《 百度大脑AI技术成果白皮书》,介绍百度大脑5.0,附48页PDF下载

2019 年 10 月 18 日 专知
《 百度大脑AI技术成果白皮书》,介绍百度大脑5.0,附48页PDF下载

【导读】百度大脑是百度AI集大成者,自2010年起开始积累基础能力,2019年升级为5.0,成为软硬件一体的AI大生产平台。百度发布《 百度大脑AI技术成果白皮书》,详细介绍了百度大脑5.0在基础层、感知层、认知层、平台层和安全方面的技术成果。


百度大脑是百度AI集大成者:

  • 2010年起开始积累基础能力,后逐步完善。

  • 2016年,百度大脑1.0完成了部分基础能力和核心技术对外开放。

  • 2017年,2.0版形成了较为完整的技术体系,开放60多项AI能力。

  • 2018年,3.0版在“多模态深度语义理解”上取得重大突破,同时开放110多项核心AI技术能力。

  • 2019年,百度大脑升级为5.0,核心技术再获重大突破,实现了AI算法、计算架构与应用场景的创新融合,成为软硬件一体的AI大生产平台。


如下图所示,百度大脑如今已形成了包括基础层、感知层、认知层、平台层以及AI安全五大核心架构在内的技术布局。同时,安全一直都贯穿AI技术研发的始终,已融合在百度大脑的所有模块中。基于数据、算法和算力强大的基础能力支持,百度大脑拥有包括语音、视觉、增强现实(AR)/虚拟现实(VR)以及语言与知识等技术能力,并通过AI平台对外开放,形成以百度大脑为核心的技术和产业生态。



《 百度大脑AI技术成果白皮书》详细介绍了百度大脑5.0在基础层、感知层、认知层、平台层和安全方面的技术成果。白皮书包含内容如下:

  • 引言

  • 百度大脑进化到5.0

  • 基础层

    • 算法

    • 算力

    • 数据

  • 感知层

    • 语音

    • 视觉

    • 增强现实/虚拟现实

  • 认知层

    • 知识图谱

    • 自然语言处理

  • 平台层

    • 飞浆(PaddlePaddle)深度学习平台

    • UNIT智能对话训练与服务平台

    • 开放数据集

  • AI安全

  • 结语与展望


完整PDF下载
请关注专知公众号(点击上方蓝色专知关注
  • 后台回复“BDAI19” 就可以获取《 百度大脑AI技术成果白皮书》的完整版PDF下载链接~ 


附部分内容:



参考链接:

  • https://ai.baidu.com/file/744AFC695BE1400CB78ED856955DF19F


-END-
专 · 知


专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询
请加专知小助手微信(扫一扫如下二维码添加),获取专知VIP会员码,加入专知人工智能主题群,咨询技术商务合作~
点击“阅读原文”,了解注册成为专知VIP会员
登录查看更多
8

相关内容

2019年10月17日下午,在备受人工智能领域关注的2019年中关村论坛·AI时代的深度学习技术与应用创新论坛上,百度发布了《百度大脑AI技术成果白皮书》(简称《白皮书》),向业界全面展示了百度大脑在过去一年里的技术成果,描绘了以百度大脑为核心的百度AI矩阵发展的宏大场景。

成为VIP会员查看完整内容
百度大脑AI技术成果白皮书.pdf
0
27
小贴士
相关VIP内容
专知会员服务
110+阅读 · 2020年4月26日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
86+阅读 · 2019年12月12日
相关论文
Teacher-Student Training for Robust Tacotron-based TTS
Rui Liu,Berrak Sisman,Jingdong Li,Feilong Bao,Guanglai Gao,Haizhou Li
5+阅读 · 2019年11月7日
TinyBERT: Distilling BERT for Natural Language Understanding
Xiaoqi Jiao,Yichun Yin,Lifeng Shang,Xin Jiang,Xiao Chen,Linlin Li,Fang Wang,Qun Liu
8+阅读 · 2019年9月23日
BAM! Born-Again Multi-Task Networks for Natural Language Understanding
Kevin Clark,Minh-Thang Luong,Urvashi Khandelwal,Christopher D. Manning,Quoc V. Le
3+阅读 · 2019年7月10日
Qingzhong Wang,Antoni B. Chan
3+阅读 · 2019年3月28日
Hierarchical LSTMs with Adaptive Attention for Visual Captioning
Jingkuan Song,Xiangpeng Li,Lianli Gao,Heng Tao Shen
5+阅读 · 2018年12月26日
Training behavior of deep neural network in frequency domain
Zhi-Qin J. Xu,Yaoyu Zhang,Yanyang Xiao
4+阅读 · 2018年8月21日
CoQA: A Conversational Question Answering Challenge
Siva Reddy,Danqi Chen,Christopher D. Manning
7+阅读 · 2018年8月21日
Hierarchical Graph Representation Learning with Differentiable Pooling
Rex Ying,Jiaxuan You,Christopher Morris,Xiang Ren,William L. Hamilton,Jure Leskovec
10+阅读 · 2018年6月26日
Christopher P. Burgess,Irina Higgins,Arka Pal,Loic Matthey,Nick Watters,Guillaume Desjardins,Alexander Lerchner
3+阅读 · 2018年4月10日
Avik Ray,Joe Neeman,Sujay Sanghavi,Sanjay Shakkottai
3+阅读 · 2018年2月24日
Top
微信扫码咨询专知VIP会员