上海2017年4月1日電 /美通社/ -- 近期，由七牛雲組織的的架構師小組交流會在線上舉行，Polarr 聯合創始人宮恩浩、搜狗大數據總監高君、七牛雲 AI 實驗室負責人彭垚參加了活動，討論中三位分享人對深度學習框架選型、深度學習的未來趨勢展開了交流和探索。
分享開始，Polarr 聯合創始人宮恩浩介紹了Polarr（國內叫潑辣修圖），Polarr在美國是做圖片大數據的，有雲端，也有手機端，PC 端，Polarr通過 App 收集數據，建立優化的算法，我們在雲端提供圖片整理、圖片選擇、圖片信息的識別，把識別的模型通過壓縮手段，把整個深度學習放在手機的 App，實現圖片裁定、識別、選擇、渲染，在這當中會應用到很多深度學習的功能開發。隨後介紹了自己在網絡壓縮方面的做法：首先，要找到一個最適合的架構，這部分得根據具體的應用、性能要求來定。其次，是網絡壓縮，在不改變模型效果前提下儘量減少模型參數。最後，是模型編碼，Polarr 有在做想把圖像識別的 Network 放在手機上，那麼首先基於模型壓縮。具體實現的方法是：每步迭代的時候，一部分把小的部分變成零，然後不斷迭代優化，最終模型還有一些優化，會小很多。然後同時還可以在手機上 Network 優化編碼，我實驗的時候權重也可以從原來的 32 位 float，變成 16 位，就是少了一半，或者是變成 8 位的話做了 encoding 就會小很多，基於這些（優化模型結構，閾值讓模型稀疏，編碼來減少存儲）就可以不斷進行壓縮。
搜狗大數據總監高君給大家分享了在廣告領域深度學習的應用案例。他表示，搜狗從用戶端的產品來講，有兩個產品與深度學習有較強關係，一個是語音識別，應用在輸入法，用於語音輸入轉文本，另一個是圖像搜索。搜狗推薦是以推薦結構化數據和推薦非結構化數據兩種都有的模式，對於搜索廣告來講，它是有一個明確的查詢詞，你可以理解為是一個結構化。假設把文本理解為結構化，那麼對於展示類的廣告就很複雜了，為了提高線上的 CTR，需要明確用戶的興趣，那麼處理用戶興趣的過程中，它的數據差異非常大，肯定會用到搜索，但是也會用到它站內的一些瀏覽的行為，比方說我們拿到客戶站內所有的數據，它整個數據的來源很複雜。所以對於展示類廣告來講，可以認為所有的處理的數據基本都是異構的，可以理解為是個非結構化的問題。
最後，七牛雲 AI 實驗室負責人彭垚分享了七牛AI 方面的戰略，他表示，七牛是一個以雲存儲起家的公司，在七牛雲平臺上面有廣泛的圖像、視頻、音頻的數據，富媒體客戶非常多，所以七牛雲AI 實驗室的主要職責是對大量的富媒體數據去做分析，並做一些內容審核，識別等相關領域的應用，以服務我們平臺上面的客戶。包括像視頻分析之類的，包括一些視頻通用檢測的一些功能，我們會致力於解決我們平臺上客戶的實際問題來投入這方面的研究，主要是視頻分析領域，因為我們存儲上面視頻非常多，視頻的細粒度檢測也是其中的一個重點方向。
深度學習是人工智慧發展的一個裡程碑，雖然深度學習已經在語音識別、圖像識別、預測分析、機器翻譯等領域小試身手，從三位專家分享的技術方向來看還深度學習的技術處在初級階段。誰也不能保障深度學習在未來是否能夠成為人工智慧最基礎的方法，或許會有新的更好的技術替代深度學習，但是可以肯定的是，人工智慧的夢想不再遙遠，機器將在不久的將來像人類一樣思考。