百花齐放:腾讯AI多行业进击

  • 时间:
  • 浏览:1
  • 来源:1.5分赛车平台-10分赛车投注平台_1分6合娱乐平台

在澳门举办的IJCAI-19(第28届国际人工智能联合会议)会议期间,腾讯主办的分论坛TAIC(Tencent Academic and Industrial Conference)于8月13号晚上7点在澳门喜来登金沙城中心大酒店举行。腾讯AI Lab与Robotics X Lab负责人张正友在主题演讲环节中,围绕着腾讯AI的基本介绍,目前所取得的进展,以及未来的发展方向另另一个 话题展开演讲,腾讯广告副总裁罗征等多位专家则出席论坛,并针对各人业务进行了介绍。

腾讯人力资源总经理陈双华上台开场发言,从另一方职业成长以及公司文化高度对腾讯内部AI人才的发展做了介绍。他强调,在“科技向善”的公司使命背景下,AI人才要能在腾讯超过20个AI人工智能实验室中,结合不同的研究领域(包括计算机视觉、语音、自然语言外理等)和不同的业务场景(如社交、游戏、医疗等),获得超出预期的工作平台和成长可能。一同,腾讯开放且尊重员工的文化要能助 力AI人才价值最大化地发挥,类似腾讯的“活水计划”每年帮助内部一千名以上的员工在内部转换另一方职业生涯,员工在内部论坛“乐问”能要可不都还都可以随时发起、参与另一方关心的公司业务等话题讨论等。多元化的发展路径与开放的公司文化都成为了AI人才发展的助力器。

但是,腾讯AI Lab与Robotics X Lab负责人张正友围绕着腾讯AI的基本介绍,目前所取得的进展,以及未来的发展方向另另一个 话题带来了主题演讲。

据其介绍,腾讯目前已建立两大实验室矩阵——人工智能实验室矩阵,包括致力于全面基础研究与应用的腾讯AI Lab-深圳及西雅图、基于视觉的腾讯优图、基于语音与自然语言理解WeChat AI等四大实验室;以及基于前沿科技的实验室矩阵,含有机器人、量子计算、5G、边缘计算、IoT和音视频技术等,打造面向未来的科技引擎,推动自主技术创新。从2016年开始,腾讯积极与内部学界公司合作 者,包括建立8大联合实验室,参与53个研究公司合作 者项目,联合培养34位顶尖学生,接待了17位全球访问学者,通过一年一度的学术论坛、联合研究、访问学者、博士生及研究生奖学金等多种项目和形式,推动前沿研究应用及人才培养。

关于AI目前所取得的进展,张正友提出当下的AI专注于认知与大数据,类似在计算机视觉、语音识别和自然语言外理中。通过与不同的垂类公司合作 者,结合工程和科学研究,AI在腾讯赋能内部业务职能推动了行业变革。类似AI+游戏领域,腾讯无缘无故走在行业前列。与王者荣耀一同探索的前沿研究项目 - 策略公司合作 者型 AI 「绝悟」今年8月初在吉隆坡举办的王者荣耀最高规格电竞赛事——世界冠军杯半决赛的特设环节中,在职业选手赛区联队带来的5v5水平测试中获胜,升级至王者荣耀电竞职业水平。测试结果代表腾讯在高度强化学习、多智能体决策智能课题上的国际级 AI 研究水准,也标志着公司在攻坚通用人工智能( Artificial General Intelligence)什么的问题上更进一步。实验室早在2016年研发的围棋 AI “绝艺”(Fine Art),现担任中国国家围棋队训练专用 AI ;2017年,“绝悟”开始研发并在一年后达到业余顶尖水平,腾讯还在清华联合团队在射击类顶级 AI 竞赛 VizDoom 夺冠,并在《星际争霸2》首先研发出击败内置 AI 的智能体。

未来腾讯AI将怎样才能发展?张正友认为腾讯目前将继续立足脚下,利用好人工智能(AI)、大数据(Big Data)和云计算(Cloud Computing),即ABC科技,构建新型基础设施,做“数字化助手”的标配,形成科技创新与产业应用相互能助 的良性循环,这在医疗、安防、零售、交通与娱乐行业可能有所体现。一同,腾讯也将放眼未来,在核心技术上推进前沿、原创和开放性的基础研究,并在关键性技术上前瞻性布局ABC 2.0技术版本,即人工智能(AI)、机器人(RoBotics)和量子计算(Quantum Computing)的全新ABC组合。

