“深度學習正在推動人工智能進入工業(yè)大生產(chǎn)階段。深度學習框架是智能時代的操作系統(tǒng)。”4月23日，百度高級副總裁、深度學習技術及應用國家工程實驗室主任王海峰在首屆WAVE SUMMIT 2019深度學習開發(fā)者峰會上表示。在這場匯聚了人工智能專家、深度學習開發(fā)者的盛會上，王海峰發(fā)表主旨演講，結合對工業(yè)革命和人工智能發(fā)展的思考，指出深度學習的通用性特點，以及深度學習框架及平臺的發(fā)展，正在推動人工智能標準化、自動化和模塊化，進入工業(yè)大生產(chǎn)階段。

驅動工業(yè)革命的核心技術，表現(xiàn)出很強的通用性特點：標準化、自動化、模塊化

自18世紀60年代起，人類經(jīng)歷的三次工業(yè)革命，分別以機械技術、電氣技術和信息技術為核心驅動力。王海峰認為，驅動工業(yè)革命的核心技術都表現(xiàn)出很強的通用性，而每一次工業(yè)革命到達高潮時，驅動它的核心技術就進入工業(yè)大生產(chǎn)階段，呈現(xiàn)出標準化、自動化、模塊化的特點。當今，我們正身處人工智能為核心驅動力量的第四次工業(yè)革命浪潮之中，人工智能正將人類社會帶入智能時代。

人工智能發(fā)展代表性的三個階段：人工規(guī)則、機器學習、深度學習

人工智能至今已經(jīng)經(jīng)歷了60多年的發(fā)展，人工規(guī)則、機器學習和深度學習是具有代表性的三個階段。王海峰分別以語音、視覺、自然語言處理等人工智能核心技術為例，闡述了這三個階段不同的特點。

人工規(guī)則階段，規(guī)則系統(tǒng)主要依賴專家知識，需要很多專家人工編寫規(guī)則，耗時耗力，而且領域遷移性很差;機器學習階段，可以從數(shù)據(jù)里自動學習、訓練模型，自動在預測或解碼階段找到所需的答案，但也存在模型多、單個模型效果無法遷移到其它任務或場景的問題。近幾年，深度學習的出現(xiàn)帶來了很多深刻的變化，尤其是它的通用性優(yōu)勢，讓人工智能可以在各行各業(yè)中應用，解決各種各樣的問題，并已取得了很好的效果。

深度學習框架是智能時代的操作系統(tǒng)

王海峰對深度學習框架的重要價值進行了詳細闡釋。他認為，在智能時代，深度學習框架起到了承上啟下的作用，下接芯片、大型計算機系統(tǒng)，上承各種業(yè)務模型、行業(yè)應用。因此，它是“智能時代的操作系統(tǒng)”。

[[263338]]

以百度PaddlePaddle為例，作為國內(nèi)完整、全套的深度學習平臺，PaddlePaddle包括核心框架、工具組件和服務平臺三大部分。在核心框架層面，它可以提供開發(fā)、訓練和預測一整套的技術能力;在此之上，又提供了包括視覺、自然語言等在內(nèi)的豐富模型，形成完整的模型庫，通過模塊化的方式提供給使用者。除此以外，適應工業(yè)大生產(chǎn)階段的“標準化、自動化和模塊化”，PaddlePaddle還提供了包括遷移學習、強化學習、自動化網(wǎng)絡結構設計、訓練可視化工具、彈性深度學習計算等在內(nèi)的工具組件。而在服務平臺層面，PaddlePaddle則提供了零基礎定制化訓練和服務平臺EasyDL和一站式開發(fā)平臺AI Studio。這一整套的框架和服務，可以幫助廣大開發(fā)者和企業(yè)利用工具化、平臺化的方式，進一步降低深度學習應用門檻，加速推動產(chǎn)業(yè)智能化變革。

現(xiàn)場，王海峰以百度地圖時間預估和國家重大工程用地的變化情況檢測為例，介紹了深度學習如何在不同場景中應用，解決實際問題。在百度地圖中采用基于深度學習技術進行時間預估，可準確預測從出發(fā)地到目的地真正需要花費的路線和時間，每天為用戶提供約5億次時間預估服務。百度PaddlePaddle基于遙感影像數(shù)據(jù)，研究高精度、高自動化的目標地物檢測、土地覆蓋和土地利用分類方法，輔助國家進行重大工程用地擴張與變化情況的監(jiān)測工作，并對土地資源的利用進行有效管理與控制，是真正地用AI技術利國利民。

無論從歷次工業(yè)革命的變遷，還是從人工智能的發(fā)展，以及深度學習在近些年的發(fā)展突破、加速與產(chǎn)業(yè)融合的態(tài)勢，深度學習已經(jīng)具備了很強的通用性，推動智能時代的核心技術標準化、自動化、模塊化，持續(xù)提升各行各業(yè)的商業(yè)增值潛力，加速產(chǎn)業(yè)智能化。王海峰表示，“深度學習推動人工智能進入工業(yè)大生產(chǎn)階段。深度學習框架是智能時代的操作系統(tǒng)”。