概况
   

    人工智能发展的今天,不管是来自于2012年的谷歌完成3替1000的壮举,还是AlexNet网络把ImageNet数据集的准确率大幅度提高,深度学习这一词语不断在各类人群中传播、发酵,俨然成为当前科技的最前沿。


    但其实对于大部分企业而言,机器学习的进展总是“困难重重”的。专业人员、技术和经验的缺乏,让机器学习真正实现其价值的时间一次又一次延长。开发人员要完成一个机器学习模型,往往需要很长时间,而且要完成大量的工作,如搭建计算环境、数据清洗和处理、模型选择和参数调整等等。


    从技术的层面上来讲,只能说当前的深度学习与神经网络,都只不过是“仿生”级别的实验作品--当前所有AI的解决方案都还没有摆脱“中文屋子”的困境。不要说每个神经甚至每个神经节点都可以实时被监督,被修改,整体结构的走向可以被记录什么的--这就好比说你可以训练狗狗握手,但你依旧不知道狗狗自身是如何做到的。
    目前AI的训练核心都是基于大量“属性相似”的数据以及些许无关变量--但如何确定某种信息格式(不论图片,音乐还是写作风格)的特有“属性”却依旧是由人类完成。于是当下的AI领域就变成了人类用人工的方式赋予某种存在以意义,而又将这种存在编译为二进制的符号形式,进而在冯诺依曼架构的机器系统上求取某种只属于机器的“概念”--虽然这种东西经过反向编译后的输出结果在“人类主观”上与“已有经验”存在高度的相似性。其实当前AI的方向并没有错,或许你我彼此之间只有此时此刻的言语是相同的--或者说智能形式赖以存在的根本是相似结构的彼此观测?毕竟无法被认知的存在无法被定义属性 更不必谈智能。


“我唯一知道的一件事,就是我一无所知”--By.苏格拉底


    尽管面临着种种困难,还是有大量的企业不断的投入在此,因为人工智能在以前看来可能只是一个美好的憧憬,但是随着硬件的发展,显然加速了实现憧憬的进度,业内支持深度学习的框架更是层出不穷,Tensorflow,Caffe等流行的框架的使用问题俨然成为了重点,许多想学习深度学习或者是有数据了解算法的人群不会使用这些前沿的工具,学习这些框架的使用有可能也会浪费一定的时间,况且框架的多样性,选择最优框架等等都是非常让人头疼的一件事。


    目前对于深度学习的应用还只是存在于小范围,比如一些技术实力强劲的大公司,又比如一些研究机构,之所以出现这种情况,主要是市面上的一些深度学习框架各有优缺点,而且需要具备很强的技术背景才能使用,应用门槛太高,使用起来很不方便,极大的阻碍了深度学习的应用推广。
    容天公司致力于人工智能深度学习的推广应用,建立一个更方便、更友好、更简洁、更全面的人工智能平台,整合目前市面上流行的机器学习和深度学习框架,以人性化的UI呈现给用户,让用户专注于业务应用,而不是把时间花在学习深度学习框架如何使用上,我们把此平台称之为RT-Brain。


人工智能大数据平台-RT-Brain


平台架构


    第一层:硬件层,支持X86、Power等异构平台,支持不同平台上安装部署,还支持异构平台集群。支持不对称计算节点,可根据不同节点的计算能力分配作业,从而有利于支持设备利旧,保护已有投资。
    第二层:集群层,提供分布式文件系统及分布式应用框架如HADOOP、SPARK;结合高性能计算,提供并行计算和计算数学库。
    第三层:AI层,融合了基于神经网络的深度学习框架(Caffe,Tensorflow等)
    第四层:平台层,以统一平台的方式对外提供深度学习相关功能,包括UI界面方式和服务模式两种。既有基于浏览器的人机接口,也可提供基于WebService的云服务接口,可以支持在移动终端下使用。
    第五层:应用层,提供业务视频流,图片,语音等业务接口。


平台特色


1. 单机、集群双重模式


单机模式

集群模式

2. 操作简单、易用


3. 资源整合、资源监控


4. 超参调优,选取最佳超参

5. 创建数据集、训练、识别一体化


上为RT-Brain相关说明。容天的宗旨为-为科技工作者服务,若您对我们的产品感兴趣,可随时电话咨询:400-890-8985。