從2018年開始，奔著“開源、統(tǒng)一、可復(fù)現(xiàn)”的目標(biāo)，商湯開始建設(shè)人工智能算法的開源體系。當(dāng)時(shí)，商湯聯(lián)合創(chuàng)始人林達(dá)華教授則主導(dǎo)發(fā)起了OpenMMLab項(xiàng)目，今年商湯將其升級為商湯的算法開放體系。 經(jīng)過兩年的發(fā)展，OpenMMLab在GitHub上累計(jì)收獲了超過20000 Star，覆蓋10多個(gè)研究方向、100多種算法和700多種預(yù)訓(xùn)練的模型，可提供開放的基礎(chǔ)技術(shù)支持、接口標(biāo)準(zhǔn)和算法框架，逐漸形成了完整的體系和組織架構(gòu)。 然而在自主可控的號召下，作為底層的深度學(xué)習(xí)框架更受關(guān)注。 2020年初，曠視、華為等先后開源 MegEngine 和 MindSpore，商湯 SenseParrots 的下一步動(dòng)向立即成為業(yè)界關(guān)注的焦點(diǎn)。實(shí)際上，商湯從創(chuàng)立第一天開始就自主研發(fā)深度學(xué)習(xí)平臺(tái) SenseParrots，經(jīng)過這幾年連續(xù)三代的迭代，已經(jīng)形成了非常完整的工業(yè)級的深度學(xué)習(xí)平臺(tái)。然而為何商湯選擇先開源 OpenMMLab，而不是 SenseParrots，背后是出于什么考慮？會(huì)有開源的規(guī)劃嗎？ 8月，在蘇州舉行的全球人工智能產(chǎn)品應(yīng)用博覽會(huì)上，CSDN 與林達(dá)華教授一起聊了聊商湯的開源規(guī)劃，以及產(chǎn)學(xué)研結(jié)合的那些事。
CSDN：為什么選擇 OpenMMLab 作為切入點(diǎn)？SenseParrots 是否有開源的計(jì)劃呢？林達(dá)華：商湯有底層的超算平臺(tái)，有自主研發(fā)的深度學(xué)習(xí)框架，也有上層的各種算法和應(yīng)用平臺(tái)，這些是商湯自主研發(fā)和原創(chuàng)積累下來的技術(shù)體系。為了響應(yīng)國家的號召和社會(huì)的期待，各個(gè) AI 企業(yè)都開始有自己的開源戰(zhàn)略，商湯也有自己的思考，我們理解開源的一個(gè)最重要的目的就是要能夠?yàn)榭蒲泻彤a(chǎn)業(yè)服務(wù)的開放技術(shù)生態(tài)。 開源切入點(diǎn)的選擇非常關(guān)鍵?，F(xiàn)在在深度學(xué)習(xí)框架領(lǐng)域，雖然已經(jīng)有了不少開源框架，但是目前被廣泛應(yīng)用的主要就是 PyTorch 和 TensorFlow，而且已經(jīng)形成了非常巨大的生態(tài)。 不管是每年數(shù)以千計(jì)的論文，還有各個(gè)企業(yè)所積累的各種各樣的產(chǎn)品，它們背后的代碼都是基于這兩個(gè)框架。人工智能領(lǐng)域發(fā)展到現(xiàn)在，已經(jīng)形成了一個(gè)豐富的體系。一個(gè)人工智能應(yīng)用的建立不僅依賴深度學(xué)習(xí)框架，還需要多層次的算法、工具、以及各種工程環(huán)境的支撐。因此，單純開放一個(gè)訓(xùn)練框架，沒有生態(tài)的牽引與配合，是很難形成較大的影響力的，也很難給整個(gè)業(yè)界帶來很大的價(jià)值。 我們做開源，就是要真正建立一個(gè)有影響力的開源生態(tài)。我們選擇現(xiàn)在相對空白的領(lǐng)域——視覺深度學(xué)習(xí)領(lǐng)域的開放算法體系OpenMMLab。即使有 PyTorch、TensorFlow 這些底層的深度學(xué)習(xí)框架，開發(fā)者要建立起來一個(gè)完備的上層應(yīng)用，依然需要大量的算法和工程開發(fā)工作，而這一塊的開源體系還是處在相對初級的階段，這也是為什么 OpenMMLab 開源了一部分算法庫，比如 mmdetection 已經(jīng)取得了巨大的影響力，OpenMMLab 旗下的其它開源項(xiàng)目的影響力也在持續(xù)增長。