
智能时代,AI技术正在发挥至关重要的作用,而开源的深度学习框架不仅能够降低AI开发者的门槛,而且能够极大节省成本与时间,成为创新的重要推手。2022年3月26-27日,昇思MindSpore TechDay活动线上成功举办,包含昇思MindSpore 1.6新版本发布、企业应用案例分享、AI大模型关键技术、AI+科学计算进展分享等精彩环节,帮助开发者更深入了解昇思MindSpore技术创新和社区治理。
华为昇腾计算业务副总裁田昆阳在致辞中表示华为开源昇思MindSpore已有两年,年轻且充满活力,底层支持的模型类型和数量非常丰富,能够支撑全场景AI应用。在取得丰硕科研成果的同时,形成了一个完善的生态,并与高校、知名学术科研机构以及产业伙伴紧密合作,共同构建繁荣的AI生态。
活动中,昇思MindSpore 1.6版本正式发布,新版本在易用性、开发效率、控制流性能等方面带来全新的升级:用户即时体验的开发套件MindSpore Dev ToolKit,一键环境管理,5分钟完成环境搭建;基于深度学习的智能代码补全,单模型开发键盘敲击次数可减少30%;开发全流程可视化,代码及对应的图结构及时查看,支撑集群训练性能问题的快速定位。
同时还展示了昇思MindSpore 原生AI大模型成果,通过AI编译器实现多维度混合并行,支持数据并行、数据切片预处理等七维混合并行算法,是并行维度业界最多、模型结构支持最全、单机容纳模型参数业界最强的AI框架,实现开发并行代码量降低80%、系统调整时间下降60%,单机完成千亿模型参数训练的超强能力。目前已训练出全球首个三模态大模型紫东.太初、全球首个遥感影像智能解译深度学习专用框架(武汉.LuojiaNet)以技术的领先性以及产业落地的巨大前景分别成立了“多模态人工智能产业联盟”和“智能遥感开源生态联盟”,开创了产业落地的新模式。
此外,在科学计算AI新赛道,昇思MindSpore通过架构创新,完成AI计算框架向AI融合框架的演进,通过神经网络模拟的非线性拟合,让科学家无需再解高维方程,提升科技创新效率,大幅度提高开发效率和科学计算性能。
昇思MindSpore以硬核技术特性推动科研创新,不仅学习资源丰富,成长路径完善,参与门槛低,是一个具备“全场景协同、全流程极简、自适应演进”三大技术优势的AI开源社区。截至2022年3月,昇思MindSpore社区下载量突破140万,社区贡献者超4000人,服务企业数量超5000家,与120多个科研院所展开合作,越来越多的AI开发者在昇思MindSpore社区找到了志同道合的朋友一起“改变世界”。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。