微软推全栈式AI开发服务新系统和工具纷纷出炉

2019-05-01 00:06

  编者按:昨日,微软亚洲研究院在北京举办了人工智能系统研讨会。微软亚洲研究院副院长、人工智能系统联合中心负责人周礼栋与其他几位研究员一起阐述了微软人工智能系统、工具的相关知识和发展进程。网易智能梳理如下。

  随着微软将未来押注在智能云与智能边缘这个方向上,基于人工智能技术的开发就成为其重点关注的领域。在6月20日的AI系统研讨会上,微软亚洲研究院副院长周礼栋提出,微软要打造云计算+人工智能平台并提供全栈服务,包括最底层的架构、处理、框架支持、各种服务支持等。

  周礼栋在微软已经工作了16年,主要从事大规模分布式系统、存储系统、无线通讯和网络,以及系统安全和可靠性方面的研究。他认为,在科技的每一个变革时代,系统理论和设计都是持久的推动力。

  “PC时代需要操作系统和虚拟内存来支撑;互联网时代需要搜索引擎、分布式系统理论、大数据云计算系统、虚拟机技术、容错技术等;人工智能时代需要大规模深度学习平台、异构硬件以及高性能并行处理;量子计算虽然理论趋近成熟,但是必须要有系统方面的创新,才能有大的变革。”周礼栋说道。

  周礼栋认为,现在是系统研究和创新的黄金时代。“将来世界就是一台计算机,所有的部分都联系在一起,能够充分的把信息转换成有用的服务,为社会带来福利。“

  据悉,为了创造出更符合人工智能时代的系统和工具,微软在2017年将微软亚洲研究院的系统团队和微软(亚洲)互联网工程院的相关工程团队合在一起,成立了人工智能系统联合中心,将人工智能系统的研究、创新、工程一体化。

  深度学习目前成为了最受欢迎的AI技术部署,从发展的角度看,现在大规模数据标注、先进的网络模型以及硬件加速和告诉网络都已经齐备,但是关键问题在于缺少具备高效可定制、大规模可扩展、智能系统化的深度学习系统。

  据微软亚洲研究院资深研究员伍鸣的介绍,当今工业界流行的深度学习系统(包括TensorFlow、PyTorch、CNTK、MxNet、Caffe等)大都采用分层的体系结构设计,在后端优化上有很多挑战。

  比如如何提升GPU等硬件资源的利用率?如何节省硬件投入成本?如何支持算法工程师更方便的应用各类深度学习技术,从繁杂的环境运维等工作中解脱出来?这些可扩展性、局部计算效率问题、内存使用效率问题越来越突出,优化深度学习模型也成为越来越重要的事情。

  为了解决复杂科研生产环境中的平台部署、运维问题,微软亚洲研究院推出了大规模人工智能集群管理平台Open Platform for AI(简称OpenPAI)。

  据悉,OpenPAI支持多种深度学习、机器学习及大数据任务,可提供大规模GPU集群调度、集群监控、任务监控、分布式存储等功能,且用户界面友好,易于操作。

  OpenPAI完全基于微服务架构,所有的OpenPAI服务和AI Job均在容器中运行,能够支持多种不同类型的AI任务,如CNTK、TensorFlow、PyTorch等不同的深度学习框架。此外,用户通过自定义Job容器即可支持新的深度学习框架和其他机器学习、大数据等AI任务,具有很强的扩展性。

  在5月份召开的2018微软人工智能大会上,微软针对中国市场推出一系列新技术和工具,包括由中国研发团队主导开发的Tools for AI人工智能开发套件。Tools for AI为开发者提供了一个全平台、全软件产品生命周期、支持各种深度学习框架的开发套件。而在此次研讨会上,微软亚洲研究院又推出了NNI工具包(Neural Network Intelligence)。

  据微软亚洲研究院副研究员薛卉介绍,NNI工具包主要目的是为开发者提供智能化自动化的深度学习模型开发流程,包含数据分析、性能分析、自动搜索模型、参数调试等工具。技术方面,NNI具备全新定义搜索空间和语言,支持一键部署在不同的云服务、本地集群上,面向开发者提供更友好的接口。

  薛卉称,NNI工具包不久后将以开源方式推出,以帮助用户开发出更好的模型。

  周礼栋总结说,人工智能时代很多东西都是由数据驱动的,工具系统的设计将会发生很大的变化。微软希望以上的人工智能系统和工具,能够赋能研究人员、开发者和实践者,让AI更快更快更普及化。与此同时,微软也希望借助全栈性的开发者服务,帮助传统开发者快速转型成为AI开发者。(小羿)

分享到:
文章评论 · 所有评论
评论请遵守当地法律法规
点击加载更多
© 2016-2018 12小时新闻网 http://www.12hnews.com/ 中国互联网举报中心
违法和不良信息举报:lobtom@163.com