引子
走進IBM中國研究院——作為IBM的科技引擎，在長長的專利牆旁，“The World is Our Lab”映入眼簾。其實在研究院，這是每位科研同事每天致力去做的事：在基礎科研、工業設計、以及商業AI方面不斷突破，創造成功案例，去實踐“世界是我們的實驗室”。剛剛走過的2018年是我們探索世界之旅的重要一環，既有大量的優秀科研論文發表，還有諸多引領工業界的創新。下面, 我們特地選取了幾個具備代表性的科技紀事為大家進行回顧。
頂級學術會議最佳論文
飛躍芯片前端設計
IBM與美國伊利諾伊大學厄巴納-香檳分校（University of Illinois at Urbana-Champaign，UIUC）合作論文“DNNBuilder: An Automated Tool for Building High-Performance DNN Hardware Accelerators for FPGAs”榮獲2018年國際計算機輔助設計頂級學術會議2018 ICCAD(International Conference On Computer Aided Design，美國聖地亞哥)最佳論文獎。
該合作論文的核心技術來自IBM中國研究院歷經三年自主創新的AccDNN技術——自動為人工智能（Artificial Intelligence，AI）系統生成高度優化的DNN（Deep Neural Network，深度神經網絡）加速器。AccDNN自動化工具旨在幫助沒有經驗的用戶自動且高效的將DNN模型轉換為在硬件上高效運行的RTL（Register Transfer Level,寄存器傳輸級）設計而無需任何手動工作。
通常有經驗的硬件工程師的開發週期大概4到6個月，利用AccDNN自動化工具可以在幾小時內生成高效的硬件設計，大大加快硬件產品的設計週期。並且AccDNN採用的自動設計空間探索方法，綜合考慮了多項硬件設計指標。利用AccDNN工具自動生成的硬件設計將神經網絡推理能力提升了2.25倍以及資源利用率提高了5.88倍。
採用混合量化模型所生成的極低位神經網絡，在嵌入式FPGA（Field-Programmable Gate Array，現場可編程門陣列）中，可以提供10 TOPS（萬億次每秒）算力而功耗低於5瓦，而同行技術達到相同的算力通常需要3.2倍的功耗。AccDNN技術目前面向不同國家和地區的開發人員和學生開放免費測評。任何用戶都可以在幾小時內為服務器端的IP攝像頭、無人機、機器人或雲AI設備開發高度優化的DNN加速器，使得日常生活中的終端設備具備人工智能的能力。
AccDNN技術顛覆性地改變了AI系統設計流程，大大降低了企業的障礙，使得企業能方便地在自動駕駛、安防、醫療等領域實現快速的功能部署，並且滿足應用的實時性，克服功耗以及嚴苛的資源限制。
IEEE傑出程序委員會主席獎
引領服務科學創新
近二十年來，IBM研究院長期致力於服務科學、管理與工程（Service Science, Management, and Engineering，SSME）學科的創建與發展，培育面向服務的新型交叉學科人才，建立可持續發展的生態系統，促進服務科學、管理與工程領域的學術繁榮，帶動學術界與工業界的聯合創新。
IBM中國研究院在面向全生命週期的雲服務設計、開發、測試、集成、運維、管理、優化等領域實現了開拓性的學術貢獻以及十多年的領域深耕，尤其在大規模分佈式系統的智能化運維研究方向上取得了技術突破，同時基於知識推理的配置信息發現技術獲得了世界頂級雲計算大會IEEE CLOUD的最佳論文獎。
2018年3月，在德國班貝格舉辦的第12屆IEEE 面向服務的系統工程國際會議SOSE(IEEE International Conference on Service-Oriented System Engineering)上，IBM中國研究院孟繁晶博士被授予了傑出程序委員會主席獎。
