當前位置:首頁 > 新聞中心 > 媒體掃描

媒體掃描

【前沿科學】構建自主可控開源開放平台

  • 发表日期:2019-07-26 【 【打印】【關閉】
  •    開源開放平台是否真正安全 

      在人工智能領域,爲了便于交流和分享,往往會由學術機構或産業巨頭主導形成一些通用的開放規範或標准,並在此規範基礎上共享和開源相關成果及資源,我們稱之爲人工智能開放平台,如英特爾針對計算機視覺應用推出的OpenCV、機器學習和數據挖據庫Weka、谷歌的TensorflowFacebookPyTorch、亞馬遜的MXNet、微軟的CNTK等。 

      這些AI開源平台連接底層硬件(CPUGPUASICFPGA以及各種XPU)AI模型算法(深度神經網絡模型、機器學習算法等),爲AI應用開發和運行提供極大便利,對AI産業和生態的發展有著重要影響(如圖1所示) 

      所有的開源平台都會遵循某個開源協議。不同的開源協議對開源代碼知識産權、修改、商用等方面作了規範簣Ds定。現有的幾種主流開源協議包括BSDApacheGPL等。由于不同的開源開放平台采用了不同的協議,因此具有不同的開源特性,對其商業化路徑形成了重要影響。 

      當前,我國的很多研究工作都是基于國外開源平台基礎上進行研發,這也就意味著,主導方實質上對平台有很強的掌控權利,一旦發生商業策略變化或者商業紛爭,主導方有可能修改規則或關閉平台,從而對相關的産業鏈造成重大影響。 

      1. AI平台與AI生态关系圖 

      國內平台影響力亟待提升 

      深度學習作爲此次人工智能浪潮的主推手和關鍵技術,是人工智能開放平台中內容最多、影響力最大的主題之一。中國的學術機構和公司很早就開始注意到AI平台的重要性, 比如百度推出的paddlepaddle深度學習框架、阿裏巴巴的PAI平台、騰訊的NCNNpocketflow深度學習平台、中科院自動化所的"諸葛·深知"深度學習平台和 QEngine深度學習量化加速框架、 鵬城實驗室的OpenI平台等。  

      总体来看,這些平台无论在影响力和用户数量方面与国外平台都有较大差距,各个机构本身对平台的投入和重视程度也不够。究其原因,首先,平台的建设周期漫长;其次,平台无法快速产生盈利,一般机构很难持续支持;此外,国内的学术界和工业界缺乏足够的分享驱动力,不愿意把好的算法和代码贡献出来。 

      掌握話語權需加速布局 

      人工智能開源開放平台是人工智能領域創新和産業賦能的助推器,已成爲國際大公司競爭焦點。中國的企業和學術界也推出了少量的深度學習相關平台,但用戶數量較少,對生態的影響力較小。同時,深度學習平台技術發展很快,當前,人工智能開源平台正在往下一代邁進,臉書(Facebook)、蘋果和微軟等公司聯合制定了ONNX標准的中間表示語言,在動態結構、應用模塊、硬件計算等方面又得到了提升。  

      AI平台按照雲端和輕量級終端演化,向著"操作系統化"發展的趨勢日益明顯。人工智能産業已成爲國家重點發展的領域,平台對産業的發展極其重要,要提早布局,避免"卡脖子"問題出現。 

      打造自主可控新生態 

      我國應加速啓動人工智能開放平台建設,以下幾個方面值得重點關注: 

      開源開放,拆除藩籬,聯合企業和學術界共同打造建立在開放環境下的人工智能平台。借鑒WinTel聯盟形式,讓"平台—芯片—應用"相互支撐,發揮綜合優勢,建立應用生態。瞄准人工智能平台發展趨勢(通用化、輕量化、模塊化等),提前部署相關前瞻性技術研發。 

      從新應用、創新的垂直領域等薄弱地帶入手,"農村包圍城市"。總之,從中短期看,需要建立頂層的標准設計,從應用(開放創新平台)、芯片(圍繞芯片的開發工具鏈)和基礎算法(開源基本模型)協同入手,形成完整創新鏈和強大合力,建立獨立自主、相互支撐的人工智能平台新生態。 

      從中長期看,人工智能理論和應用還處在高速發展階段,未來會不斷湧現出新的方法和應用,我國應抓住機遇,集中力量發展開放開源的人工智能平台,奠定良好的人工智能底層基礎,打造自主可控的人工智能産業生態。 

     

    作者:

    健  自动化研究所模式识别国家重点实验室研究员、南京人工智能芯片创新研究院常务副院长 

    徐波  自动化研究所所长、中科院脑科学与智能技术卓越创新中心副主任、大学人工智能学院院长、中国人工智能产业联盟副理事长


    來源:《前沿科學》2019年第2期《人工智能》專刊