10月26日,2021人工智能计算大会(AICC 2021)在京举行。本届大会以“智算·新际”为主题,旨在探讨数字经济新格局下,计算如何向智算转型,智算如何赋能科技创新、社会治理及产业升级,从而加速数字中国、智慧社会建设。
大会共设置“1+4+1+1”四大板块,包括1个主论坛,AI芯片创新技术、AI与互联网应用、AI创新产业投资、AI元脑生态发展4大主题论坛,1个智能计算中心高峰论坛和1个智慧应用展区,知名专家学者及企业产业界代表等汇聚一堂,带来50余场精彩演讲并展示600+人工智能创新应用成果。
会上发布了《2021-2022中国人工智能计算力发展评估报告》,其中包含中国人工智能城市TOP10排行榜、人工智能技术渗透最快的TOP5行业等一直为外界关注的重要榜单。
中国工程院院士、浪潮首席科学家王恩东表示:“计算产业正面临着多元化、巨量化和生态离散化的挑战。一方面多样化的智能场景需要多元化的算力,巨量化的模型、数据和应用规模需要巨量的算力,算力已经成为人工智能继续发展的重中之重;另一方面从芯片到算力的转化依然存在巨大鸿沟,多元算力价值并未得到充分释放。如何快速完成芯片到计算系统的创新,已经成为推动整个人工智能产业发展的关键环节。”
中国工程院院士、中国人工智能学会理事长、清华大学教授戴琼海表示:“人工智能的未来就是发现、理解与创造,因此下一代模型的核心就是要让人工智能精准理解大场景、多对象、复杂关系。为此,需要构建脑科学和人工智能之间的桥梁,通过先进神经技术揭示脑结构、脑功能与智能产生的多层次关联与多模态映射机制,从而建立认知模型与类脑智能体系的科学,突破当前人工智能面临的鲁棒性、迁移性、能效比、自适应、可解释性等局限,创造新一代人工智能。”
《2021-2022中国人工智能计算力发展评估报告》公布了最新中国人工智能城市排名榜单,TOP5城市依次为北京、杭州、深圳、南京、上海,排名6-10的城市为苏州、广州、济南、成都、合肥。与2020年相比,南京排名上升至第四位,济南和成都进入前十名。同时,算力与应用协同发展,推动AI场景多元化发展。从人工智能行业应用渗透度排名来看,2021年人工智能行业应用渗透度排名TOP5的行业依次为互联网、金融、政府、电信和制造。
在AICC2021期间,国际国内领先的AI公司带来了超过600项最新的人工智能产品与应用成果,让与会者感受到智慧时代的“智慧气息”。在大会现场,浪潮人工智能研究院开发的全球最大规模的中文AI巨量模型“源1.0”成为全场焦点,大批参会者排队与“源1.0”互动,体验人工智能作诗、写对联等项目,亲身感受由人工智能驱动的内容生产方式变革;效果炫酷的智能计算中心裸眼3D展示,让参会者身临其境的感受到人工智能新基建的“计算之美”。此外,超大规模图技术在电商场景中的应用、神经医学AI研究进展、AI交通融合感知与数字孪生解决方案、精准医疗辅助诊断平台、人工智能在高风险行业中的应用等一批创新成果也吸引到技术爱好者驻足围观。
人工智能计算大会(AICC)由中国工程院信息与电子工程学部主办,浪潮信息承办,核心聚焦人工智能计算产业,探讨AI技术创新、生态共融与人才培养。AICC自2017年起成功举办至第四届,也已成为全球AI计算领域最具影响力的技术盛会。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。