智東西3月20日消息，百度大腦的開放日活動(dòng)在今日下午于中關(guān)村創(chuàng)業(yè)大街百度大腦創(chuàng)新體驗(yàn)中心召開。

這是百度大腦的首場(chǎng)開放日活動(dòng)，也是百度大腦開放技術(shù)能力以及最新行業(yè)應(yīng)用的一次集中展示。

活動(dòng)當(dāng)天，百度AI技術(shù)生態(tài)部總經(jīng)理喻友平，重點(diǎn)介紹了百度大腦開源深度學(xué)習(xí)平臺(tái)PaddlePaddle的技術(shù)和產(chǎn)品更新，以及百度大腦在市政、物流、教育等行業(yè)的落地案例，與開發(fā)者們進(jìn)行深度交流。

同時(shí)，喻友平還介紹了百度大腦全新開放的24種AI能力。此前在網(wǎng)絡(luò)上大火的智能貓窩設(shè)計(jì)者百度大腦工程師晚兮也在現(xiàn)場(chǎng)為大家講述了智能貓窩設(shè)計(jì)者們的初心。

一、PaddlePaddle迎來重大更新

開放日一開始，喻友平就重點(diǎn)宣布百度PaddlePaddle的核心框架Paddle Fluid 在近日迎來v1.3版本發(fā)布，在基礎(chǔ)框架、預(yù)測(cè)引擎、模型建設(shè)、分布式訓(xùn)練各個(gè)方向上完成多項(xiàng)升級(jí)。

首先，Paddle Fluid v1.3新增發(fā)布視頻分類模型庫，值得關(guān)注的是這是業(yè)界首個(gè)視頻分類模型庫。

據(jù)喻友平表示，這個(gè)新增視頻模型庫，可以提供5個(gè)視頻分類經(jīng)典模型以及適合視頻分類任務(wù)的通用骨架代碼，用戶可一鍵式高效配置模型完成訓(xùn)練和評(píng)測(cè)。

其次，PaddlePaddle新增支持NLP語義表示BERT模型，支持多機(jī)多卡訓(xùn)練，支持混合精度訓(xùn)練，訓(xùn)練速度對(duì)比主流實(shí)現(xiàn)提升50%+，并且提供完整部署示例。

另外，在最新更新中PaddlePaddle的分布式訓(xùn)練性能大幅提升。百度大腦發(fā)布了大規(guī)模稀疏參數(shù)服務(wù)器Benchmark，通過 CPU多機(jī)異步訓(xùn)練發(fā)布可以顯著提升點(diǎn)擊率預(yù)估任務(wù)IO吞吐的built-in reader，多機(jī)多卡訓(xùn)練性能多方面提升。

最后，喻友平還推出業(yè)界領(lǐng)先的深度強(qiáng)化學(xué)習(xí)框架PARL1.0。據(jù)他介紹，PARL曾在NeurIPS 2018 奪冠。具有高靈活性和可擴(kuò)展性，支持可定制的并行擴(kuò)展，覆蓋DQN、DDPG、PPO、A3C等主流強(qiáng)化學(xué)習(xí)算法。通過8塊GPU可拉動(dòng)近20000個(gè)CPU節(jié)點(diǎn)運(yùn)算，將近5個(gè)小時(shí)迭代一輪的PPO算法加速到不到1分鐘。

二、開放24種新AI能力，百度大腦技能全面解鎖

據(jù)百度表示，當(dāng)前百度PaddlePaddle已對(duì)外開放超過50種經(jīng)過工業(yè)場(chǎng)景驗(yàn)證的官方模型，在深度學(xué)習(xí)基礎(chǔ)之上，百度大腦通用AI能力開放涵蓋語音、視覺、自然語言處理、知識(shí)圖譜等全面AI技術(shù)。

語音方面，根據(jù)喻友平介紹，目前百度大腦語音開放能力包括語音喚醒、語音識(shí)別、語音合成等通用能力，還包括即將推出的語音識(shí)別自訓(xùn)練平臺(tái)、軟硬一體的語音開發(fā)套件以及各種場(chǎng)景方案。

此外，PaddlePaddle首次開放了搭載國際領(lǐng)先的注意力模型的語音能力——語音識(shí)別極速版。

在1月的百度輸入法探索版發(fā)布會(huì)上，首次發(fā)布了領(lǐng)先國際的語音技術(shù)：在線語音領(lǐng)域全球首創(chuàng)的流式多級(jí)截?cái)嘧⒁饬δＰ蚐MLT「Streaming trancated multi-layer attention」。