目前 OpenMMLab 體系在 GitHub 已經(jīng)有超過20000顆星。 有了生態(tài)影響力之后，我們以此為切入點(diǎn)，就可以規(guī)劃下一步。未來我們會(huì)在合適的時(shí)機(jī)開放更底層的深度學(xué)習(xí)框架 SenseParrots，它提供了跟 PyTorch 等主要框架兼容的表達(dá)層，因此跟OpenMMLab的生態(tài)是連接在一起的。只要各種上層應(yīng)用都是基于 OpenMMLab 來構(gòu)建，那么我們開源 SenseParrots 等基礎(chǔ)設(shè)施之后，開發(fā)者的遷移成本就會(huì)大幅降低，真正帶動(dòng)生態(tài)發(fā)展。 這是商湯在開源策略上的思考，也是我們朝著真正建立一個(gè)有影響力的開源生態(tài)而努力的目標(biāo)。 CSDN：OpenMMLab 的主要優(yōu)勢在哪？林達(dá)華：商湯在計(jì)算機(jī)視覺和深度學(xué)習(xí)領(lǐng)域有著非常深厚的技術(shù)積累。每一個(gè)算法的開發(fā)都是一個(gè)非常復(fù)雜的過程，除了大量的算法設(shè)計(jì)，還需要大量的工程實(shí)踐，里面任何一個(gè)參數(shù)設(shè)計(jì)錯(cuò)誤，就會(huì)導(dǎo)致精度達(dá)不到應(yīng)有的水平。 比如，一個(gè)簡單的檢測算法，理解其原理其實(shí)不是很花時(shí)間，但真正要實(shí)現(xiàn)出來，并達(dá)到預(yù)期的結(jié)果， 即使是一個(gè)受過專門訓(xùn)練的博士，也會(huì)花費(fèi)大量時(shí)間。就像設(shè)計(jì)一架飛機(jī)，雖然基本的物理原理大家都懂，但是要設(shè)計(jì)出符合性能要求的飛機(jī)，需要很長時(shí)間的沉淀。 商湯在過去幾年里沉淀了大量的設(shè)計(jì)細(xì)節(jié)和經(jīng)驗(yàn)，因此其他人在使用商湯開源的算法時(shí)，不需要把同樣的坑再踩一遍。對于企業(yè)和科研來說，具有非常巨大的價(jià)值。 CSDN：商湯開源的目的是什么？OpenMMLab 有商業(yè)化的規(guī)劃嗎？？ 林達(dá)華：商湯開源的目的更多是構(gòu)建人工智能未來的產(chǎn)業(yè)生態(tài)。一旦建立起生態(tài)，整個(gè)行業(yè)發(fā)展起來，大家都會(huì)認(rèn)識到商湯在這個(gè)過程中能夠提供平臺(tái)的能力，就會(huì)有越來越多的伙伴和企業(yè)愿意跟商湯合作，把 AI 推到到更多的行業(yè)中。生態(tài)的構(gòu)建給商湯所帶來的長遠(yuǎn)的戰(zhàn)略利益是非常的巨大的。 超大模型會(huì)成為未來的AI基礎(chǔ)設(shè)施？CSDN：CV 領(lǐng)域有哪些令人興奮的技術(shù)或者應(yīng)用突破？ 林達(dá)華：自然語言處理領(lǐng)域的 BERT、GPT 等引起了學(xué)術(shù)界和產(chǎn)業(yè)界巨大反響?，F(xiàn)在的AI生產(chǎn)模式是遇到一個(gè)新的場景，就需要重新積累數(shù)據(jù)，收集數(shù)據(jù)，訓(xùn)練一個(gè)新的模型，成本高昂。但是從長遠(yuǎn)來說，我們也在一直在探索，在 CV 領(lǐng)域能不能有類似于 GPT 這種非常強(qiáng)有力的預(yù)訓(xùn)練模型。 受到 NLP 領(lǐng)域的啟發(fā)，CV 領(lǐng)域已經(jīng)開始有人在探索有沒有能夠適用于多項(xiàng)應(yīng)用的預(yù)訓(xùn)練模型，在不需要迭代或者非常短時(shí)間迭代的前提下，就能夠達(dá)到實(shí)用水平。 我們已經(jīng)在探索一些新模型訓(xùn)練的方式方法，經(jīng)過短周期的迭代，就能夠滿足大量新型應(yīng)用的性能要求。但是做這方面研究的機(jī)構(gòu)不是很多，因?yàn)榇竽Ｐ偷挠?xùn)練花費(fèi)需要非常大的算力支撐，訓(xùn)練一次的花費(fèi)也是非常高昂的。商湯在建設(shè)大型的人工智能計(jì)算平臺(tái)，一方面支撐產(chǎn)業(yè)賦能，另外一方面支撐技術(shù)的突破。