关键要点
-
百度推出人工智能技术在多个领域取得突破，包括语音、视觉、增强现实等领域。
-
百度开发了多种增强现实的技术，如自动驾驶仿真系统等。
-
百度提出了一些创新技术，如基于远监督学习训练语料构建的信息抽取技术和本体自动构建和图谱补全技术。
-
百度提供多种开放平台和开放数据集，支持企业和个人使用其人工智能技术。
-
百度推出了飞桨深度学习平台，支持大规模的工业级深度学习应用。
百度大脑AI技术成果白皮书
这一章节是百度大脑AI技术成果白皮书的一部分，介绍了百度在过去一年里在人工智能领域所取得的技术成果。其中包括基础层、感知层、认知层、平台层和安全方面的技术成果。百度在深度学习领域的专利申请量位居全球第二，超越了许多企业和国外学术机构。为了更好地推进技术中台建设和人工智能技术落地，百度对基础技术体系、智能云事业群组和Al技术平台体系进行了重大组织机构调整。未来，百度将继续打造领先的AI技术能力，助力各行各业进入智能化的工业大生产阶段，在智能时代创造更广泛的社会经济价值。
百度大脑5.0：软硬件一体的Al大生产平台
这一章节介绍了百度大脑的发展历程和技术架构。从2010年开始积累基础能力，到现在已经成为软硬件一体的Al大生产平台。百度大脑包括基础层、感知层、认知层、平台层以及I安全五大核心架构。它拥有多种技术能力，如语音、视觉、增强现实（AR）/虚拟现实（VR）以及语言与知识等，并通过平台对外开放，形成以百度大脑为核心的技术和产业生态。多年来，百度大脑支持百度几乎所有业务，并面向行业和社会全方位开放，助力合作伙伴和开发者，加速技术落地应用，赋能各行各业转型升级。
百度算法研究进展及应用
这一章节主要介绍了百度在算法和理论方面的研究进展。其中，在语音识别方面，百度提出了流式多层截断注意力模型SMLTA，大大提高了语音识别产品的在线识别准确率和用户体验。此外，百度还提出了语音风格和音色迁移的个性化韵律迁移语音合成技术Meitron，可以在不使用大量用户语音的情况下实现多种音色、情感和风格的转换。在计算机视觉领域，百度研发了基于图文关系的大规模图像分类弱监督算法，取得了Webvision比赛的冠军。在医学图像领域，百度提出了一种全新的基于深度学习的病理切片肿瘤检测算法，超过了专业病理医生水平。最后，百度还研究了高维空间的特性，提出了全新的Hubless Nearest Neighbor(HNN)Search算法，能够大幅提高在标准数据集上的单词翻译准确率。
百度提出端到端AI计算架构，发布云端通用处理器
这一章节主要讲述了百度提出的端到端的AI计算架构，该架构能够满足AI训练和推理方面的各种需求。其中，百度昆仑芯片作为云端通用AI处理器，具有高性能、低成本、高灵活性的特点，可以应用于视觉、语音、自然语言处理、推荐、无人车等多个场景。此外，该芯片还具备完整的toolchains，并且已经与飞桨深度结合，形成了全栈国产技术生态。通过硬件的进步，不同场景中的计算可以相互连接，从而产生更大的计算力。最后，百度的端到端AI计算架构能够在系统层兼顾端云，实现对算力资源的灵活调度。
百度鸿鹄芯片引领远场语音交互革命
这一章节主要介绍了百度推出的远场语音交互芯片“百度鸿鹄”，它采用了全新的设计思路，具有高度并行的特点，可以同时满足远场阵列信号实时处理和超低误报高精度唤醒实时监听的需求。此外，该芯片还支持多达六路的麦克阵列语音信号输入，并采用了百度领先的麦克阵列信号处理技术和语音唤醒技术，能够在复杂内外噪场景下实现高精准唤醒和低于一天一次的误报率。另外，该芯片还支持百度创新的双麦克模型波束算法，可以在唤醒后实现360度无死角识别，超越了传统的6麦克系统，实现了行业领先的芯片模型波束技术突破。除此之外，百度还推出了l计算平台，包括超级计算模块X-Man、高性能存储系统Fast-F和大型分布式Al计算训练平台KongMing，它们共同组成了一个端到端的解决方案，可以应对人工智能计算的挑战。这些技术已经在各行各业的人工智能解决方案中得到广泛应用。