這是首次在大規(guī)模語音識(shí)別工業(yè)界采用注意力（attention）模型，在百度輸入法產(chǎn)品發(fā)布后，驚艷的語音輸入體驗(yàn)得到了業(yè)界的一致好評(píng)。基于以上成果持續(xù)進(jìn)行更多創(chuàng)新，提升識(shí)別率的同時(shí)又大幅優(yōu)化解碼速度。百度大腦語音方向首次將這一系列技術(shù)創(chuàng)新整合為語音能力對(duì)外開放：“語音識(shí)別極速版”，擁有更快的響應(yīng)速度，相對(duì)識(shí)別準(zhǔn)確度提升15%，為開發(fā)者帶來更極致的識(shí)別體驗(yàn)。

此項(xiàng)語音能力在API調(diào)用方式下，實(shí)時(shí)率小于0.1，意味著5s的音頻不到500ms即可完成識(shí)別過程，極大減少了識(shí)別音頻所需的耗時(shí)，提升了語音交互的響應(yīng)體驗(yàn)。在近距離安靜環(huán)境下，識(shí)別準(zhǔn)確率可達(dá)到98%，同時(shí)支持略帶口音、童聲、耳語的識(shí)別，使語音識(shí)別應(yīng)用更加廣泛。

同時(shí)，多平臺(tái)的SDK也即將推出，使APP、服務(wù)器端更可實(shí)時(shí)識(shí)別，應(yīng)用這一領(lǐng)先技術(shù)。目前，每個(gè)開發(fā)者賬戶將贈(zèng)送5W次免費(fèi)調(diào)用量，針對(duì)新能力的使用者，也即將推出一系列贈(zèng)送及優(yōu)惠活動(dòng)。

另外，近場(chǎng)語音識(shí)別升級(jí)了預(yù)置語義解析。預(yù)置場(chǎng)景由35個(gè)升級(jí)為51個(gè)，包括天氣、航班、電話、電影播放、頁面屏幕控制、電視劇、美食、手機(jī)設(shè)置、通用錄、提醒、短信、故事等，語義解析效果全面優(yōu)化，80%優(yōu)于原有解析結(jié)果。

不僅如此，還有一些新品即將上線。如：語音識(shí)別自訓(xùn)練平臺(tái)，支持自動(dòng)評(píng)估選出最好的基線模型，僅上傳業(yè)務(wù)場(chǎng)景文本語料即可訓(xùn)練語言模型，零代碼自助訓(xùn)練專屬的語音識(shí)別模型，極大地方便語音開發(fā)者提升所在業(yè)務(wù)場(chǎng)景的識(shí)別準(zhǔn)確率，滿足業(yè)務(wù)上的語音識(shí)別需求。另外，遠(yuǎn)場(chǎng)語音開發(fā)套件也即將上架售賣，可快速進(jìn)行遠(yuǎn)場(chǎng)識(shí)別開發(fā)評(píng)估，此套件應(yīng)用于機(jī)器人、兒童故事機(jī)、家電、車載設(shè)備等硬件。同時(shí)還將開放離線合成，以及推出更多音庫。

視覺方面，百度大腦重點(diǎn)更新了OCR、車輛分析、人臉人體以及圖像識(shí)別四方面的能力升級(jí)。

首先，在極大便捷工作的OCR方面，卡證、票據(jù)、汽車三大場(chǎng)景方面均有重大更新

卡證OCR 新增了4個(gè)新能力：戶口本OCR、出生醫(yī)學(xué)證明OCR、港澳通行證OCR、臺(tái)灣通行證OCR，總數(shù)達(dá)到9種；

票據(jù)OCR 新增了4個(gè)新能力：行程單OCR、保單識(shí)別OCR、通用機(jī)打發(fā)票O(jiān)CR，定額發(fā)票O(jiān)CR，總數(shù)達(dá)到9種；

汽車場(chǎng)景的OCR則更新了3個(gè)新能力：車輛VIN OCR、機(jī)動(dòng)車銷售發(fā)票O(jiān)CR、車輛合格證OCR，總數(shù)達(dá)到6種。這些OCR新能力在關(guān)鍵字段的準(zhǔn)確率均在90%以上，并有多項(xiàng)是業(yè)界首次平臺(tái)化開放。

