多模态深度语义理解：让AI从“看清听清”到“看懂听懂”

来源：央广网时间：2018-07-11 14:36:02

　　央广网科技7月5日消息（记者殷雨婷） “多模态深度语义理解能让机器听清、看清，更能深入理解它背后的含义，深度地理解真实世界，进而更好地支撑各种应用。”百度高级副总裁、AI技术平台体系（AIG）总负责人王海峰表示。

　　日前，在百度AI开发者大会（Baidu Create 2018）上，王海峰发布百度大脑3.0。百度大脑3.0的核心是“多模态深度语义理解”，包括数据的语义，知识的语义，以及图像、视频、声音、语音等各方面的理解。

　　如何实现从“看清听清”到“看懂听懂”？

　　视觉语义化可以让机器从看清到看懂视频，并提炼出结构化语义知识。百度视觉技术部、人脸技术部、增强现实技术部总监吴中勤介绍，视觉语义化技术首先识别人、物体和场景，同时捕捉它们之间的行为和关系，通过时序化、数字化、结构化的方式形成语义知识，最终结合领域和场景进行智慧推理，落地行业应用。

　　未来，视觉语义化技术还可进一步延展，它结合新型的传感器和AI芯片，可以在感知层面和计算层面得到大幅提升；结合手机可以带给用户更佳地使用体验。

　　语音技术的升级则让机器更好地听懂世界。百度语音技术部总监高亮表示，百度基于远场的语音语义一体化技术已取得突破，可为业界提供更顶尖的远场语音技术。

　　语音语义一体化将远场交互中高频Query识别准确率提升10个点，并保持普通Query识别率不降；多语种混合声学建模基于Deep Peak2大幅提升中英文混合Query识别准确率，相对错误率比业界最好竞品降低20%；新升级的TTS技术业界首创传统拼接技术与Wavenet技术融合方案，保证合成质量的同时大大降低成本，让大规模应用落地成为现实。

　　在对话理解方面，百度理解与交互技术平台UNIT升级至2.0，进一步增强冷启动能力，支持像人类一样在对话当中学习，同时开放了第一个工业级对话系统开源框架，降低搭建门槛，让开发者无缝对接云端。

　　将自主研发的芯片纳入技术体系

　　数据、算法、算力是影响人工智能技术发展的重要因素。王海峰表示百度大脑3.0首次将芯片纳入技术体系，带动百度大脑算力爆发式增长。百度自主研发的中国第一款云端全功能AI芯片“昆仑”也在会上首次亮相。未来，AI芯片将与百度自主研发的PaddlePaddle深度学习框架相结合，推动百度AI产业生态快速发展。

　　百度在2016年正式开源的PaddlePaddle，如今也迎来了PaddlePaddle3.0版本。百度AI技术生态部总经理喻友平对此进行了详细解读。PaddlePaddle3.0包括完整的核心框架，以及AI Studio、AutoDL、EasyDL等可以让开发者获取AI能力的平台。

　　PaddlePaddle3.0核心框架对服务器版本以及移动端版本进行了全面优化，PaddlePaddle Fluid提供丰富的满足常见主流模型搭建需求的API，支持广泛的模型搭建，训练Runtime可以满足各类型的模型训练需求；PaddlePaddle Serving可灵活适配多种预测引擎；PaddlePaddle Mobile集成百度移动端预测的实践经验，提供多平台支持。

　　百度大脑升级至3.0是百度AI技术的一次跨越式升级，王海峰强调，“百度AI能力的核心是百度大脑，百度大脑3.0是百度AI能力的集大成者。”未来，百度将逐步把基于百度大脑的技术突破开放给相关的开发者和企业。