“深度学习框架是智能时代的操作系统，百度飞桨深度学习平台正在推动人工智能的快速发展智能化，加速中国工业智能化进程。”6月28日，百度首席技术官王海峰受邀参加2019中国国际软件博览会并发表题为《飞桨深度学习平台加速产业智能化》的演讲。在演讲中，王海峰分享了深度学习技术如何推动人工智能发展的思考，并介绍了百度PaddlePaddle深度学习平台的优势及其助力工业智能化的成果。王海峰表示，人类迄今经历的三大工业革命，都以机械技术、电气技术和信息技术为核心驱动力，并这些技术表现出很强的通用性，当前，我们正处于以人工智能为核心驱动力的新一轮科技革命和产业变革，人工智能正在将人类社会带入智能时代。60年来，发展人工智能经历了三e典型阶段：人工规则、机器学习和深度学习。以OCR和自然语言处理技术为例，深度学习的通用性使其效果大大提升，广泛应用于各行各业。深度学习技术的广泛应用得益于深度学习框架。王海峰指出，在智能时代，深度学习框架起到承前启后的作用。它连接到芯片和各种应用程序。价值不菲，是“智能时代的操作系统”。现场，王海峰介绍了中国开源、开放、功能齐全的深度学习平台——百度飞桨。Paddle的核心框架，包括开发、训练和预测，以及涵盖推荐、视觉、自然语言处理、语音等丰富的模型库。同时，Paddle提供包括迁移学习、强化学习、自动网络结构设计、弹性深度学习计算、图神经网络等。在服务平台层面，提供零基础定制化训练与服务平台EasyDL、一站式训练开发平台AIStudio、终端计算模型生成平台EasyEdge。Paddle以完整的框架、工具和服务，帮助开发者和企业通过工具和平台，进一步降低深度学习应用门槛，加速工业智能化转型。飞桨已经开源了超过70个经过真实业务场景验证的官方模型，涵盖视觉、NLP、推荐等AI核心技术领域，成为官方支持模型更多的深度学习平台。例如面向工业应用的中文NLP工具集PaddleNLP，在应用任务层提供了中文词法分析、文本情感分析、短文本语义匹配等能力，并结合了目前在应用领域效果较好的中文语义表示模型。工业基础网络层——ERNIE，大大增强了模型的语义表示能力，达到工业级应用效果；而不久前刚刚发布的视频识别工具集涵盖了主流实用的序列建模算法和端到端的视频识别模型，为开发者提供了视频分类、视频定位等一系列应用技术解决方案。同时，Paddle具备适合大规模数据场景的分布式训练能力，从优化算力的角度为深度学习应用提供支持。据悉，针对大规模稀疏特征，FeiPaddle设计并开放了大规模稀疏参数服务器，适用于超大规模数据、海量特征、自扩展、高频的业务场景模型迭代。同时，针对工业级数据处理，Paddle开放了一系列数据处理技术服务于工业应用。在开发和训练之后，将模型部署到各种应用场景是关键的一步。Paddle提供包括底层硬件、推理引擎、多种编程语言、解决方案和服务工具在内的端到端全流程部署解决方案，已经在帮助行业开发者实现快速应用落地。灵活、高效、易用是工业开发者应用深度学习技术进行开发的诉求。过去，传统神经网络的结构设计是人们根据经验进行设计，不断进行调参训练，以获得更好的效果。这个过程是复杂的、耗时的和劳动密集型的。FlyingPaddle开源的AutoDLDesign自动化网络结构设计，利用深度学习设计深度学习。目前已经完全超越人类专家设计的网络效应，自动化程度更高，效果更佳。针对没有深度学习技术基础的开发者，百度飞桨提供了定制化的训练和服务平台EasyDL，让开发者可以根据自己的业务需求和数据，快速训练出定制化的AI模型。王海峰以农田地块自动提取为例，介绍了飞桨的实际应用效果。基于桨式作物小区识别，以遥感影像数据为基础，小区提取准确率达80%，处理效率比人工处理提高数万倍。可高效辅助作物生长、灾害监测、产量预估等，显着减少人力投入，对农业生产具有重要意义，是深度学习技术真正的利国利民。现阶段，深度学习技术不断发展突破，加速与产业融合，不断提升各行业商业附加值潜力，加速产业智能化。王海峰表示：“百度飞桨深度学习平台将携手广大中国开发者，为推动中国工业智能化发展做出更多贡献。”
