9月13日，工业和信息化部总工程师、新闻发言人田玉龙正在国务院新闻办举办的“推动制作强国网络强国建立，助力全面建成小康社会”公布会上示意，增强新兴产业的产业链规划，例如人工智能、量子通信等前沿范畴。这层面还出台了一些政策，引诱中央、搀扶中央，融合各自的特点和地区计谋，使他们构成各具特点的产业链，推动新兴产业集群化成长。
“人工智能已极大地改变了人类的生活和生产方式。”正在2021遐想立异高新科技大会上，遐想团体初级副总裁、首席手艺官芮勇阐发说，遐想正在不停赋能行业的实践中发觉，三百六十行正在智能化转型进程中都面临着一系列共性的疼点，可归纳为三大类，一是模子构建难，二是数据样本少，三是场景适配慢。
关于模子构建难，芮勇观察到，正在企业中，良多业务专家熟悉详细场景，但他们大概不管是人工智能专家，不知道怎样用人工智能搭建适合的模子。传统的做法是请人工智能专家手动搭建模子，这不只耗时耗力，并且很难充分操纵较量争论资源到达精度和时延的团结最优。别的一个做法是操纵机械进修技能，搜索神经网络架构，这类方式可以节流人工成本，然则会消耗大批的GPU算力。
“当模子被布置到边侧或端侧之后，应对新出现的题目和义务，很难收集到有用的样本数据。”芮勇说。
正在芮勇看来，当新的场景需求涌现，比方新建一条聪慧产线或一座聪慧厂房，若何应用已有的才能疾速规模化复制一套完全的解决计划？这须要思索到一系列因素，比方新任务场景须要挪用哪些人工智能才能组件？它们以一种什么情势组合、连接起来才能发挥作用？它们划分应当跑正在哪些设备上，才能知足算力、存储、网络、功耗等资源需求？综合思索这一些因素是很艰巨的，通常须要堆集很多年从业履历和经过频频试验才能找到较优的计划。这就产生了第三个疼点，若何快速高效地适配新场景。
针对模子构建难这一疼点，芮勇引见说，遐想提出了“多层级细粒度神经网络架构搜索”手艺，它能为业务人员省时高效地构建出高精度模子。首先，为削减搜索空间，遐想提出了模块间—层间—层内的渐进式搜索要领，相比传统的神经网络架构搜索要领，能更快获得一个精度最优、时延最小的网络架构；在此基础上，行使网络权重预热手艺，根据近邻采样，对网络架构的权重给予先验初值，使得模子锻炼能快速收敛。以图象分类问题为例，有了这一手艺的加持，构建一样精度的模子，所需GPU算力仅为业界常用要领的1/10。
为处理样本数据少这一行业转型疼点，联想将“数据加强”和“元进修”联合，打造了“小样本毕生进修手艺”。芮勇举了个通俗易懂的例子——学开车。“比方，您会开小轿车，此刻需求进修开大卡车。二者虽然存在很多差别，但会开小轿车的话，学开大卡车总比从零开始学更轻易，由于有些根本能够鉴戒。这便是元进修的道理。经由过程鉴戒分歧义务的相似之处，来实现义务层面的进修才能泛化，提拔模子不竭顺应新义务的才能。”芮勇说。
关于场景适配慢的行业智能化转型疼点，芮勇先容说，有了遐想基于多目标优化的解决计划主动生成手艺，用户只需输入新场景使命和限定前提，算法就可以主动肯定需求哪些模子，跑正在哪些设备上能到达用户所盼望的性能，模子之间若何举行合作等，进而构建出最优的完全计划。有了这一手艺，本来需求几周才可以搭建出一套新场景的智能化计划，此刻一些小时就可以够完成。
以上这一些助力行业智能化转型并处理疼点的计划，主要由面向行业智能化的人工智能平台——遐想大脑供应支撑。“遐想大脑的这一些技能，正在赋能很多行业的智能化转型。”芮勇说。
