隨著數位轉型的浪潮推進，AI模型與演算法分散式、分散式的需求越來越突出，而不同演算法與模型之間的有機結合，也成了實際應用中的主流選擇。除此之外，多模態、無監督、可解釋性、自學習、自演化等等都是當下AI領域需要重點關注的研究方向。
那麼，這些AI領域的「靈魂」特性究竟有了哪些新的進展？國內外各大AI巨頭又是如何將模型性能在實際落地中發揮到極致的呢？想要了解人工智慧演算法模型的發展與前沿探索，AISummit「演算法模型的創新之道」專場不容錯過！
8月6日-7日，AISummit全球人工智慧技術大會將在大會官網以線上直播形式如期舉辦，預計10萬人參加。本屆大會以"驅動•創新•數智"為主題，主要面向科技企業的中高端技術管理者及技術從業者、數智化轉型的企業管理者以及對人工智慧領域感興趣的人士及創業者。大會也將邀請等近百位知名互聯網科技企業的技術精英、數智化轉型期的傳統企業的管理者、前沿學術機構專家學者，共同論道人工智能的行業驅動力，研討人工智能的前沿創新技術，共話人工智慧時代下的"數智"浪潮。
本期AISummit大會上，「演算法模型的創新之道」專場中，由來自字節、快手、阿里達摩院、騰訊的多位業內的資深技術負責人、專家從商業實踐的角度，分享機器學習演算法模型創新的先進案例與技術思考。
#如今機器翻譯已經能夠應用於資訊發布、資訊交流等多個場景，人工智慧技術提高了資訊內容的創作，但機器翻譯仍面臨一些挑戰，如稀缺資源的翻譯、多語言翻譯、篇章翻譯等。但是提升資料量、建立統一的表示以及創造新的機器翻譯範式等方向依舊是未來需要解決的機器翻譯方向的問題。
本次分享由位元組跳動 AI Lab機器翻譯負責人 王明軒帶來位元組AI機器翻譯技術的應用以及未來機器翻譯所需面對的挑戰。
主流的部署在雲端的推薦系統，可以做到分鐘級的近實時，而部署在端上的推薦系統，得益於其鏈路特點，可以做到秒級回饋的即時。
本次分享從幾個面向介紹端即時重排在快手短視訊推薦系統的應用與創新工作：
（ 1）端上重排系統的特色基礎架構，在極小的算力和頻寬限制下，雲端結合的模型選型方案；
（2）端上重排系統的特色建模方式，在極小的參數空間限制下，特徵工程和模型結構的精細化處理，單點預估的AUC評估顯著優於已公開的SOTA演算法;
（3）端重排系統的特色排序機制，在極小的候選空間限制下，listwise排序方案的精細化處理。
如何將人類知識注入預訓練模型，讓知識和資料有機融合，一直是AI研究中的難題。而一個模型只能解決一項任務，通用性差又是AI的一個大問題。
那預訓練模型可能是破解之道，它能舉一反三，解決多種任務。
不過，知識注入並不容易，由於從數量級來說，知識遠小於無標註數據，簡單混合容易導致知識被淹沒，或者出現嚴重的過度擬合。
利用半監督學習來對預訓練對話模型注入知識，從而實現知識與資料的有機融合，會是解決在人機對話領域中將知識注入預訓練模型的第一種解決方案。
這次分享由 阿里達摩院資深演算法專家、對話智能技術負責人 李永彬帶來阿里大規模與訓練對話模型的實踐講解，如何使用半監督學習將標註的人類知識注入預訓練對話模型，探索知識和資料融合的新路徑。
所有在AI 領域深耕的人都會發現語意的鴻溝是一個非常具有挑戰性的問題，需要藉助知識圖譜等技術，來幫助整個AI認知取得新進展。
本次分享，由來自騰訊的線上視訊技術專家謝曉輝帶來視訊內容理解的前沿探索與發展情況分享。內容包含影片內容理解技術的現況與挑戰，以及影片內容理解在騰訊業務的最新實踐。
點擊進入 AISummit 全球人工智慧技術大會 官方網站，按提示完整填寫、提交資訊即可完成報名。
掃碼加入大會官方群，參與抽獎，贏取SONY音響、冰墩墩、AI技術書籍等精美禮品，還有紅包雨掉落。
以上是演算法模型的創新之道的詳細內容。更多資訊請關注PHP中文網其他相關文章！
