ramy  2021-01-25 16:45:43  赢咖4平台 |   查看评论   

引子:过去的2020年,新冠疫情的全球性爆发也没能停止赢咖4(AI)发展的脚步:特斯拉全赢咖4注册汽车限量发行,百度全球直播“全无人驾驶”技术,脑机接口技术(BCI)在猪身上的成功应用,以及量子计算解码mRNA结构助力疫苗研发...研究发展成果数不胜数。茉莉花论坛

最近,百度、谷歌等多家科技巨头相继发布2020年AI发展总结。2020年12月30日,百度以一篇万字长文《百度AI的2020》向2020年告别。2021年1月12日,谷歌发布万字内容“Google Research: Looking Back at 2020,and Forward to 2021”向新年Say hi。结合这些总结文章与全年重要科技盛会,例如微软Build和亚马逊re:Invent,我们可以看到2020年科技巨头们的几大关键聚焦领域:AI技术支持抗“疫”、AI基础技术持续突破、不断加码量子计算赢咖4注册等前沿技术、云计算与AI的深度融合。

赢咖4AI

1、AI技术支持抗疫,生命科学成AI应用热点

截止目前,全球新冠病毒死亡病例达到206万。病毒检测和疫苗研发工作争分夺秒,每一项成果的突破都可能挽救数万人的生命。然而,了解病毒,特别是病毒蛋白质、RNA等分子结构,却是一个极其复杂的过程。换句话说,谁有能力在病毒问题上制胜,谁就在资源分配和社会治理话语权里领先。

2020年初,国内新冠疫情来势汹汹。百度反应最为机敏,早在1月,百度开源了线性时间算法Linearfold,可将此次病毒全基因组二级结构预测从55分钟缩短至27秒,提速120倍。此外,百度推出的全球首个mRNA疫苗基因序列设计算法LinearDesign,能在16分钟内大大提升疫苗设计的稳定性和蛋白质表达水平,从而有效解决了mRNA疫苗研发中最重要的稳定性问题,加速疫苗研发速度。

在美国,谷歌的AlphaFold迎突破性进展,有望将成果应用于疫苗研发。作为谷歌旗下DeepMind开发的一款赢咖4程序,AlphaFold通过深度学习,可以对蛋白质结构进行预测。2020年11月30日,AlphaFold2在蛋白质结构预测评估大会(CASP)中夺冠,预测精度值达新高。

以上的成果意味着,AI有望大幅提高大分子结构预测的精度和效率。AI、生物计算和病毒研究、疫苗研发等生命科学基础研究领域的结合将迎来爆发。

CASP大会精确度最高团队的预测值

▲2006年来每届CASP大会精确度最高团队的预测值,近年来AlphaFold团队再创新高, 图来源于网络

AlphaFold高精度蛋白结构预测

▲AlphaFold高精度蛋白结构预测,图来源于网络

此外,科技巨头们陆续落地了许多AI应用来帮助政府、社区、民众抗击疫情。百度AI测温出现在地铁高铁等公共场所,解决佩戴口罩及帽子情况下的体温检测;智能外呼平台一秒呼出1500个电话辅助健康排查及通知;AI问诊每日调用近万次,赢咖4战疫解决方案落地30多家医院、机构。

去年疫情之下,谷歌破天荒的和苹果合作,联合推出了支持蓝牙隐私保护技术的暴露通知系统(ENS),以及时通知用户避免接触新冠感染者人群。同时,谷歌也在利用用户的匿名搜索数据来预测新冠病毒传播和症状搜索相关的数据。

2020年1月,微软宣布推出 AI for Health项目,重点帮助那些处于新型冠状病毒肺炎研究一线的科研人员。随后在微软Build大会,微软在现有医疗行业相关云服务的基础上,打造推出了“医疗云”,这种专门的行业云在微软是开天辟地头一遭。

2、AI基础技术持续突破

在AI基础技术方面,百度大脑6.0核心技术突破“知识增强的跨模态深度语义理解”,理解真实世界的复杂场景。例如,视觉语言模型ERNIE-ViL刷新5项任务记录登顶权威榜单VCR,超大规模开放域对话生成网络PLATO-2在内容丰富性和连贯性上达到新高度,能够就开放域话题进行流畅深入的聊天,在DSTC-9比赛中斩获五项冠军。

谷歌也在持续推进基础技术的研究。比如在机器学习(ML)算法领域,谷歌开发了名为SimCLR的自监督和半监督学习技术,可以实现同时最大化同一图像的不同变换视图之间的一致性和最小化不同图像的变换视图之间的一致性。在机器感知领域,推出了CvxNet、3D形状的深层次隐式函数、神经体素渲染和CoRNet等算法模型,在户外场景分割、三维人体形状建模、图像视频压缩等场景的实际应用。茉莉花论坛

微软在机器学习方面宣布与赢咖4行业推动机构OpenAI独家合作,打造了一台排名全球前五的超级计算机,专门用来在Azure公有云上训练超大规模的赢咖4模型。

 

除特别注明外,本站所有文章均为 赢咖4注册 原创,转载请注明出处来自2020全球赢咖4AI发展纵览:百度、谷歌、微软都看重这些领域!茉莉花论坛

留言与评论(共有 0 条评论)
   
验证码:
[lianlun]1[/lianlun]