張玉志
南開大學軟件學院,天津 300350
在我國,人工智能與各行業(yè)領域深度融合,技術創(chuàng)新蓬勃興起,核心產業(yè)規(guī)模持續(xù)增長,具有很好的發(fā)展基礎和態(tài)勢。但同時,我國人工智能整體發(fā)展水平與國際先進水平相比仍存在一定差距,尤其是在算法、框架和芯片等基礎技術層面存在“卡脖子”風險,還未形成具有國際影響力的生態(tài)圈和產業(yè)鏈。
智能計算平臺聚焦人工智能潛在卡脖子問題,兼顧當前需求與長遠發(fā)展,以統(tǒng)一異構計算編程標準為基礎,以大規(guī)模分布式架構為切入點,實現(xiàn)主流深度學習框架對國產加速芯片的支持,實現(xiàn)眾多計算節(jié)點的大規(guī)模集成和高效協(xié)同,為人工智能領域提供多模式的加速能力和計算支撐。
本期??瘜⒁灾悄苡嬎阊芯恐芯哂袆?chuàng)新性和突破性的研究成果為主題,對相關基礎理論、關鍵技術和應用技術進行交流和探討,同時探索其在相關產業(yè)和領域的應用前景。
在《基于知識圖譜技術的線上教學資源推薦系統(tǒng)設計與實現(xiàn)》一文中,羅婕溪等利用知識圖譜相關技術,設計并實現(xiàn)了一種融合多種推薦策略的推薦系統(tǒng),并將其應用于線上教學資源系統(tǒng)中,在多學科領域內的知識點推薦中展現(xiàn)出較好的效果,解決了線上教學資源種類繁雜、數量眾多,且缺乏規(guī)范化構建和系統(tǒng)化管理的問題。[1]
由隋軼丞等人撰寫的《基于OpenCL 的Tensor-Flow 框架中Element-Wise 算子實現(xiàn)》一文中,繼續(xù)對TensorFlow 的OpenCL 版本實現(xiàn)中的關鍵技術進行深入研究。Element-Wise 算子作為TensorFlow 框架的重要組成部分,使用廣泛,實現(xiàn)了較多的計算功能。其封裝和實現(xiàn)方式與框架中常見的實現(xiàn)方式存在較大差別,在代碼封裝和結構上相對復雜。該文完成了對OpenCL Element-Wise 算子的實現(xiàn)和封裝,確保了TensorFlow 整體框架代碼的規(guī)范性和可擴展性。[2]
李東聞等撰寫的《NKCorpus:利用海量網絡數據構建大型高質量中文數據集》一文提出了一個流程完善高效的構建大型高質量中文數據集的框架NKCorpus,通過語言提取、文本清洗、數據去重等多種方法對原始海量網絡數據進行處理,并采用并行技術對處理框架的效率進行優(yōu)化。利用該框架,目前已經構建了約700GB 的高質量中文數據集,且規(guī)模仍在持續(xù)增加中,將為中文預訓練模型等的訓練提供高質的數據資源。[3]
孫永謙博士等在《KPI 異常檢測方法評估》一文中,廣泛調研近年來國內外KPI 異常檢測的相關工作,對各發(fā)展階段的KPI 異常檢測方法深入研究和分析,并挑選出13 個代表性方法進行實驗評估,總結整理了其一般性問題、挑戰(zhàn)和框架,從準確性、魯棒性和效率三個方面評估了以上方法的優(yōu)劣性。本文的研究和分析為將來的研究人員快速、準確地選擇最適合其場景的KPI 異常檢測方法提供了依據。[4]
在《基于蒙特卡洛樹搜索的通用博弈系統(tǒng)的構建與優(yōu)化研究》一文中,梁思立等人通過在蒙特卡洛樹搜索算法上增加記憶結構來存儲在線博弈過程中的實時信息,用記憶結構中博弈狀態(tài)的相似狀態(tài)來估計該狀態(tài)的好壞,并基于這一方法構建了通用博弈系統(tǒng)。與原始的蒙特卡洛方法相比,本文所構建的通用博弈系統(tǒng)在決策水平和效率上都有顯著提升,所提出的方法通過利用博弈的專門信息能夠有效地提升蒙特卡洛樹搜索算法的性能。[5]
由李思毅等撰寫的《微服務架構下的根因定位方法綜述》一文詳細介紹了微服務架構下構建故障傳播圖的方式以及基于圖推理的根因定位技術。結合云平臺上運維及高可用的能力建設經驗,對現(xiàn)有的根因定位方法進行梳理、總結。基于圖推理的根因定位方法在大型數據中心顯著提高了云上系統(tǒng)的穩(wěn)定性和可靠性,隨著數字化轉型的深入,微服務架構下的根因定位技術對大規(guī)模云平臺的穩(wěn)定性保障將會起到越來越大的作用。[6]
上述系列文章各自從不同的角度闡釋了智能計算平臺在自然語言處理、知識圖譜等各個領域的應用技術和創(chuàng)新工作,上層應用能力的提升將進一步推進平臺的不斷創(chuàng)新與可持續(xù)發(fā)展。