《腾讯AI Lab的目标是Make AI everywhere》

  • 来源专题:中国科学院文献情报制造与材料知识资源中心 | 领域情报网
  • 编译者: 冯瑞华
  • 发布时间:2018-01-16
  • 在腾讯众创空间CES之夜中,腾讯AI Lab副主任、杰出科学家俞栋介绍了腾讯AI Lab的战略布局及最新进展。

    “在腾讯,我们的AI战略是AI in ALL,我们想把AI用在所有的应用场景中,并通过‘基础研究——场景共建——AI开放’三层架构推进AI战略的实施。”

    最近几年,AI已成为全球热词,俞栋认为主要有两方面原因:“一方面原因在于人工智能的技术得到了飞速的发展,另外一方面是因为我们看到在越来越多的场景里人工智能确实能够提升我们的生产力。比如,日常生活中的人机交互场景、真实物理世界中的需要自主决策和自主控制的应用场景,以及工业领域里机械性的、重复性的工作场景,都可以通过AI大大提升效率。”

    就腾讯而言,AI已经有了较为广泛的应用,这些应用增进了用户体验。据俞栋介绍,腾讯 AI Lab在研究层面,重点关注机器学习的基础理论研究、计算机视觉、语音识别以及自然语言处理四个方向。在应用领域,结合腾讯的业务重点发展游戏AI、社交AI、内容AI和平台型AI。

    俞栋在当天的演讲中着重介绍了腾讯 AI Lab的最新进展:“腾讯 AI Lab的目标是Make AI everywhere,也就是AI in All的另外一种表述。”

    在游戏AI方面,俞栋表示:“我们不仅研究棋类游戏AI,同时也做智能体和人工环境交互情境下的一些游戏AI研究。因为游戏也是一个训练AI与环境交互,AI与人交互和博弈的重要途径,通过研究游戏AI,我们可以研究如何实现真正的通用AI。” 俞栋还介绍了腾讯在社交AI、内容AI中的最新进展。

    据他介绍,腾讯的社交AI通过提升用户与用户之间交互的体验,来增加人与人交互的便利性,同时提供更多人与人的交互方式。通俗讲,就是通过技术手段,使得人与人之间的交互变得便利。比如有些人只懂某种语言,社交AI可以通过语言之间的翻译,让大家能够听懂并交流。

    内容AI不仅能理解文本信息,也能理解图像和视频信息。比如,给系统一些图,它可以根据图片生成歌词并唱出来。再如,让AI通过跟踪人的肢体动作来判断对某些要求的动作、规范是否做得到位,可以产生一些更有趣的体验。此外,内容AI还可以做个性化的推荐。以文本推荐为例, AI利用文本本身的信息(比如新闻的信息)、阅读人的信息和当时的环境,还包括他的朋友的信息,我们可以做到比较精准的推荐。

    近年,AI+医疗已成为很重要的AI应用场景。俞栋表示,腾讯AI Lab 也做了很多尝试,尤其是在医疗影像和AI辅助诊疗方面,腾讯觅影可以非常准确地识别食道癌和肺癌病灶。在AI辅助诊疗方面,通过分析医学论文和医疗记录等,可以更好地了解某种疾病有些什么病症,发展下去有什么样的变化,在不同的疗法下会有什么样的结果,然后半自动地构建一个知识库。“利用这样的知识库,我们就可以做辅助诊断,不仅能够加快诊疗并且能让诊疗变得更准确。” 俞栋表示。

    “AI的发展是一个系统工程,不是一家公司或者几家公司可以独立发展的,我们的AI战略还包括AI开放,即平台型AI。”据俞栋介绍,在场景共建层面,腾讯AI Lab通过AI开放战略赋能合作伙伴,助力AI技术在更多场景的应用转化。

    据了解,作为AI开放战略的载体,腾讯AI开放平台汇聚了行业顶尖的AI技术能力、专业人才和产业资源,并依托腾讯AI Lab、优图实验室、WeChat AI等团队的技术能力以及腾讯云的计算能力,升级锻造创业项目。该平台已开放超过60个API接口,为合作伙伴提供自然语言处理、计算机视觉、语音识别能力等技术支持,全方位扶持创业者的发展。

    而作为腾讯AI开放平台与合作伙伴桥梁的腾讯AI加速器,也在当天宣布面向全球招募第二期学员。AI加速器将重点聚焦零售、医疗、翻译、硬件、内容等领域,招募全球范围内拥有独特的技术能力,或拥有垂直的行业资源,或拥有独特行业解决方案的天使-B轮的创业公司。腾讯AI加速器将通过提供技术、资源、导师、市场、投资等五大层面的扶持助力AI创业者,帮助入驻企业在AI技术及产品寻找到更多的应用场景,促进AI技术在各行各业的落地应用,与合作伙伴一起实现AI in ALL。