工業設計大獎
讓視覺智能觸手可及
2018年，PowerAI Vision團隊獲得了Spark工業設計大賽的金獎。在這個擁有12年曆史的世界頂級設計比賽中，PowerAI Vision憑藉卓越的用戶體驗，將AI訓練和部署化為輕鬆的點擊，超越了五百多參賽作品，獲得了用戶體驗設計金獎。
IBM中國研究院AI系統團隊是PowerAI Vision產品的核心開發團隊之一，正是通過他們的努力，使得複雜深奧的AI算法，變成普通用戶可以輕鬆入門的技術。PowerAI Vision平臺旨在為用戶提供基於深度學習的定製化視覺處理服務， 用戶只需上傳數據， 通過輕鬆的點擊、拖拽， 就可以完成圖片分類、目標檢測、數據增強等業務。
同時，用戶可以通過可視化技術瞭解深度學習的過程，待訓練完成後一鍵發佈， 便於用戶快速開發使用。針對不同的技術人群，PowerAI Vision還提供深度的模型性能分析、半自動化標註等功能，使得產品的開發效率提高10到50倍；深厚的系統優化技術，可以為從數據中心到Edge（邊緣）的不同應用提供深度學習服務；獨特的GPU（Graphics Processing Unit，圖形處理器）共享技術和容器雲技術， 支持大規模企業部署， 降低企業投入。
在良好的用戶體驗背後， 是AI系統團隊提供的複雜視頻/圖像分析和處理技術， 利用在Automation AI上的領先創新, 實現遷移學習、自動學習（AutoML）以及針對少量數據的精準快速學習。PowerAI Vision能提供多樣的深度學習和處理能力， 以此為基礎， 可以方便地構建針對行業應用的解決方案，為企業快速注入AI能力。
醫療臨床數據分析競賽奪魁
AI創新助力精準醫療
2018年9月至10月，IBM研究院參加了由美國著名醫院聯盟Partners HealthCare主辦的面向全球的數據分析競賽Biobank Disease Challenge。經過一個月的角逐，由來自中國、美國、以色列的IBM研究院聯合團隊從獲得參賽資格的50個團隊中脫穎而出，奪得第一名。
本次競賽致力於利用AI手段精準識別疾病表型和挖掘醫學洞見。鑑於個體複雜性，疾病表型的識別極具挑戰性，是實現精準醫療的重要基石。最終的參賽報告顯示，IBM的研究人員結合醫療領域知識與大數據手段，通過弱監督學習的方法從小樣本數據中學習、分析去隱電子病歷記錄，高效精準識別疾病表型，所構建的模型準確度高達87%。
慧眼識“英雄”
IBM AI Vision實現籃球賽視頻實時剪輯
2018年，騰訊體育轉播頂級籃球賽事期間，IBM助力騰訊體育實現人工智能視頻分析及剪輯。 IBM以領先的人工智能視覺深度學習平臺——被喻為“IBM AI Vision視覺大腦”，為騰訊NBA編輯團隊定製AI視頻剪輯方案，使海量歷史賽事視頻資料變得可搜索可隨需提取，讓每一幀每一秒的視頻價值最大化，為1.25億籃球迷提供最符合他們期待的在線觀賽新體驗。
利用人工智能技術實時剪輯體育賽事視頻，這在國內具有首創性。IBM人工智能視覺深度學習平臺給剪輯師帶來了驚喜和契機，“IBM AI Vision視覺大腦”讓機器學習看懂籃球。通過“多模態視覺理解技術”對視頻畫面進行“像素級跟蹤、識別”。在騰訊NBA直播賽事的同時, IBM人工智能視覺深度學習平臺就同步實時對騰訊直播環節的每一幀、每一秒視頻進行分析。
依據用戶及體育編輯設置好所需要的主題和球員等場景要求，IBM人工智能視覺深度學習平臺按照綜合評分選出最貼切主題的精彩視頻片段，幾乎實時自動生成一分鐘剪輯視頻，並加上特效處理。2、3小時的實時比賽，經過IBM AI Vision視覺大腦僅僅20秒鐘處理，即可輸出1分鐘成片。這種創新的剪輯方式，讓視頻剪輯更加高效，視頻內容更加個性化。
閱讀更多 IBM中國 的文章
