新聞動態 | ImageNet新記錄誕生，騰訊優圖協助創造全新「AI速度」
如果你重返3歲，要認清楚這張圖的所有水果，需要多久？
不是神童的話，得花不少時間理解消化。也許爸媽還得買點食物，寓教於吃。反正，不會是一個速成的過程。
而對於AI來說，這樣「學習」太慢了。在影像識別領域，AI速度，每一秒都在刷新。在訓練ImageNet的比賽中，騰訊雲便用128卡創下了業界新記錄。
ImageNet大型影像數據集，擁有超過上千萬張圖片，而ImageNet 大規模視覺識別競賽，是該領域最重要的賽事之一
所謂圖片的「訓練」，更通俗的說法就是AI對圖片的「學習」。拿這次比賽來說，主辦方會事先「投喂」給各個參賽方一個學習材料。類似下方這個識圖手冊👇
雖然，這個手冊里，有128萬張圖……
除了圖，還有對應的標籤👇
只不過，在電腦的語言里，標籤的表達形式可能是一個數字編碼。例如，[0，0，1]可能就是一隻小兔子🐰。
材料發到各個「考生」手裡，答題令下，各「考生」便會把這128萬張圖片和標籤放進自己建立的AI模型里「學習」。
「學習」一段時間後，模型便知道有哪些特徵的物體是兔子，哪些特徵的物體是烏龜。
而這次的評分規則就是，在保證學習成績的前提下，看誰「學」得最快！
在激烈的競爭中，騰訊雲藉助最新研製的Light大規模分散式多機多卡訓練框架，在2分31秒內，把128萬張照片訓練了28遍（ImageNet 28個epoch），TOP5精度達到了93%。
而上一任狀元的最好成績是2分38秒。
如果進一步升級網路連接性能，騰訊雲還能更快，能繼續提升至2分2秒。
這場「考試」，實際上考驗的是廠商在人工智慧應用領域的整體實力，從硬體維護、網路架設，到伺服器系統、伺服器調度演算法、以及更加上層的深度學習神經網路的運行優化等等。
也正是因為騰訊在人工智慧領域全面、體系化的技術、人才積累，才最終創造出此次全新的「AI速度」。
而AI「學習」速度的提升，將極大地降低AI應用的開發成本，加速AI應用落地。
同樣的硬體和任務，花費更少的時間，對美顏、鑒黃、人臉門禁、刷臉支付等一系列AI影像相關的應用場景來說，就是更快的演算法開發速度，更低的開發成本和更低的應用運行成本。最終，累積成最根本的商業利益，推動人工智慧應用落地的推廣。
比方說，自動駕駛要對周圍環境進行感知，就必須要通過AI來進行識別，而AI的「學習能力」越強，自動駕駛的研發效率也就越快，也就能更快落地。
騰訊自動駕駛汽車AI識別紅綠燈
又比如說，上個月，優圖實驗室和微信支付共同推出了騰訊微校離線支付方案，不聯網也能完成快速的人臉支付。優圖用到了NAS技術研發的輕量級小模型結構，配合自研的基於分類邊界蒸餾的學習演算法很厲害的演算法，使得AI識別既快又准，讓「刷臉」有了更優體驗！
騰訊AI速度很快，「刷新速度」也很快。
4月，騰訊優圖實驗室再次刷新了三大ReID公開數據集記錄，首位命中率最高近99%；不久後，又刷新了人臉偽造檢測Face Forensics Benchmark新紀錄，整體檢測準確率達到業界第一……
目前，優圖實驗室已經在全球獲得超過800項專利，有超過200篇論文在高峰會發表，實驗室的研究生、博士佔比超過90%，具有很強的研究實力和落地能力。
未來，騰訊將繼續踩上AI運算能力的油門，讓那個美好的AI未來更快到來。
