近日，人工智能國際頂會ICML 2020公布了論文收錄結(jié)果，阿里巴巴7篇論文入選，是入選論文數(shù)量最多的中國科技公司。ICML是機器學習領(lǐng)域全球最具影響力的學術(shù)會議之一，今年接受率僅為21.8%。

根據(jù)ICML官方顯示，阿里7篇論文涵蓋在圖像識別、自然語言處理、搜索推薦等領(lǐng)域的研究成果，其中一篇《Boosting Deep Neural Network Efficiency with Dual-Module Inference》，提出了一種全新的AI推理方法，可大幅減少AI對計算和內(nèi)存資源的消耗，能將推理速度提升3倍。

近年來AI模型變得越來越復雜化，尤其是類似語言AI這類復雜模型，給計算、內(nèi)存資源帶來了新的挑戰(zhàn)。目前，業(yè)界通用的解決方法是采用更先進的計算性能來運行AI任務(wù)，例如采用GPU、FPGA或者NPU等異構(gòu)計算，但該方法并沒有從根源上解決問題。

阿里巴巴達摩院設(shè)計出了一種“AI雙腦思考”的方法，能讓大型神經(jīng)網(wǎng)絡(luò)像人類一樣學會“快思考”與“慢思考”，從而進行高效且準確的推理過程。

該方法被稱為“雙模推理”， 即將一個復雜任務(wù)拆分成兩個任務(wù)，例如在復雜AI推理任務(wù)過程中，可以先以很小的資源運行“小網(wǎng)絡(luò)”，同時分析哪些網(wǎng)絡(luò)的區(qū)域較為敏感，然后只對敏感區(qū)域在“大網(wǎng)絡(luò)”中運行計算。

達摩院的科學家從理論上證明了雙模推理的可行性，且在CPU上實現(xiàn)了該方法。實際效果顯示，該方法能在保證模型精度的基礎(chǔ)上，在語言模型上減小40%的訪存，達到1.54倍-1.75倍的性能提升，同時可以在僅損耗0.5%精度基礎(chǔ)上，提升3倍的推理速度。

近年來，阿里在AI領(lǐng)域迎來了基礎(chǔ)研究與產(chǎn)業(yè)應(yīng)用成果雙爆發(fā)的階段。三年前，阿里巴巴成立了內(nèi)部研究機構(gòu)達摩院，深入AI研究前沿。據(jù)了解，阿里AI已在國際頂級技術(shù)賽事上獲得了近60項世界第一，500多篇論文入選國際頂會。同時，阿里AI落地了多項重大研究成果，全面賦能各行各業(yè)。達摩院醫(yī)療AI團隊疫情期間研發(fā)的AI診斷技術(shù)，已在全球近600家醫(yī)院落地，完成50余萬例臨床診斷。