terjemahan bab, dsb. Walau bagaimanapun, meningkatkan jumlah data, mewujudkan perwakilan bersatu dan mencipta paradigma terjemahan mesin baharu masih merupakan isu yang perlu diselesaikan pada masa hadapan terjemahan mesin.

Dalam perkongsian ini, Wang Mingxuan, ketua penterjemahan mesin di ByteDance AI Lab, membawakan aplikasi teknologi terjemahan mesin Byte AI dan cabaran yang akan dihadapi oleh terjemahan mesin pada masa hadapan.

Topik 2: Sistem penyusunan semula pada peranti disyorkan oleh video pendek Kuaishou

Pensyarah: Ding Weijie, pakar algoritma kanan di Kuaishou

Pratonton kandungan:

Sistem pengesyoran arus perdana yang digunakan dalam awan boleh mencapai hampir masa nyata pada tahap minit, manakala sistem pengesyoran yang digunakan pada akhir mendapat manfaat daripada ciri pautannya , yang boleh mencapai maklum balas masa nyata dalam beberapa saat.

Perkongsian ini memperkenalkan aplikasi dan inovasi penyusunan semula masa nyata akhir dalam sistem pengesyoran video pendek Kuaishou dari beberapa aspek:

( 1) Infrastruktur unik sistem penyusunan semula hujung ke hujung, penyelesaian pemilihan model yang digabungkan dengan awan di bawah kekangan kuasa pengkomputeran dan jalur lebar yang sangat kecil

(2) Akhir ke -penyusunan semula akhir Kaedah pemodelan sistem yang unik, di bawah had ruang parameter yang sangat kecil, penghalusan kejuruteraan ciri dan struktur model, penilaian AUC bagi ramalan titik tunggal adalah lebih baik daripada algoritma SOTA yang diterbitkan

(3) Mekanisme pengisihan unik bagi sistem penyusunan semula pada peranti, pemprosesan halus skim pengisihan senarai di bawah had ruang calon yang sangat kecil.

Topik 3: Amalan model dialog pra-latihan skala besar Alibaba

Pensyarah: Li Yongbin, pakar algoritma kanan di Akademi Alibaba DAMO, teknologi kecerdasan dialog Orang yang bertanggungjawab

Pratonton kandungan:

Bagaimana untuk menyuntik pengetahuan manusia ke dalam model pra-latihan supaya pengetahuan dan data boleh disepadukan secara organik sentiasa menjadi masalah yang sukar dalam penyelidikan AI. Model hanya boleh menyelesaikan satu tugas, dan serba boleh yang lemah adalah masalah besar dalam AI.

Model terlatih mungkin penyelesaiannya. Ia boleh membuat kesimpulan daripada satu contoh dan menyelesaikan pelbagai tugas.

Walau bagaimanapun, suntikan pengetahuan bukanlah mudah Memandangkan pengetahuan adalah jauh lebih kecil daripada data yang tidak dilabel dari segi susunan magnitud, percampuran mudah boleh menyebabkan pengetahuan menjadi terbeban atau keterlaluan yang serius.

Menggunakan pembelajaran separa penyeliaan untuk menyuntik pengetahuan ke dalam model dialog pra-latihan untuk mencapai integrasi organik pengetahuan dan data akan menjadi penyelesaian pertama untuk menyuntik pengetahuan ke dalam model pra-latihan dalam bidang dialog manusia-komputer .

Perkongsian ini diketuai oleh Li Yongbin, pakar algoritma kanan dan peneraju teknologi perisikan perbualan Alibaba DAMO Academy, yang membawa penjelasan praktikal model dialog berskala besar dan latihan Alibaba serta cara menggunakan pembelajaran separa penyeliaan untuk menyuntik pengetahuan manusia beranotasi ke dalam model Dialog pra-latihan untuk meneroka laluan baharu untuk pengetahuan dan penyepaduan data.

Topik 4: Penerokaan dan Pembangunan Pemahaman Kandungan Video

Pensyarah: Xie Xiaohui, Pakar Teknologi Video Dalam Talian Tencent

Pratonton kandungan:

Semua orang yang terlibat secara mendalam dalam bidang AI akan mendapati bahawa jurang semantik adalah masalah yang sangat mencabar, dan perlu menggunakan graf pengetahuan dan teknologi lain untuk membantu seluruh AI mengenali kemajuan baharu.

Dalam perkongsian ini, Xie Xiaohui, pakar teknologi video dalam talian dari Tencent, akan berkongsi penerokaan dan pembangunan pemahaman kandungan video yang canggih. Kandungan tersebut termasuk status semasa dan cabaran teknologi pemahaman kandungan video, serta amalan terkini pemahaman kandungan video dalam perniagaan Tencent.

Kaedah tempahan

Klik untuk memasuki ​

​Persidangan Teknologi Kecerdasan Buatan Global AIsummit​​ tapak web rasmi, ikut gesaan untuk mengisi sepenuhnya dan menyerahkan maklumat untuk dilengkapkan pendaftaran itu.

Imbas kod QR untuk menyertai kumpulan rasmi persidangan, mengambil bahagian dalam loteri, dan menangi hadiah menarik seperti pembesar suara SONY, Bingdundun dan buku teknologi AI, serta merah sampul surat.

Atas ialah kandungan terperinci Bagaimana untuk menginovasikan model algoritma. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!