La plate-forme d'apprentissage en profondeur de Baidu alimente l'essor de l'IA industrielle

Fourni par Baidu

L'IA est le moteur de la transformation industrielle dans divers secteurs, et nous commençons à peine à effleurer la surface des capacités de l'IA. Certaines innovations industrielles sont à peine remarquées, comme l'inspection forestière pour les risques d'incendie et la prévention, mais les avantages de l'IA lorsqu'ils sont associés à l'apprentissage en profondeur ont un impact de grande envergure. En Asie du Sud-Est, des drones forestiers alimentés par l'IA ont aidé 155 bureaux forestiers à étendre la gamme d'inspections forestières de 40 % à 100 % et à effectuer jusqu'à 200 % plus efficacement que les inspections manuelles.

Ce contenu a été produit par Baidu.

• Il n'a pas été rédigé par la rédaction de MIT Technology Review.

Derrière ces drones intelligents se trouvent des modèles d'apprentissage en profondeur bien formés basés sur Baidu's PaddlePaddle, la première plate-forme d'apprentissage en profondeur open source en Chine. À l'instar des frameworks d'IA traditionnels tels que TensorFlow de Google et PyTorch de Facebook, PaddlePaddle, qui était open source en 2016, fournit aux développeurs de logiciels de tous les niveaux de compétence les outils, les services et les ressources dont ils ont besoin pour adopter et mettre en œuvre rapidement l'apprentissage en profondeur à grande échelle.

PaddlePaddle est utilisé par plus de 1,9 million de développeurs et 84 000 entreprises dans le monde. Les industries de toute la Chine utilisent la plate-forme pour créer des applications spécialisées pour leurs secteurs, de l'accélération des véhicules autonomes par l'industrie automobile aux applications de l'industrie des soins de santé pour lutter contre le covid-19.

En effet, la pandémie de coronavirus, qui s'est propagée dans 150 pays et a provoqué un choc économique mondial, augmente les demandes de transformation de l'IA. C'est maintenant une opportunité sans précédent pour le développement de PaddlePaddle compte tenu de l'essor de l'intelligence industrielle et de l'accélération des infrastructures alimentées par l'IA, a déclaré Haifeng Wang, directeur de la technologie chez Baidu. Nous continuerons à adopter l'esprit open source, à stimuler l'innovation technologique, à nous associer à des développeurs pour faire progresser les technologies d'apprentissage en profondeur et d'IA, et à accélérer le processus d'intelligence industrielle.

Lors de la récente Baidu Deep Learning Developer Conference Wave Summit 2020, le directeur de la technologie Haifeng Wang a annoncé la collaboration de PaddlePaddle dans un écosystème matériel qui comprend des sociétés technologiques mondiales de premier plan telles qu'Intel, NVIDIA, Arm China et Huawei.

Comment PaddlePaddle a formé un robot de tri des ordures s

Les technologies d'apprentissage en profondeur créent des opportunités pour réorganiser les opérations, la gestion de la charge de travail et la productivité, même dans les industries traditionnelles telles que la fabrication, la foresterie, l'énergie et la gestion des déchets. Par exemple, dans le domaine de la gestion des déchets, l'IA transforme la collecte, le tri et le recyclage des déchets, en soutenant les efforts de conservation des ressources naturelles, de réduction des émissions de carbone et de réduction des déchets envoyés dans les décharges. Selon un rapport de la Banque mondiale, plus de 2 milliards de tonnes de déchets solides municipaux sont produits chaque année dans le monde. La collecte et la séparation exposent les récupérateurs à un certain nombre de facteurs de risque et de dangers, ce qui en fait un domaine critique pour le développement de technologies d'IA innovantes.

En Europe et aux États-Unis, la technologie de vision par ordinateur a été largement utilisée pour détecter différents types de déchets, tels que le verre, le plastique et le carton, afin de rendre le tri des déchets plus efficace. Mais la tâche n'est pas aussi efficace dans tous les pays.

L'utilisation de modèles traditionnels de vision par ordinateur en Chine serait inutile, déclare Zhiwen Zhang, PDG de Jinlu Technology. Les déchets en Chine ne sont pas compatibles avec ce qui peut être détecté par cette technologie. Des complications ont tendance à survenir avec la qualité de la détection et l'identification de divers déchets, explique Zhang.

Vétéran de la vision par ordinateur, Zhang envisageait PaddlePaddle pour développer des applications visant à améliorer le tri des déchets en Chine. Bien que l'industrie manque d'expertise en apprentissage en profondeur, avec PaddlePaddle, les développeurs ne doivent pas nécessairement être des experts en apprentissage en profondeur ou créer des choses comme des modèles de traitement de données à partir de zéro.

Jinlu Technology utilise un robot de tri des déchets programmé avec un modèle de détection d'objets pour identifier différents types de déchets. Il utilise également un modèle de segmentation d'image pour trouver des ordures et faire des choses comme détecter le bord d'une bouteille et déterminer son point central. Le modèle ne prend qu'une demi-seconde pour reconnaître une image.

Pour les bouteilles en plastique, Jinlu Technology forme un modèle de segmentation d'instance à l'aide de Paddle Detection, une boîte à outils PaddlePaddle pour le traitement d'image. Le modèle prédit sur Edgeboard (la plate-forme de développement informatique de pointe de PaddlePaddle) via Paddle Lite, le cadre d'apprentissage en profondeur de PaddlePaddle conçu pour les modèles légers, et envoie des signaux aux bras robotiques qui classent les ordures. Alors que le filtrage traditionnel de la précision des algorithmes se situe entre 60 % et 90 %, selon la qualité des déchets, les algorithmes d'apprentissage en profondeur offrent une précision de 93 % à 99 %.

