图书馆里的清洁工 少林寺里的扫地僧

GIIC-新一代人工智能产业发展论坛(day 1)

GIIC-第三届全球智能工业大会暨博览会暨全球创新技术成果转移大会
The 3rd Global Intelligent Industry Conference & Exposition & Global Innovative Technology Exchange Conference


主题论坛一: 新一代人工智能产业发展论坛
主持人:罗海波,中科院沈阳自动化研究所副总工程师,教授

1. AI 芯片技术发展趋势展望 Technology Prospection of New Generation of AI chips

张韵东,北京中星微电子公司董事长兼总经理

中星微,数字多媒体芯片技术国家重点实验室
IMG_0801.jpeg

背景综述

讲了几年半导体行业的销售额增长,中国对半导体的需求仍大于自己的销售。

物联网AI技术发展趋势

传感智能化 网络泛在化(网络无所不在) 处理多元化(处理大量出现在边缘)

困难与挑战(四个):

如何以单芯片兼顾以大数据驱动的深度学习算法和以人工滤波器特征提取及模板匹配为代表的传统智能算法

企业介绍

DPS (Digital Pixel Sensor)数字像素传感器(对比 CMOS 光学器件),大大提升传感器产生数据的帧率,信噪比,带宽。突破了模拟像素读取数据速度不不够的瓶颈

星光智能系列深度学习处理器

智能摩尔技术路线

摩尔定律达到量子瓶颈的情况下,后摩尔时代的思考。延伸摩尔(More),超越摩尔(More than)

智能摩尔技术路线: 物理和信号层面达到极限,信息层面的技术创先还没有达到极限。

下面主要讲了他们的这个技术路线的内容。

2. 机载嵌入式实时自动目标识别系统与技术 Airborne Embed Real-time Automatic Target Recognition System and Technique

罗海波,中国科学院沈阳自动化研究所副总工程师,教授

模板匹配 -> 机器学习

模板匹配方法:面临的难题:异源图像匹配,大视角变换。

特征提取,Hausdoff 距离来评价匹配度

机器学习方法进行自动目标识别

比较了几种机器学习方法,演示了几个结果,主要是现有模型的应用,都是一些成熟的结果。装载在无人机就可以拿到很好的效果。感觉团队的主要贡献和真正自己的东西应该还是在模板匹配研究这一块。

硬件、算法

机载不可能挂载服务器,用FPGA,DSP

介绍了几种芯片,特性

介绍了基于华为昇腾310芯片的自研「达芬奇」架构

新一代自动目标识别

李群理论

介绍自己的研究所

沈阳自动化研究所,1958年创立,三个研究方向:机器人、智能制造、光电信息

3. 边缘端视觉计算 Vision Computing on Edge

程健,中国科学院自动化研究所研究员

什么是边缘计算?
靠近数据源的边缘地带来完成的运算程序,约等于 临近计算 或者 接近计算。

和传统的中心化思维不同,他的主要计算节点以及应用分布式部署在靠近终端的数据中心,这使得在服务的响应性能,还是可靠性方面都高于传统中心化的云计算概念。

边缘端的计算挑战

计算资源受限

离数据近

移动设备:算不好

穿戴设备:算不了

AlexNet 8层

神经网络存在计算密集、存储密集特点,中间结果数据量大,前向计算时,57.3%能耗花费在数据搬运。

轻量化的解决方案

  • 低秩分解
  • 剪枝
  • 量化

轻量级 AI 推理引擎: QEngine

介绍了一些有趣的应用

自研了一款芯片

未来展望

  • 自动轻量化方法
  • 无监督/小样本学习的加速和压缩
  • 软硬协同
  • 面向任务

    4. 飞桨产业级深度学习平台及其行业应用

    马艳军,百度深度学习技术平台部总监,博士


先讲 AI 的发展历程
深度学习:06年算法进展,

深度学习框架的重要性。以深度学习框架为核心的人工智能产业生态

国内外深度学习框架现状。讲了讲飞桨的诞生历史。

深度学习大规模产业化面临的挑战。开发效率低、训练困难、部署陈本高。

多端多平台部署的高性能推理引擎。产业级开源模型库。

深度学习应用于传统行业的三大难题:

  1. 问题定义、技术选型
  2. 验证成本高
  3. 特定的性能限制

面向场景的端到端开发套件。 前:数据标注工具箱、数据增强工具箱。后:部署集成工具。

5 基于学者网的知识图谱构建

汤庸,华南师范大学计算机学院院长

学者网可以做什么,全程基本上都在介绍学者网,知识图谱的内容似乎并没有讲多少。

6 新一代计算视觉框架:基于脉冲事件的视觉计算

王岩,澳大利亚麦考瑞大学教授

听不动了。这个没听