北京冬季オリンピックまでのカウントダウン：人工知能は準備完了！あなたも？

「一つの夢」から「共に未来へ」へ

2つのオリンピック開催都市、北京

オリンピック聖火は今冬も歓迎される

しかし、14年前とは大きく異なります

2022年、中国は世界の人工知能の新たな波のリーダーとなるだろう

自動運転、自然言語処理NLP、マシンビジョンCV、ディープラーニングDL、データマイニングDM

人工知能のコンセプトの目を見張るような配列

2週間の氷と雪のイベントで全員が才能を披露する

北京冬季オリンピックでは、どうすれば時代の変化に対応し、人工知能を独力で使いこなせるのでしょうか？

今すぐお立ち寄りください。行く価値があります!

なぜ北京冬季オリンピックは真の人工知能オリンピックになると言われているのでしょうか?

中国のAI産業は、人工知能応用大国として、2022年北京冬季オリンピックの運営に全面的な技術サポートを提供してきた。北京冬季オリンピック組織委員会がある首鋼公園のレベル4自動運転シャトルフリート、多言語を認識できるインテリジェントカスタマーサービスロボット、選手の動きを正確に識別できるAI機械審判など、一連のAI冬季オリンピックプロジェクトが2月に発表される予定だ。

実際、2018年の平昌冬季オリンピックでも、2020年の東京オリンピックでも、最近の2つのオリンピックでは、自動運転や顔認識などのAIサービスが広く活用されています。北京冬季オリンピックは、AIが初めて使用されるオリンピックではありません。しかし、過去2回のオリンピックにおける表面的な「ギミック」的なAI活用とは異なり、北京冬季オリンピックではAI技術を全面的、体系的、かつ綿密に活用します。これには深い現実世界の根拠があります。日本や韓国とは異なり、中国の急成長中のAI産業と世界をリードするAI人材プールは、北京冬季オリンピックをAIオリンピックのマイルストーンにする「自信」です。

冬季オリンピックで驚異的なAI技術を、普通のハードウェアを使って実際の業務に活かすにはどうしたらいいのでしょうか？

職場のバックボーンとして、冬季オリンピックの目を見張るような人工知能技術に直面したとき、好奇心を持つことに加えて、インターネット上のAI学習チュートリアルを活用し、簡単な学習を通じて仕事を楽にすることもできます。さっそく、ハードウェア デバイスを手に入れて、AI を使用して作業をスピードアップしましょう。

自動運転とディープラーニング

人工知能の最高峰、自動運転。首鋼公園ルートの冬季オリンピックL4自動運転シャトルは、中国の世界をリードする人工知能の能力を鮮明に示したと言える。

自動運転技術を学ぶ際に理解しておくべき最も重要な技術分野の一つがディープラーニングであり、その中で最も注意を払う必要があるハードウェア性能がGPUです。注目すべきは、同じディープラーニングトレーニングタスクを完了する場合、GPUコンピューティングクラスターの使用コストはCPUコンピューティングクラスターの200分の1に過ぎないことです。鳥瞰図変換や車両姿勢角（オイラー角）などの自動運転アルゴリズムを実行する場合、GPUに対する要件は他のシナリオよりもはるかに高くなります。GPUビデオメモリが不足すると、「CUDAメモリ不足」の状況が発生する可能性が非常に高くなります。バッチサイズを縮小して小さなビデオメモリに適応したとしても、モデルの精度は犠牲になります。強力な GPU を使用してニューラル ネットワークを構築し、自動運転を実現することは実証済みの方法であると言えます。

冬季オリンピックのインテリジェント顧客サービスロボットと自然言語処理 (NLP)

冬季オリンピックで使用されたインテリジェントカスタマーサービスロボットシステムでは、対話システムは、ドメイン範囲が狭く、トピックが明確であるなどの特徴を持つタスクベースの対話であり、その機能は主に自然言語処理（NLP）に基づく自然言語理解（NLU）によって決定されます。

自然言語処理作業を実行する場合、単純な POS タスク (NLTK などの自然言語処理ツールキットの呼び出しなど) は一般的な PC で処理できます。ただし、ディープラーニングベースの NLP、特に NLU を使用する場合は、全体的なセマンティック処理速度を高速化するために、GPU パフォーマンスに加えてコンピューターの SSD 速度にも注意する必要があります。

AIジャッジとコンピュータービジョン（CV）

北京冬季オリンピックで導入されたAI採点システムは、一瞬の動きを空間座標上の定量的なデータ指標に変換することができます。動きを修正する場合でも、シミュレーションデモンストレーションを参照して動きを採点する場合でも、非常に高い精度を実現できます。試合前の選手のトレーニングを支援するだけでなく、試合中に人間の審判が採点作業を完了するのを支援することもできます。

実際、ここで使用されているターゲット認識とターゲット追跡は、コンピューター ビジョン (CV) の分野における長年の研究課題でした。人工知能の重要な部分であるため、当然ながら GPU とメモリに対する要件は高くなります。現在の CV プロジェクトでは、計算を実行するためにリモート サーバーが一般的に使用されているため、コンピューターのネットワーク カードも真剣に検討する必要があることに注意してください。ネットワークが遅いと、慎重に導入したリモート サーバー環境の有効性が低下するだけです。