2020年8月28日,华为云AI院长峰会在杭州千岛湖举行,来自中国科学院、中国工程院的多位院士,以及清华大学、北京大学、浙江大学、上海交通大学、复旦大学、中国科技大、哈尔滨工业大学、南京大学、西安交通大学等国内40余家顶尖高校的人工智能学院与计算机学院院长、教授、专家出席了大会,峰会阵容堪称国内高校的“顶尖配置”。
峰会上华为云发布了五大AI人才培养规划,其中“华为云AI十百千学术计划”之百篇经典论文复现截至目前已取得重大进展:华为云官方累计发布50余篇AI经典论文供参与者复现,涵盖了计算机视觉、迁移学习、自然语言处理多个领域,吸引了数十所知名高校学子报名参加论文复现,不仅覆盖了C9院校,也不乏博士后参与;共计百余篇经典论文算法上线华为云AI Gallery,供开发者学习和使用。
百余篇AI经典论文算法已上线AI Gallery
针对当前AI经典论文算法在开源社区上的代码质量参差不齐,很多代码不好用、难用、甚至用不了,以及一些论文作者不共享源代码,无法指导AI开发者可以更好的参考与探索的现状,华为云官方将一些经典而又常用的论文算法上线华为云一站式AI开发平台ModelArts,供广大AI开发者免费使用,降低开发者学习门槛;同时发起华为云AI经典论文复现活动,鼓励参与者基于ModelArts复现AI经典论文,并将复现的论文算法开放共享到ModelArts AI Gallery, 打造AI开发者学习社区,从而达到赋能AI开发者,让更多人来低门槛使用经典的算法目标。
目前,已经有百余篇AI经典论文算法上线华为云AI Gallery,开发者可以了解算法介绍、查看代码,以及一键订阅算法,在ModelArts平台进行训练和推理。华为云ModelArts产品团队表示,将这些百余篇AI经典论文算法与现有教程结合,构建一整套由浅入深的“AI学习天梯”,帮助各行各业的开发者在人工智能领域“渐入佳境”。
全方位支持AI经典论文复现
为了让开发者更好地学习AI,华为云举办的AI经典论文复现活动,设置了百万级别奖金池,成功复现并通过验收即可获得奖金激励。每篇论文一支队伍复现,论文一经发布即引来各大知名高校学生参与,基于自身研究领域选择熟悉的论文。此外,为了帮助学生能顺利完成复现,活动中给报名学生们提供了全方位支持,包含ModelArts赋能和论文复现活动宣讲、提供充足的ModelArts算力、全周期指导和问题解答,整个活动受到了学生们的一致好评。
代表性AI经典论文算法:图像分割-Fast-SCNN
随着自动驾驶汽车的兴起,迫切需要一种能够实时处理输入的模型。目前已有一些先进的离线语义分割模型,但这些模型体积大,内存大,计算量大,Fast-SCNN: Fast Semantic Segmentation Network可以解决这些问题。它是一种针对高分辨率图像数据的实时语义分割模型,适用于低内存嵌入式设备上的高效计算。
代表性AI经典论文算法:目标检测-TSD
目前很多研究表明目标检测中的分类分支和定位分支存在较大的偏差,论文从sibling head改造入手,跳出常规的优化方向,提出TSD:Revisiting the Sibling Head in Object Detector方法解决混合任务带来的内在冲突,该方法可以灵活插入大多检测器中,帮助通用的检测器大幅度提升性能3%-5%,在COCO上,基于ResNet-101可以达到49.4的map,在SENet154上可以达到51.2。
“学AI,就用ModelArts”
据华为云ModelArts产品团队介绍,2021年,华为云AI经典论文复现计划将带来更多后续活动:一、邀请优秀的学生代表举办论文复现直播解读,手把手带开发者复现经典论文;二、不定期发布更多AI经典论文复现任务;三、邀请优秀的学生代表参加华为开发者大会(HDC.Cloud),与专家大咖们面对面交流。
获取华为云AI相关活动资讯,请持续关注华为云AI社区,更多AI经典算法可访问华为云官网-ModelArts AI Gallery查看。
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。