Jinlu Technology forme un modèle de segmentation d'image à l'aide de Paddle Detection, une boîte à outils PaddlePaddle pour le traitement d'image, afin d'identifier les bouteilles en plastique, dans le but de rendre le tri des déchets plus efficace.

L'utilisation de l'IA dans la gestion des déchets promet un potentiel supplémentaire. L'IA peut non seulement épargner le travail humain de 96 %, mais elle peut également affiner le tri et identifier davantage les déchets qui peuvent être difficiles à catégoriser, tels que les gros morceaux de matière organique, les petits morceaux de métal et d'autres particules. Sans oublier que l'IA peut apprendre par elle-même à optimiser le pipeline, explique Zhang.

Principales caractéristiques et innovations de PaddlePaddle

Actuellement, PaddlePaddle propose 146 algorithmes et a avancé plus de 200 modèles de préformation, dont certains avec des codes open-source pour faciliter le développement rapide d'applications industrielles. La plate-forme héberge également des boîtes à outils à des fins de recherche de pointe, comme Paddle Quantum pour les modèles d'informatique quantique et Paddle Graph Learning pour les modèles d'apprentissage de graphes.

PaddlePaddle facilite le développement de l'IA tout en réduisant la charge technique pour les utilisateurs, en utilisant un schéma programmable pour concevoir les réseaux de neurones. Il prend en charge la programmation déclarative et impérative avec une flexibilité de développement - il peut donc développer des logiciels avec différents types d'exigences - tout en préservant des performances d'exécution élevées. Les algorithmes peuvent concevoir automatiquement des architectures neuronales qui offrent de meilleures performances que celles développées par des experts humains.

En Asie du Sud-Est, des drones forestiers alimentés par l'IA ont aidé 155 bureaux forestiers à étendre la gamme d'inspections forestières de 40 % à 100 % et à effectuer jusqu'à 200 % plus efficacement que les inspections manuelles.

PaddlePaddle a également fait des percées dans la formation des réseaux de neurones profonds à très grande échelle. Sa plate-forme, la première au monde en son genre, prend en charge la formation de réseaux de neurones profonds avec plus de 100 milliards de fonctionnalités et des billions de paramètres à l'aide de sources de données réparties sur des centaines de nœuds. L'un des bénéficiaires est Oppo, un fabricant de smartphones en Chine, qui utilise PaddlePaddle pour augmenter de 80 % l'efficacité de la formation de son système de recommandation.

Non seulement PaddlePaddle est compatible avec d'autres frameworks open source pour la formation de modèles, mais il accélère également l'inférence de réseaux de neurones profonds pour une variété de processeurs et de plates-formes matérielles. Lors de la récente Baidu Deep Learning Developer Conference Wave Summit 2020, PaddlePaddle a annoncé sa collaboration dans un écosystème matériel qui comprend des sociétés technologiques mondiales de premier plan telles qu'Intel, NVIDIA, Arm China, Huawei, MediaTek, Cambricon, Inspur et Sugon.

PaddlePaddle peut encore être amélioré, déclare le vice-président de Baidu, Tian Wu. À l'avenir, PaddlePaddle continuera à faire progresser l'informatique distribuée à grande échelle et l'informatique hétérogène, fournissant la plate-forme de production et l'infrastructure les plus puissantes aux développeurs pour accélérer le développement des industries intelligentes.

Le rôle de PaddlePaddle dans la lutte contre le covid-19

L'une des applications industrielles développées à partir de PaddlePaddle est actuellement utilisée à des fins médicales pour lutter contre le covid-19. Le principal outil de diagnostic de la pneumonie, l'un des effets graves du covid-19, est une tomodensitométrie (TDM) thoracique. Avec des médecins de première ligne et des ressources limités pour lire rapidement et avec précision un nombre exponentiellement croissant d'examens, la technologie d'imagerie par tomodensitométrie est essentielle pour aider les cliniciens à détecter et à surveiller les infections plus efficacement.

LinkingMed, une plateforme de données oncologiques et une société d'analyse de données médicales basées à Pékin, a publié le premier modèle d'IA open source de Chine pour l'analyse d'images CT de pneumonie, optimisé par PaddlePaddle. Le modèle d'IA peut détecter et identifier rapidement les lésions pulmonaires tout en fournissant une évaluation quantitative des informations de diagnostic, y compris le nombre, le volume et la proportion de lésions pulmonaires.

En utilisant PaddlePaddle et sa boîte à outils de segmentation sémantique PaddleSeg, LinkingMed a développé un système de dépistage de la pneumonie et de détection des lésions alimenté par l'IA utilisé dans l'hôpital affilié à l'Université de Xiangnan dans la province du Hunan. Le système peut identifier la maladie en moins d'une minute avec une précision de détection de 92 % et un taux de rappel de 97 % sur les ensembles de données de test.

Dans le domaine de la santé, la plateforme PaddlePaddle est utilisée pour créer des applications pour lutter contre le covid-19.

Une IA robuste sera nécessaire pour gérer les tâches de plus en plus complexes nécessaires à la croissance technologique. Baidu s'est engagé à développer la plate-forme d'apprentissage en profondeur PaddlePaddle avec des chercheurs en IA pour créer un avenir meilleur. Nous sommes ravis de voir ce que nous avons accompli en 2020 et attendons avec impatience de nouvelles percées à l'avenir.

cacher