同時(shí)，對(duì)已有的OCR能力，百度大腦也進(jìn)行了功能升級(jí)：表格識(shí)別：支持合并單元格、無表格線等復(fù)雜樣式；iOCR 自定義模版文字識(shí)別：支持列寬不固定、有合并單元格的表格樣式的定制識(shí)別；駕駛證識(shí)別：支持駕駛證副頁的識(shí)別。

至此，OCR產(chǎn)品全系列共34款，實(shí)現(xiàn)卡證、票據(jù)、文檔、汽車全場(chǎng)景覆蓋。

在車輛分析方面，百度大腦推出全新系列服務(wù)：包括車輛檢測(cè)、車流統(tǒng)計(jì)、車輛屬性分析和外觀損傷識(shí)別。

其中，車輛檢測(cè)，通過識(shí)別圖像中的所有機(jī)動(dòng)車輛（包含小汽車、卡車、巴士、摩托車、三輪車），返回每輛車的類型和坐標(biāo)位置，并對(duì)每類車輛分別計(jì)數(shù)，可應(yīng)用于違章停車監(jiān)測(cè)和智能停車場(chǎng)。

車流統(tǒng)計(jì)，則是根據(jù)視頻抓拍圖片序列，進(jìn)行車輛檢測(cè)和追蹤，識(shí)別各類車輛（包括小汽車、卡車、巴士、摩托車、三輪車）在指定區(qū)域內(nèi)的駛?cè)?駛出情況，實(shí)現(xiàn)動(dòng)態(tài)車流統(tǒng)計(jì)，可應(yīng)用于實(shí)時(shí)監(jiān)控交通道路、卡口的車流量，自動(dòng)統(tǒng)計(jì)不同時(shí)段各類車輛的進(jìn)出數(shù)量，分析路口、路段的交通狀況，為交通調(diào)度、路況優(yōu)化提供精準(zhǔn)參考依據(jù)。而車輛屬性分析和外觀損傷識(shí)別兩項(xiàng)服務(wù)，也即將開放。

在人臉人體識(shí)別方面，百度大腦新發(fā)布了情緒識(shí)別，可以準(zhǔn)確識(shí)別7類情緒：生氣、害怕、厭惡、高興、悲傷、驚訝、無情緒。

此項(xiàng)技術(shù)可應(yīng)用于幼兒園安全監(jiān)控等場(chǎng)景，通過監(jiān)控孩子的心理狀態(tài)，判斷教師和幼兒是否有異常狀況，從而保障幼兒安全、及時(shí)預(yù)警并參與輔導(dǎo)等。同時(shí)人臉融合以及手部關(guān)鍵點(diǎn)將在3月推出。

此外人臉人體方面，百度大腦還有2項(xiàng)功能全新升級(jí)，包括：人臉檢測(cè)快速檢測(cè)人臉并返回人臉框位置、定位五官與輪廓關(guān)鍵點(diǎn)數(shù)量，從72個(gè)增加至150個(gè)；新增2種手勢(shì)，共24種常見手勢(shì)，整體識(shí)別率在90%以上，使得手勢(shì)識(shí)別更豐富、更準(zhǔn)確；而即將上線的更高進(jìn)精度的人像分割，可應(yīng)用于人像美圖、影視后期等場(chǎng)景。

而在圖像識(shí)別方面，百度大腦新增紅酒識(shí)別和地標(biāo)識(shí)別這2個(gè)新能力。通過紅酒識(shí)別，用戶只需要對(duì)著紅酒標(biāo)簽拍照，系統(tǒng)就能自動(dòng)識(shí)別紅酒的品牌和名稱，目前可識(shí)別數(shù)十萬種國內(nèi)外紅酒，識(shí)別準(zhǔn)確率98%以上，從法國波爾多到中國張?jiān)?，商品信息都能得到?zhǔn)確關(guān)聯(lián)，可以輕松為用戶提供參考和商品推薦。而地標(biāo)識(shí)別則能夠精準(zhǔn)識(shí)別約5萬中外著名地標(biāo)、景點(diǎn)，準(zhǔn)確率高達(dá)94%以上。用戶只需要拍攝包含國內(nèi)外著名景點(diǎn)、地標(biāo)的照片，系統(tǒng)就能自動(dòng)生成足跡、圖文博客等有意思的交互內(nèi)容，提升用戶旅游體驗(yàn)。

