《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。
  • 《从AI原生看AI转型:企业和个人的必选项|AI转型访谈录》

    • 来源专题:宁夏重点产业科技信息服务
    • 编译者:刘 悦
    • 发布时间:2025-06-19
    • 《AI转型访谈录》是腾讯研究院发起的一项开放研究项目,旨在记录和分享企业在人工智能(AI)转型过程中的实践经验。本期嘉宾是联易融副总裁沈旸先生,他在咨询、交付、IT管理和研发管理等领域拥有丰富经验,曾担任神州数码集团副总裁兼CIO,负责数字化转型等工作。 在访谈中,沈旸先生分享了他对AI原生(AI Native)企业的理解。他提到,AI原生企业的核心在于其运转高度依赖AI,无法脱离AI存在。例如,Midjourney公司仅有11名员工,却实现了超过1亿美元的营收,这体现了其极高的人均效益。沈旸认为,AI原生企业应具备极高的人均产值,例如达到1000万美元,甚至更高。这一标准不仅适用于科技企业,不同行业应根据各自情况进行调整。 沈旸还指出,AI原生的概念是从移动互联网原生和云原生逐步发展而来,其目标是实现对人和组织能力的无限制复制,提高人均效益。未来的AI原生企业终极目标是实现通用人工智能(AGI),能够自主运营、盈利、采购原材料、生产、提供服务,并实现自我进化。 袁晓辉提出,有人观点认为只有2020年以后出生的人才能算AI原生一代,因为他们成长过程中AI工具随处可得。沈旸回应,AI原生的重要判断点在于大规模提升人均效益,实现对人能力的无限制复制,而不是简单使用AI工具。 总之,沈旸先生对AI原生企业的未来展望非常超前,认为最终目标是实现无需人工操作的无人企业,通过AGI整合资源进行生产和运营。