腾讯广告副总裁罗征在会上发表了题为《腾讯广告:有趣什么的问题及独特挑战》的演讲。罗征首先回顾了腾讯广告[Tencent Marketing Solution, 简称TMS]的发展历程。腾讯广告以“美好连接,智慧网增长”为品牌主张,汇聚腾讯公司全量的应用场景,拥有核心商业数据、营销技术与专业服务能力。互联网广告是驱动工业界大规模 AI 技术发展最重要的场景之一。罗征从智能定向、智能创意及智能出价另另一个 领域,分享了腾讯广告在机器学习的应用研究。从智能定向出发,腾讯广告依托对用户人群画像的深刻洞察,提供包括基础属性、商业兴趣与行为在内的多维标签体系。实现智能定向的核心,离不开对文本信息的理解和对人群定向的准确拓展。腾讯广告的NLP基础技术开放平台DeepText致力于文本分类、文本表示、语义匹配及序列标注等研究方向,通过建模、调优等方式探索广告业务中的实际挑战,目前正在开源阶段。

在智能创意环节,罗征介绍了高度学习算法是怎样才能通过分析文本和图片用于辅助广告审核,提升广告审核质量。而在综艺或影视剧中,AI技术能要能进行视频广告素材的巧妙植入,能极大优化视频广告的制作成本和投放体验。此外,系统还提供了以动态商品广告为代表的智能创意产品,可通过算法自动生成优质广告素材,降低投放门槛,提高投放传输数率。

有了对用户人群的准取舍向,都有了优质的广告创意,接下来便是智能出价阶段。智能出价的关键在于对转化率的准确预估(pCVR),而目前转化率建模的最大什么的问题在于转化数据回流延迟,短则几秒,长则几天。腾讯广告通过大规模稀疏DNN训练框架的构建,能实现多转化目标联合训练,共享隐层提升建模效果,统一模型加快迭代传输数率;此外,其加速比接近线性,具有高扩展性,支持千亿样本训练。

腾讯CSIG医疗AI实验室和天衍实验室的吴贤博士和陈曦博士则带来了腾讯AI在医疗领域的成果分享。

据吴贤博士介绍,他所在的医疗AI实验室主要从临床需求出发,利用人工智能技术构建临床辅助决策系统,外理医患痛点,降低就医成本。医疗AI实验室致力于构建基于人工智能技术的数字诊疗平台,目前在心脑血管疾病(心衰、脑卒中)、皮肤病(银屑病)、运动障碍性疾病(帕金森)等方向都有落地产品。而陈曦博士所在的天衍实验室,成立于2018年,是否腾讯AI中的新成员。陈曦博士介绍,天衍实验室致力于通过大数据和应用机器学习能力在安全和医疗领域打造另另一个 实时演进的知识和决策平台,其成果主要应用于腾讯To B和To C的安全和医疗领域产品。

两位博士在演讲中都提到,作为医疗健康的“数字化助手”,腾讯医疗希望做好三件事情:注重增强自身能力建设,为行业供应创新动力;注重生态开放,为产业链注入新活力;注重科技向善,用科技助力医疗更有温度。

腾讯IEG增值服务部总经理孙龙君上台介绍了增值服务部的主要工作和AI实践。增值服务部负责承担腾讯游戏数据分析和精细化运营的工作,涉及数据分析、机器学习、运营活动开发、运维等多方面的工作。腾讯运营了两三百款游戏,拥有海量的数据,每天新增的日志规模超过两百个T。孙龙君分享了有几只案例来说明AI在游戏中的运用,类似游戏商场的推荐,通过用户画像的构建,通过对道具图片、描述文字、功能特点等的分析,采用基于内容的推荐方式为玩家进行个性化的道具推荐,使得用户翻页次数从平均18.5次减小到平均8次,有但是商城收入都有平均5%的提升。总的来说,游戏领域有小量的数据和应用场景,能要能做但是 研究,据孙龙君介绍,增值服务部今年在多个领域发表了顶级会议和期刊的论文,外理但是 实际应用什么的问题;一同,也创作了368份专利,其中71件可能授权;还在积极寻求高校公司合作 者,目前与11所国内外著名高校保持公司合作 者。