相关报告
  • 《腾讯AI Lab研究团队发布scBERT模型,攻克单细胞测序数据分析痛点》

    • 来源专题:生物安全网络监测与评估
    • 编译者:闫亚飞
    • 发布时间:2022-11-25
    • 据生物世界公众号9月27日消息,腾讯AI Lab研究团队研发出关于单细胞注释的 scBERT 算法模型,实现了高解释性、高泛化性、高稳定性的单细胞类型注释技术。该团队研发的基于大规模预训练语言模型的单细胞转录组细胞类型注释算法“scBERT”将自然语言处理算法经典计算单元transformer运用到单细胞转录组测序数据分析领域,并基于BERT范式,将细胞中基因的表达信息转化成可被计算机理解、学习的语言对细胞进行精准标注。该模型通过了覆盖17种主要人体器官的50万个细胞和主流测序技术组成的大规模benchmarking测试数据集,其优越性均得以验证。该成果对单细胞转录组测序数据分析领域未来研究具有深远意义。相关研究成果发表于Nature Machine Intelligence期刊。
  • 《腾讯宣布开源自研的轻量级物联网实时操作系统》

    • 来源专题:数控机床与工业机器人
    • 编译者:icad
    • 发布时间:2019-09-23
    • 腾讯宣布将开源自主研发的轻量级物联网实时操作系统TencentOS tiny。相比市场上其它系统,腾讯TencentOS tiny在资源占用、设备成本、功耗管理以及安全稳定等层面极具竞争力。该系统的开源可大幅降低物联网应用开发成本,提升开发效率,同时支持一键上云,对接云端海量资源。 据权威资料显示,全球物联网市场规模发展迅猛,2018年,仅国内物联网市场容量已经超过1万亿,预计2020年国内物联网市场容量可望超过1.5万亿。作为物联网整个产业链重要一环,终端侧物联网操作系统由于直接对接底层物联网设备,已经成为构建整个物联网生态的关键。 腾讯物联网团队表示:“将腾讯自主研发的物联网操作系统TencentOS Tiny开源,不仅可以将腾讯在物联网领域的技术和经验和全球开发者分享,还能够汲取全球物联网领域的优秀成果和创新理念,最终推动整体物联网生态的繁荣以及万物智联时代的到来。” 腾讯云构筑起全链条IoT云开发能力 在全面上云的背景下,物联网设备也不例外。借助TencentOS tiny提供的更简单的软件接口,亿级物联网设备上云的门槛降降进一步降低,从而帮助物联网开发者能够更便捷的使用云端海量的计算、存储资源,以及先进的AI和大数据算法模型,有效支撑众多前沿物联网技术在智慧城市、智能家居、智能穿戴、车联网等行业的加速落地。 同时,随着TencentOS tiny的开源,结合腾讯云物联网开发平台IoT Explorer,加上之前已经建设完成的国内最大规模LoRa网络,腾讯云物联网已经彻底打通从芯片通讯开发、网络支撑服务,物理设备定义管理,数据分析和多场景应用开发等一站式、全链条IoT云开发服务能力,物联网开发将变得更为简单、高效。 近年来,腾讯在开源上的步伐不断加快,截至9月,腾讯自主开源项目已达84个,Star数超过24万。在物联网领域,腾讯不仅通过开源和开放持续构建良性的物联网生态体系,在产品易用性和开发效率上,腾讯物联网团队也都做了许多针对性优化。 体积最小仅1.8KB、功耗最低2微安 TencentOS tiny 提供业界最精简的RTOS内核,最少资源占用为RAM 0.6 KB,ROM 1.8 KB。在类似烟感和红外等实际场景下,TencentOS tiny 的资源占用仅为:RAM 2.69 KB、ROM 12.38 KB,极大地降低硬件资源占用。同时,看似“麻雀虽小”,却“五脏俱全”。对于复杂的任务管理、实时调度、时间管理、中断管理、内存管理、异常处理等功能,TencentOS tiny都可支持。 在功耗上,TencentOS tiny还应用了高效功耗管理框架,可以针对不同场景降低功耗。比如TencentOS tiny内部的定时机制在发现业务没有运行的时候,会自动启动休眠状态,有效降低功耗。根据实测的数据显示,TencentOS tiny最低的休眠功耗仅有2微安。开发者也可以根据业务场景选择可参考的低功耗方案,降低设备耗电,延长设备寿命。 独具创意的调试功能,助力开发者快速排障 由于很多物联网的终端设备在实际场景下,位于荒郊野外或者很远的地方,出现问题的时候非常难定位。为了能够减少这个问题,当终端出现问题的时候,TencentOS tiny会把一些故障信息记录下来,当它再重启的时候首先把错误数据上报云端,这个功能极大的方便了开发者查找故障原因。从而远在千里之外,就可以快速排除故障。 另外,TencentOS tiny的内核以及其上层的物联网组件框架,都做了高度解耦,保证和其它模块之间连接的适配。同时,TencentOS tiny 还提供多种编译器快速移植指南和移植工具,帮助开发者向新硬件开发板的一键移植,省时省力,有效提升开发效率。 除此之外,TencentOS tiny同样关注系统的安全性,提供多个等级的 IoT 安全方案,用户可以根据业务场景和成本要求选择合适的安全解决方案,有效平衡安全需求和成本控制。 目前,TencentOS tiny已支持意法半导体、恩智浦、华大半导体、瑞兴恒方、国民技术等主流厂商多种芯片和模组。