我們實(shí)驗(yàn)室在這方面已經(jīng)取得了一些初步的成果，可能在下次的會(huì)議上，就會(huì)看到我們的進(jìn)展。 此外，我們也在積極探索各種無監(jiān)督、半監(jiān)督、弱監(jiān)督方法，以及通過把模型和各種環(huán)境因素結(jié)合在一起的方法，來降低對標(biāo)注數(shù)據(jù)的依賴。在今年的 ECCV，我們的多篇論文就體現(xiàn)了我們在這個(gè)方向所取得的成果。 CSDN：模型越來越大越來越深，這是未來的必然的發(fā)展方向嗎？它會(huì)怎樣影響AI生態(tài)？ 林達(dá)華：科研是一個(gè)非常多樣化的領(lǐng)域，隨著超大模型的涌現(xiàn)，如果他們的價(jià)值真正能夠在廣大的場景里面得到驗(yàn)證，會(huì)對未來的科研分工模式帶來新的變革。 整個(gè)科研鏈條在不同的階段都需要?jiǎng)?chuàng)新，在應(yīng)用領(lǐng)域需要?jiǎng)?chuàng)新。當(dāng)GPT出來之后，它只是一個(gè)基礎(chǔ)的模型，然而有很多人用非常創(chuàng)造性的方法來使用這個(gè)模型，所以應(yīng)用層可以有很多創(chuàng)新。而有算力資源的人，也可以對這個(gè)模型做一些簡單的迭代，應(yīng)用到某種比較新奇的領(lǐng)域。 我其實(shí)并不認(rèn)為全社會(huì)和整個(gè)科研界都是需要訓(xùn)練大模型。未來整個(gè)科研分工可能會(huì)有新的改變：少數(shù)有充足計(jì)算資源和工程能力的大型研究機(jī)構(gòu)或者企業(yè)會(huì)在核心模型上進(jìn)行競爭，并且把這些模型能力開放出來作為基礎(chǔ)設(shè)施，而更多的AI研究者或者從業(yè)者則會(huì)站在巨人的肩膀上在應(yīng)用側(cè)進(jìn)行多種形式的創(chuàng)新，解決產(chǎn)業(yè)和生活中的各種場景問題。CSDN：一些著名科學(xué)家開始從企業(yè)回歸學(xué)術(shù)界，是否意味著 AI 科研和工程落地之間存在巨大的鴻溝？商湯內(nèi)部是如何考核科研的成績并做好平衡的？林達(dá)華：隨著 AI 業(yè)務(wù)越做越深入，可能在 AI 發(fā)展的初期，算法研究員起到了非常大的推動(dòng)作用，但是隨著各個(gè)行業(yè)AI技術(shù)的成熟，行業(yè)需求愈發(fā)突顯，包括商湯在內(nèi)的企業(yè)，商業(yè)、產(chǎn)品、運(yùn)營等人才的作用越來越重要，但是技術(shù)創(chuàng)新依然是最重要的源動(dòng)力。 為了把 AI 推廣到更多的行業(yè)，需要在技術(shù)方面有新的突破。這時(shí)有一部分科學(xué)家看到這些問題的存在，但是在企業(yè)里不一定可以花很長時(shí)間投入很多資源去做，對于這些更長期的更具探索性的研究，高?；蛘叽笮蛯?shí)驗(yàn)室是可以發(fā)揮很大作用的。所以 AI 真正持續(xù)長時(shí)間的健康發(fā)展，一定需要產(chǎn)學(xué)研的有機(jī)結(jié)合。 要解決現(xiàn)在 AI 數(shù)據(jù)成本等方面的根本問題，需要核心技術(shù)的突破。如果一個(gè)科學(xué)家從未在企業(yè)里待過，他看不到問題在哪里。那些在企業(yè)界待過的科學(xué)家再回歸學(xué)術(shù)界，其實(shí)也能帶來一些對整個(gè)產(chǎn)業(yè)發(fā)展真正有價(jià)值新思考，引領(lǐng)學(xué)術(shù)跟產(chǎn)業(yè)的融合。 商湯對這種事情一直處理得非常好，我們和很多高校實(shí)驗(yàn)室都有天然的聯(lián)系，包括我在內(nèi)的研究leader都在研究機(jī)構(gòu)和高校里扮演很重要的角色，這樣就能夠在帶動(dòng)高校研究資源的同時(shí)，與企業(yè)的聯(lián)動(dòng)也更加緊密。
本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請
點(diǎn)擊舉報(bào)。