腾讯PCG(平台与内容事业群)信息流平台产品部推荐平台研发中心总监熊义林上台向与会者介绍了PCG的概况以及几款主要的信息流产品,有但是介绍了但是 在信息流推荐系统实施过程中产生的技术思考和PCG AI中台的建设进展。

熊义林介绍了PCG的总体定位与产品矩阵,但是完整性介绍了有几只信息流产品的技术架构,并结合此次IJCAI大会主题讲解了工业化AI的在具体产品下的实际落地外理方案,以及目前PCG所面对的挑战和外理思路。他强调,PCG中台建设的目标,但是 通过内帕累托图布式开源协调,加强基础研发,在多个项目/多个团队/多种技术能力之间建立另另一个 统一的技术平台,促成更多公司合作 者与创新,提高公司的技术资源利用传输数率,为PCG的产品矩阵提供创新动力与技术支撑。

腾讯微信团队的专家研究员郑吴杰博士和高级研究员陈凯则分享了基于大规模用户反馈的实时错误监测的算法研究和微信“看一看”推荐算法,吸引了不少与会者慕名前来交流和提问。

郑吴杰博士分享了微信怎样才能基于大规模用户反馈来进行实时bug检测的算法研究。可能各种愿因,bug比较慢在测试阶段完整性发现。一同,传统的终端和后台监控方式有其局限性,要能很好的发现什么的问题。微信团队提出并实现了一套iFeedback系统,通过精细地监控用户反馈中所有词及词的组合的出現频率,采用ElasticSearch进行快速索引,一同通过机器学习方式准确地减少噪声,达到了较好的报警效果。在微信支付、微信公众平台、微信游戏等业务上的报警精度达到70%~90%,严重bug的召回能力达到90%,报警时效性在几分钟到几小时内。一同也提供了bug集中的属性信息,如版本,活动,后台机房等,方便什么的问题定位。该系统已应用到腾讯数百个应用当中。

高级研究员陈凯给我门都介绍了微信“看一看”和“搜一搜”的推荐算法。微信里的“看一看”精选做的是内容推荐,其算法的整体架构与传统的推荐架构基本类似,主要包括另另一个 帕累托图:召回、排序和混合(重排)。除了推荐的整体架构外,陈凯老师还给我门都深入浅出地介绍了排序模块、NLP的推荐算法、知识图谱的推荐算法以及检索模型的算法。

最后,腾讯TEG的张长旺博士主要介绍了另另一个 研究方向:非监督的短文本层级分类、基于领域知识的兴趣点(POI)匹配,以及大规模图学习和挖掘。以实例介绍了非监督学习、小样本学习、LBS数据挖掘、简化网络挖掘和图表示学习在真实场景上的优化和应用。优化后的方式相比现有前沿算法在真实数据集上均有显著的准确率提升。张博士也在现场表示,欢迎对相关领域感兴趣的老师和同学进行长线科研公司合作 者,一同研发兼有工业和学术价值的科研成果。

此次IJCAI-19的举办地回到中国,腾讯显然也更加重视,派出了豪华的演讲阵容,内容几乎涉及到完整性业务。参与分论坛近两百人中,多是各领域内研究者,我门都与演讲者形成的互动或许要能推进AI研究中新灵感的出現。而对于腾讯来说,怎样才能抓住AI研究的机遇,实现向产业互联网的变革,实践“科技向善”的使命的确是极为重要的什么的问题,也值得外界更多的期待。

本文由站长之家用户投稿,未经站长之家同意,严禁转载。如广大用户我门都,发现稿件地处不实报道,欢迎读者反馈、纠正、举报什么的问题(反馈入口)。

免责声明:本文为用户投稿的文章,站长之家发布此文仅为传递信息,不代表站长之家赞同其观点,不对对内容真实性负责,仅供用户参考之用,不构成任何投资、使用建议。请读者自行核实真实性,以及可能地处的风险,任何后果均由读者自行承担。

声明:本文转载自第三方媒体,如需转载,请联系版权方授权转载。协助申请