同時(shí)，開放日現(xiàn)場(chǎng)，喻友平還宣布，百度大腦即將上線邀測(cè)錢幣識(shí)別功能。該功能可以精準(zhǔn)識(shí)別中外錢幣，支持?jǐn)?shù)百類幣種、數(shù)千種面額，識(shí)別準(zhǔn)確率98%以上，不僅能夠提升金融機(jī)構(gòu)貨幣兌換的效率，也能讓“外幣騙局”無處藏身。

從紅酒到地標(biāo)再到錢幣，目前百度大腦的圖像識(shí)別種類已經(jīng)多達(dá)11種。

同時(shí)，百度大腦語言及知識(shí)技術(shù)也進(jìn)一步開放。這一方面，百度大腦此次開放日的更新亮點(diǎn)是：語言處理應(yīng)用技術(shù)、知識(shí)理解以及智能寫作平臺(tái)三大方面。

在語言處理應(yīng)用技術(shù)方面，百度大腦新增文本糾錯(cuò)、新聞?wù)⒅悄軐懺?、智能春?lián)和對(duì)話情緒識(shí)別等能力，在知識(shí)理解方面，百度大腦推出了作文檢索和知識(shí)問答兩個(gè)新能力。

同時(shí)，智能寫作平臺(tái)將在4月全面上線，平臺(tái)同時(shí)提供自動(dòng)寫作和輔助寫作的能力。一方面，平臺(tái)支持天氣預(yù)報(bào)、股市大盤、比賽報(bào)道、智能寫詩寫春聯(lián)等自動(dòng)寫作的能力，能夠直接進(jìn)行自動(dòng)寫稿，從而解放創(chuàng)作者的雙手。另一方面，平臺(tái)提供熱點(diǎn)發(fā)現(xiàn)、熱點(diǎn)分析、自動(dòng)摘要、自動(dòng)糾錯(cuò)等輔助寫作的能力，能夠幫助創(chuàng)作者提供素材、激發(fā)靈感、質(zhì)量檢測(cè)，提升創(chuàng)作者的寫作效率和產(chǎn)出質(zhì)量，降低寫作成本。

在AI技術(shù)加持下，百度大腦也在重點(diǎn)發(fā)力智能硬件和設(shè)備。

在百度大腦首場(chǎng)開放日，除了有以上多項(xiàng)核心的技術(shù)更新、能力升級(jí)、新品推出外，百度大腦在AI市場(chǎng)正式上架4款硬件產(chǎn)品。

截至目前，百度大腦已經(jīng)開放了近160項(xiàng)AI能力，平臺(tái)上開發(fā)者數(shù)量超過100萬，開放能力覆蓋語音、視覺、自然語言處理、機(jī)器學(xué)習(xí)等全面AI技術(shù)。

三、智能貓窩開發(fā)者分享，讓貓窩有AI也有愛

開放日當(dāng)天，網(wǎng)紅智能貓窩的設(shè)計(jì)者百度大腦工程師晚兮也在現(xiàn)場(chǎng)為大家講述了智能貓窩設(shè)計(jì)者們的初心。

為了讓流浪喵過上幸福的生活，程序員出身的他用百度大腦動(dòng)物識(shí)別技術(shù)和百度EasyDL打造出 “貓臉門禁”、“病貓識(shí)別”、“絕育識(shí)別”三大智能功能，給流浪貓一個(gè)溫暖的住所的同時(shí)幫助救助志愿者發(fā)現(xiàn)生病和未絕育的流浪貓。

晚兮提到，憑借百度大腦的開放技術(shù)，他只用半天就設(shè)計(jì)出了智能貓窩的三項(xiàng)主要AI功能，讓看似高冷的AI技術(shù)最終化為貓咪們的守護(hù)神。

結(jié)語：多項(xiàng)AI技能齊上線，百度開源生態(tài)構(gòu)建更上一步

事實(shí)上，AI技術(shù)已經(jīng)滲透到各行各業(yè)的毛細(xì)血管之中，在賦能落地的過程中，AI的發(fā)展不僅要有代碼與邏輯組成的技術(shù)構(gòu)成，同時(shí)更是需要扎實(shí)可用的技術(shù)應(yīng)用以及惠及更多行業(yè)的開放生態(tài)。

其中，僅僅是百度大腦就已經(jīng)落地20+行業(yè)，對(duì)外開放超過50種經(jīng)過工業(yè)場(chǎng)景驗(yàn)證的官方模型。無可置疑的是，AI生態(tài)賦能已成燎原之勢(shì)。