上海2017年4月1日电 /美通社/ -- 近期，由七牛云组织的的架构师小组交流会在线上举行，Polarr 联合创始人宫恩浩、搜狗大数据总监高君、七牛云 AI 实验室负责人彭垚参加了活动，讨论中三位分享人对深度学习框架选型、深度学习的未来趋势展开了交流和探索。

分享开始，Polarr 联合创始人宫恩浩介绍了Polarr（国内叫泼辣修图），Polarr在美国是做图片大数据的，有云端，也有手机端，PC 端，Polarr通过 App 收集数据，建立优化的算法，我们在云端提供图片整理、图片选择、图片信息的识别，把识别的模型通过压缩手段，把整个深度学习放在手机的 App，实现图片裁定、识别、选择、渲染，在这当中会应用到很多深度学习的功能开发。随后介绍了自己在网络压缩方面的做法：首先，要找到一个最适合的架构，这部分得根据具体的应用、性能要求来定。其次，是网络压缩，在不改变模型效果前提下尽量减少模型参数。最后，是模型编码，Polarr 有在做想把图像识别的 Network 放在手机上，那么首先基于模型压缩。具体实现的方法是：每步迭代的时候，一部分把小的部分变成零，然后不断迭代优化，最终模型还有一些优化，会小很多。然后同时还可以在手机上 Network 优化编码，我实验的时候权重也可以从原来的 32 位 float，变成 16 位，就是少了一半，或者是变成 8 位的话做了 encoding 就会小很多，基于这些（优化模型结构，阈值让模型稀疏，编码来减少存储）就可以不断进行压缩。

搜狗大数据总监高君给大家分享了在广告领域深度学习的应用案例。他表示，搜狗从用户端的产品来讲，有两个产品与深度学习有较强关系，一个是语音识别，应用在输入法，用于语音输入转文本，另一个是图像搜索。搜狗推荐是以推荐结构化数据和推荐非结构化数据两种都有的模式，对于搜索广告来讲，它是有一个明确的查询词，你可以理解为是一个结构化。假设把文本理解为结构化，那么对于展示类的广告就很复杂了，为了提高线上的 CTR，需要明确用户的兴趣，那么处理用户兴趣的过程中，它的数据差异非常大，肯定会用到搜索，但是也会用到它站内的一些浏览的行为，比方说我们拿到客户站内所有的数据，它整个数据的来源很复杂。所以对于展示类广告来讲，可以认为所有的处理的数据基本都是异构的，可以理解为是个非结构化的问题。

最后，七牛云 AI 实验室负责人彭垚分享了七牛AI 方面的战略，他表示，七牛是一个以云存储起家的公司，在七牛云平台上面有广泛的图像、视频、音频的数据，富媒体客户非常多，所以七牛云AI 实验室的主要职责是对大量的富媒体数据去做分析，并做一些内容审核，识别等相关领域的应用，以服务我们平台上面的客户。包括像视频分析之类的，包括一些视频通用检测的一些功能，我们会致力于解决我们平台上客户的实际问题来投入这方面的研究，主要是视频分析领域，因为我们存储上面视频非常多，视频的细粒度检测也是其中的一个重点方向。

深度学习是人工智能发展的一个里程碑，虽然深度学习已经在语音识别、图像识别、预测分析、机器翻译等领域小试身手，从三位专家分享的技术方向来看还深度学习的技术处在初级阶段。谁也不能保障深度学习在未来是否能够成为人工智能最基础的方法，或许会有新的更好的技术替代深度学习，但是可以肯定的是，人工智能的梦想不再遥远，机器将在不久的将来像人类一样思考。