1. 首頁 > 生活百科 > 科技 > >

IPO|未來屬于提出問題的人( 二 )

ipo跨境支付


但是 ， 并不是所有的框架 ， 都適合所有企業和場景 。
網易云音樂就碰到了獨特的問題 。 作為規模巨大的音樂社區 ， 網易云音樂希望能向用戶推薦合口味的音樂、歌單甚至直播 。 但是它的數據很特別：類型多 ， 規模大 ， 動態程度高 。 網易云音樂的數據類型從聲音、數據條目直到文本都有 ， 9000 萬首歌 ， 28 億個歌單 ， 還有 2 億活躍用戶每天產生的海量評論和互動 ， 數據關系高達千億級別以上 。
經過連番測評 ， 大多數框架都敗下陣來 。 最終 ， 網易云音樂以「飛槳圖學習」（PGL Paddle Graph Learning） 組件為基礎升級了推薦系統 ， 提升了冷門歌曲分發、云村廣場、陌生人一起聽等等業務場景的效率 ， 最高甚至提升了近一倍 。
百度飛槳是目前國內最受歡迎的開源深度學習框架 ， 綜合市場份額第一 。 但是 ， 飛槳想做的并不僅僅是框架 。 它的目標是成為 AI 時代的基礎設施 ， 讓 AI 能力成為即需即用的資源 ， 像電 ， 像自來水 ， 像移動互聯網 。
只有 AI 能力靈活可用且隨時可得時 ， 它才能真正發揮作用 ， 真正幫助各行各業跨入 AI 時代 。 那些在行業中真正實踐的人 ， 那些面對真正問題的人提出需求、定義問題 ， AI 就能以強大的能力 ， 幫助他們解決 。
在互聯網高速發展的時代 ， IT 企業中都會有產品經理 ， 他們是發現需求、定義問題 ， 再組織資源去解決問題的人 。 好的產品經理可遇不可求 。 今天 ， 在 AI 的幫助下 ， 產品經理更需要的是懂得如何運用前沿的 AI 技術 ， 更好更容易地解決問題 。
時代變了 ， 關鍵在于能不能提出好問題 。

02、有 AI 的未來
世界是由提出問題的人推動的 。 提出一個好問題 ， 往往比找到答案更重要 。 當萊特兄弟不再模仿鳥類飛行 ， 而開始研究空氣動力學的時候 ， 人類才真正能飛翔 。
那么 ， 有 AI 的未來會是怎樣的？
百度飛槳認為 ， AI 應該幫助各行各業提升能力 ， 更便捷地解決問題 。 AI 能力應該像大工業生產那樣標準化、模塊化、自動化 ， 讓任何人都能容易地學習和使用 。
這也是目前 AI 平臺面臨的普遍問題 。 正如亨利·福特所說 ， 「如果我去問人們想要什么 ， 他們會說想要更快的馬 。 」技術的發展往往先于大眾認知 ， 有問題的人們未必意識到 AI 可以幫助他們解決問題；AI 技術的門檻還是偏高 ， 人們未必會容易學會使用 AI 來解決問題 。
飛槳想要解決這些問題 ， 成為智能時代的增長引擎 。 從 2016 年開放源代碼以來 ， 飛槳一直致力于與開發者社區、與各種行業和企業合作 ， 提供針對行業獨特需求的 AI 能力 ， 優化與硬件的適配 ， 以及降低學習和使用門檻 。
北京大興區長子營鎮有一座植物工廠 ， 廠長李開一個人最多可以照看 100 畝地——是過去的 5 倍 。 提供助力的 ， 依然是 AI：計算機視覺組件不僅會自動識別蔬菜是否健康、能否采收 ， 還能及時發現害蟲 。 搭建這樣的系統也并不困難：飛槳提供了 EasyDL 零門檻 AI 開發平臺， 將構建深度學習模型的過程轉變成搭積木般的活動 。

這是相對簡單的 AI 能力 。 在其他內容更繁雜、上下游更多樣的行業 ， 飛槳使用另一種策略：開發預訓練大模型 ， 并針對任務和行業優化 ， 形成基礎能力、任務能力、行業能力的組合 。
提高 AI 的「智力」 ， 關鍵在于算法、數據和算力 。 解決問題能力強的深度神經網絡 ， 需要大量數據和強大計算能力的支撐 。 神經網絡會通過學習訓練數據 ， 在內部為一些變量賦值 ， 這些變量被稱作「模型參數」 ， 是深度學習模型解決問題能力的關鍵 。 而預訓練大模型 ， 就是參數很多的、用大量數據預先訓練好的深度學習模型 ， 可以幫用戶降低創建和訓練 AI 模型的成本 。

相關經驗推薦