8月28日,在 AICC2019人工智能计算大会上,浪潮与百度宣布达成人工智能合作,共建AIStation与飞桨联合方案。当前,飞桨的PaddleHub、AutoDL Design、PARL三大工具模块,及包括ERNIE持续学习语义理解框架在内的超160个有优势性能的预训练模型,现已整合在AIStation平台上,用户可同时享有敏捷高效的AI计算资源管理部署能力和专业AI框架优化服务能力。
AIStation是浪潮面向人工智能企业训练场景的人工智能Paas平台,可实现容器化部署、可视化开发、集中化管理等,为用户提供极致高性能的AI计算资源,实现高效的计算力支撑、精准的资源管理和调度、敏捷的数据整合及加速、流程化的AI场景及业务整合,有效打通开发环境、计算资源与数据资源,提升开发效率。
百度飞桨是国内唯一功能完备的开源深度学习平台,集深度学习训练和预测框架、模型库、工具组件和服务平台为一体,拥有兼顾灵活性和高性能的开发机制、工业级应用效果的模型、超大规模并行深度学习能力、推理引擎一体化设计及系统化服务等优势。
在人工智能发展的今天,各种深度学习框架层出不穷,安装部署相对复杂,典型的深度训练模型需要几天到几周的计算周期,对计算力资源消耗较大。同时大型深度学习环境往往需要动态协调数百台服务器,上千颗CPU的计算资源,而且GPU计算卡也随着服务器等资源分散在不同的环境中,利用率较低且难以统一管理。
AIStation可无缝对接算法ISV,通过与AI算法及框架开发企业合作,内置优化多种主流深度学习框架和组件,可减化用户在框架和组件等方面配置及操作,为终端客户提供全链条的场景化服务,涵盖金融、电信、教育、制作等行业场景。当前,AIStation已聚合了包含科大讯飞、第四范式、英特尔、英伟达、VMware等近20家企业的AI框架、模型和工具组件,百度飞桨的加入意味着浪潮AIStation又一次迎来新的重要合作伙伴,大家将共同创建一个开放全新的生态,赋能行业最终用户,推进产业AI化进程。
好文章,需要你的鼓励
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
随着医疗数据数字化与互操作性的进步,跨机构纵向患者数据的研究应用成为可能。本研究通过对20位领域专家的访谈,识别出8种数据收集方法,涵盖智能手机应用、结构化数据导出、区域/全国研究查询及聚合数据源等。研究发现,各方法均有其优缺点,无单一最优方案。参与者中介交换方式可绕过复杂治理安排,但存在数据缺口;全国性网络尚不支持研究查询。公共政策的持续推进将对该领域发展起关键作用。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。