2019-11-21-第一天AICon人工智能大会记录

layout: posttitle: 第一天AICon人工智能大会记录
subtitle: 听课笔记
date: 2019-11-21
author: NSX
header-img: img/post-bg-ios9-web.jpg
catalog: true
tags:
- 技术博客

第一天AICon人工智能大会记录

AICon第一天 2019.11.21

• Intel AI 分享
• Baidu《人工智能创新机遇》雷鸣
• AWS Shanghai AI Lab《Deep Graph Made Easy (and Faster)》
• Baidu NLP 《大生产时代下的NLP技术创新与应用实践》忻舟
• 华为诺亚方舟实验室《预训练语言模型》
• 小米NLP《NLP在小米的探索与实践》王斌

• 百分点科技《深度迁移学习在NLP中的应用及实践》苏海波

  Intel AI 分享

• 六大战略投入加速人工智能发展

  • oneAPI：不用管xpu的束缚，开发dpc++语言
  • …
• Intel ANALYTICS Zoo: 神经网络模型乐园
• 支持各类深度学习框架

Baidu《人工智能创新机遇》雷鸣

• 工业革命：能源+机械

• 智能革命：数据+智能

• 互联网对产业的改写

  • 商业→电商（代表：阿里）
  • 报社、杂志社→互联网媒体（代表：今日头条）
  • 电影、电视→互联网视频（代表：爱奇艺）
  • 社交（代表：Tencent）
  • 搜索（代表：Baidu）
  • O2O（代表：美团）

• AI对产业的改写

  • 个性化推荐、信用预测、自动驾驶、智能医生、智能助理

• 目前的创新机会是什么

  • Internet - 5G

    • 高传输
    • 低延时
    • 低功耗、低成本

  • AI – Vertical Solution

    • 模型性能强悍
    • 聚焦产业痛点
    • 解决实际问题

• 中国优势：

  • …

AWS Shanghai AI Lab《Deep Graph Made Easy (and Faster)》

• Computer science = algorithm + data structures

• Many data are already graphs
  

• 开发的图模型 Deep Graph library: DGL

  • Deep learning + Graph Github star 3.3k
  • Forward: easy to develop new models
  • Backward: seamless integration with existing framework
    (MXNet/Pytorch/Tensorflow)
  • Fast and Scalable

• Deep Graph Applications
  

• Message passing paradigm is very flexible

  • Graph convolutional network (GCN) [Kipf, 2018]

• Existing DL frameworks do not support graph DNNs well

  • Writing GNNs is hard in TensorFlow/Pytorch/MXNet.

• Writing GNNs is intuitive in DGL

• Deep Graph Applications (DGL Model Zoo)

  • 药物发现 、知识图谱、推荐系统

Baidu NLP 《大生产时代下的NLP技术创新与应用实践》忻舟

• NLP技术产业应用的思考

  • 技术应用

    • 场景化·产业化

  • 技术易用

    • 系统化·服务化

  • 深度定制

    • 定制化·工具化

• 核心技术：基于ERNIE和Multi-Task的观点语义计算
  

• 发现一个问题，找出一类问题，重新加入训练集，再次迭代训练

• NLP场景化应用技术方案

  • 在国美评论分析的应用
  • 智能创作平台
  • 打造人民日报智能编辑部方案

• ERNIE2.0 及平台化训练

  • 预训练(Pre-training) && 参数微调(Fine-tuning)
  • ERNIE的应用范式

• ERNIE应用案例：搜索问答识别和问答匹配

• 模型蒸馏

• ERNIE套件全景图

华为诺亚方舟实验室《预训练语言模型》

• 哪吒NEZHA -中文预训练模型 (论文还未放出和开源)

  • 绝对位置改进
  • 全词mask
  • +wwm
  • +span预测任务

• 乐府 -诗歌生成

  • 方案：GPT
• tinyBERT -模型压缩

小米NLP《NLP在小米的探索与实践》王斌

• 小米NLP技术
  

• NLP基础平台-分词

  • 语料自动标注

  • 先进深度学习技术

  • 灵活干预机制

  • 多端支持

    • Cloud、Local、Lite移动端三种分词版本

• NLP基础平台-命名实体识别

  • 基于先进深度学习技术（word+char-IDCNN-CRF）

  • 支持9种NER类型识别

    • 人名、地名、机构名
    • 日期、邮箱、邮箱、网址
    • 音乐、影视
  • 灵活有效的人工干预机制

• NLP基础平台-意图识别

  • 基于ML+DL技术，准确识别用户意图
  • 融合分布式特征抽取、联合任务模型、集成学习

• NLP基础平台—文本分类

• 模型+集成学习

• 闲聊对话-检索式
  

• 离线机器翻译

  • 高压缩比

    • 知识蒸馏，模型变小、质量不降
    • Int8量化
  • 口语化 让机器说人话
  • 领域适配 -需领域相关的数据进行低学习率学习

百分点科技《深度迁移学习在NLP中的应用及实践》苏海波

• NLP中的深度迁移学习：预训练模型

  • Source Domain：海量语料+无监督学习
  • Target Domain：标注数据+有监督学习

• Google TPU的实践

• 智能问答中的实践
  

• 如何找到语义等价的问句

  • 基于BERT和BIMPM的语义等价新模型

• 数据增强

  • 介绍：数据增强可以简单理解为由少量数据生成大量数据的过程
  • 作用：增加训练的数据量，提高模型的泛化能力；增加噪声数据，提升模型的鲁棒性

  • 方法：

    • 添加无意义词后等价
    • 关键词换成同义词后等价
    • 关键词换成非同义词后不等价
    • 构造等价问法模板
    • 删除修饰限定后语义不等价

• NL2SQL
  

  • 基于X-SQL 和依存句法树的NL2SQL新算法