联想大脑：‘智’同道合，势在必‘型’

智通财经APP获悉，9月8日，2021联想创新科技大会在线上召开。联想集团(00992)高级副总裁、首席技术官芮勇出席会议并发表演讲。

芮勇发言全文如下：

大家早上好！我是芮勇。非常欢迎大家参加2021联想创新科技大会。一年一度的盛会，是联想展示技术创新的一个重要的舞台。

今天，人工智能已经极大程度地改变了人类的生活和生产方式。如元庆所说，人工智能是推动智能设备和智能基础设施解决方案的关键要素，是驱动行业智能化转型的核心技术。

联想基于30多年对行业数字化，智能化的深度理解，打造了一个面向行业智能化的人工智能平台 -- 联想大脑。 我今天跟大家分享的主题就叫做——联想大脑：智同道合，势在必型，以此来表达联想基于业界领先的人工智能技术，与诸位携手，共同推进行业智能化转型的愿景和决心。

联想大脑是联想自主研发的企业级人工智能平台，为行业用户提供云-边-端全场景、全生命周期的AI方案构建、部署和运行支持。用户可利用联想大脑云侧的大规模分布式训练引擎构建符合场景需求的AI模型；模型不仅可以部署在云侧，压缩后也可以部署在边侧和端侧；在边侧和端侧如果遇到之前没见过的新问题，联想大脑还可以利用小样本终身学习实时更新边侧和端侧模型。更重要的是，随着场景化AI模型的不断丰富，用户可通过一站式开发环境自动生成AI解决方案，并实现规模化部署。联想大脑提供6大类100余项人工智能能力，已广泛应用在了联想的智能设备、智能基础设施、以及行业智能化的一系列产品和服务中，为制造、医疗、教育、金融、零售等多个行业提供了智能化解决方案。

在不断赋能行业的实践中，联想发现，各行各业在智能化转型过程中都面临着一系列共性的痛点，可归纳为三大类，一是模型构建难，二是数据样本少，三是场景适配慢。

先说模型构建难。在企业中，有很多业务专家，他们熟悉具体业务场景，想要通过人工智能来解决遇到的问题，但他们可能不是人工智能专家，可能不知道该怎样搭建合适的模型。传统的做法是请专业的人工智能专家手动搭建模型，不光耗时耗力，而且很难充分地利用计算资源达到精度和时延的联合最优。另外一个做法，是利用机器学习技术，搜索神经网络架构，这种方法能够节省人工成本，但是会耗费大量的GPU算力。

针对这个典型的行业痛点，联想创新地提出了“多层级细粒度神经网络架构搜索”技术，它能为不懂人工智能的业务人员，省时高效地构建出高精度模型。

现在，让我们一步一步抽丝剥茧，看看这个技术是如何实现的。

首先，为减少搜索空间，联想创新地提出了模块间- 层间- 层内的渐进式搜索方法，相比传统的神经网络架构搜索方法，能更快得到一个精度最优、时延最小的网络架构；在此基础上，又利用首创的网络权重预热技术，通过近邻采样，对网络架构的权重赋予先验初值，使得模型训练能快速收敛。这样一来，就让神经网络架构搜索赢在了起跑线上。

有了这一技术的加持，以图像分类问题为例，构建同样精度的模型，所需GPU算力仅为业界常用方法的1/10，效率大幅提升，能源消耗和碳排放水平也大幅降低。

除了模型构建难，行业智能化转型的第二个共性难点是样本数据少，也就是说当模型被部署到边侧或端侧以后，面对新出现的问题和任务，很难收集到有效样本数据。

联想创新地将“数据增强”和“元学习”结合，打造了“小样本终身学习技术”。

举个通俗易懂的例子，学开车。比如，你会开小轿车，但需要学习开大卡车。两者虽然存在不少差异，但会开小轿车的话，学开大卡车总比从零开始学更容易，因为有些基础可以借鉴。这就是元学习 meta learning的原理。通过借鉴不同任务的相似之处，来实现任务层面的学习能力泛化，提升模型不断适应新任务的能力。此外，我们还通过原始样本空间增强、模型特征空间中数据扩充、风格迁移等方式，扩充了样本容量，丰富了数据分布，进一步提升了模型的学习能力，从而实现终身学习。

运用了小样本终身学习技术之后，仍以图像分类问题为例，达到相似精度所需要的训练样本数量可下降两个数量级。

有了1. 多层级 细粒度 神经网络架构搜索，和2. 小样本终身学习 这两项关键技术，企业就可以解决许多智能化转型过程中的具体问题了。而当新的场景需求出现，比如新建一条智慧产线或智慧厂房，如何利用已有的能力迅速规模化复制一套完整的解决方案？这需要考虑到一系列因素：比如，新任务场景需要调用哪些人工智能能力组件？它们以一种什么形式组合、连接起来才能发挥作用？它们分别应该跑在哪些设备上，才能满足算力、存储、网络、功耗等资源需求？综合考虑这些因素是很困难的，往往需要多年从业经验和反复试验才能找到较优的方案。这就产生了第三个痛点，如何快速高效地适配新场景。

而有了联想基于多目标优化的解决方案自动生成技术，用户只需输入新场景任务和限制条件，算法就能自动确定需要哪些模型、跑在哪些设备上能达到用户所期望的性能、模型之间如何进行协作等等，从而构建出最优的完整方案。

有了这一技术，原来需要几周才能搭建出一套新场景的智能化方案，现在几个小时就可以完成。

联想大脑的这些业界领先的核心技术，正在赋能许多行业的智能化转型，比如在联想武汉工厂，手机产品质量检测的背后就是联想大脑。

以点胶检测为例，手机线路板上的胶路如果出现断裂、外溢等缺陷，会缩短手机使用寿命。为了解决点胶缺陷检测问题，工厂的技术人员无需聘用AI专家团队，自己就能通过联想大脑云侧的细粒度多层级网络架构搜索技术，快速构建符合要求的缺陷检测模型。模型部署到工厂边缘侧之后，在实际推理任务中，往往还会遇到此前模型训练时从未见过的新缺陷问题，对于这类问题，短期内难以收集到充足的样本。而利用联想大脑的小样本终身学习技术，可实时地在边缘侧更新模型，并同时实现云侧母模型能力的持续提升。

与此同时，随着工厂业务场景的扩展，联想大脑的一站式自动解决方案生成技术，可以帮助工厂迅速完成规模化解决方案在云、边、端侧的最优化部署，实现设备资源利用的最大化。在联

想大脑的赋能下，联想的智能制造能力也正在从内生走向外化，赋能多家制造龙头企业的智能化转型。

除了智能制造，联想大脑也在推动其他很多领域的智能化转型，包括教育、医疗、环境保护等，持续助力社会公平以及可持续发展。比如在教育领域，依托联想大脑打造的人工智能虚拟助教，能够为欠发达地区的学生带去名校的优质教学方法和资源，促进教育的均衡化健康发展。

打造技术联想，共创智慧未来。联想大脑作为联想智能化转型的核心引擎，是一个开放的平台，支持第三方开发者贡献模型以及生态共享。非常欢迎行业伙伴参与联想大脑的共建，让我们携手打造一个更加智慧和美好的未来！

谢谢大家!