分享至
從修復老電影到研發新藥，它如何發光發熱？
在老電影《橫空出世》中，中國第一顆原子彈成功爆炸的一幕被搬上熒幕，成為影史經典。二十多年后的今天，人們不但可以重溫這一幕，甚至可以在高清設備上獲得更佳觀看體驗。這背后，少不了“膠片醫生”的貢獻。
上圖右側為電影頻道-百度•文心大模型修復畫面。截圖自電影《橫空出世》
新“膠片醫生”
在以前，“膠片醫生”是電影修復工作者的別稱。在電影頻道節目制作中心（簡稱“電影頻道”）擁有的約2萬部中外電影資源中，超半數以上是用膠片拍攝的。
為讓影視經典色彩更豐富、畫面更高清，“膠片醫生”們往往要在老電影“分辨率低、噪點高、色彩飽和度低”等問題上“動刀”。
影片主要靠人工手動逐幀修復，費時耗力。隨著人工智能（AI）技術的進步，AI一度成為“膠片醫生”的得力助手。然而，面對有諸多細分環節的電影修復工作，傳統的模型研發所需數據和時間成本都很高，AI修片的效率和效果難孚眾望。
轉機發生在AI超大規模預訓練技術的突破之后。
近日，百度聯合電影頻道，發布業內首個影視行業“智感超清大模型”——電影頻道-百度•文心。智感超清大模型深度結合百度AI技術能力和電影頻道長期積累的視頻修復數據，通過對超分辨率、去噪、去模糊、去壓縮等多任務的聯合預訓練、億級參數量的學習，可實現對多種損壞情況的修復，并通過畫質提升、邊緣銳化等方式增強視頻的清晰度，達到全方位提升視頻修復效率和觀感體驗的效果。
另外，智感超清大模型可以用一個模型同時處理影片修復的多個任務，全方位助力電影頻道提升視頻修復效率。
測試數據顯示，使用電影頻道-百度•文心大模型每天可修復視頻28.5萬幀，解決了絕大部分畫面的修復問題。即便是需要人工進一步精修，修復速度也能提升3~4倍。并且，在老片“超清化”中，大模型可針對影片進行自適應色彩增強、清晰度增強、時序插幀、SDR轉HDR等，全面提升老電影的畫質，使其煥發新生機。
11月30日，Wave Summit+ 2022深度學習開發者峰會線上舉行，“電影頻道-百度•文心”也與一眾行業大模型一起亮相。在“電影頻道-百度•文心”的加持之下，AI成了新的“膠片醫生”。
這一案例也深刻地表明，AI正隨著深度學習平臺與大模型技術的成熟而逐漸變得更穩健和有效率，而這也為AI普惠的加速到來鋪平道路。
AI普惠，腳步加快
在Wave Summit+ 2022深度學習開發者峰會上，百度首席技術官、深度學習技術及應用國家工程研究中心主任王海峰道出AI普惠加速背后的關鍵：“深度學習平臺+大模型”能夠貫通AI全產業鏈，夯實了產業智能化的基座。
“深度學習平臺+大模型，貫通了從硬件適配、模型訓練、推理部署，到場景應用的AI全產業鏈，夯實產業智能化基座，進一步加速產業智能化升級。”王海峰解釋說，作為基礎共性平臺，開源開放的深度學習開發平臺下接芯片、上承應用，堪比智能時代的操作系統；而大模型具有效果好、泛化能力強、研發過程標準化程度高等特點，對深度學習模型的開發、訓練和推理部署都提出了更高的要求，牽引著深度學習平臺的發展方向。
王海峰表示，具有算法、算力和數據綜合優勢的企業，可以將模型生產的復雜過程封裝起來，通過低門檻、高效率的生產平臺，為千行百業提供大模型服務。“大數據、大算力、大模型能力僅需少數企業操心，千行百業直接應用即可。”
這樣的產業化路徑已經在文心大模型的產業實踐中得到驗證，聯合行業頭部企業研制行業大模型就是其中的重要實踐之一。
“冰城”哈爾濱，拿出城市跨業務、跨結構、跨部門的數據知識和多種任務算法，基于文心基礎大模型ERNIE 3.0打造面向城市領域的行業大模型——冰城-百度•文心。通過構建統一預訓練模型，冰城-百度•文心具備超強的語言理解、語義分析等能力，可望支撐城市各領域AI規模化應用的開發效率和效果的提升。
人民網，引入人民網輿情數據中心積淀的行業知識與任務樣本數據，聯合百度共建媒體行業大模型——人民網-百度•文心，目前已在“新聞摘編報告生成”等應用場景取得明顯的效果。未來，該模型還將用于新聞事件抽取分析、新聞評論聚合分析、新聞信息個性化推薦等更多場景。
吉利汽車的汽車專家攜手百度AI專家，向文心大模型“投喂”吉利汽車行業數據進行預訓練，得到性能更強、穩定性更高的汽車領域大模型吉利-百度•文心，目前已應用于吉利的智能客服系統、車載語音系統和汽車領域知識庫構建等業務場景中。
泰康保險集團則向百度分享其在保險行業特有知識，共同基于文心CV大模型VIMER-StrucTexT打造保險行業大模型——泰康-百度•文心。該大模型在泰康典型應用任務中表現亮眼，平均字段識別錯誤率相對下降，有望為AI技術更大范圍內落地保險鋪路。
此外，還有共同研發面向燃氣行業大模型“深燃-百度•文心”的深燃集團、聯合發布面向電子制造行業大模型“TCL-百度•文心”的TCL、共同打造知識增強的社科行業大模型“辭海-百度•文心”的上海辭書出版社……他們通過行業數據學習、知識挖掘、模型訓練，讓AI的觸角深入到安全質檢、電子制造、知識產權保護等各個領域。
加之此前已與百度共創行業大模型的國網電力、浦發銀行、中國航天，百度已與合作伙伴在十多個行業共創共建行業大模型，推動大模型“下場”，加快了AI普惠的腳步。
大模型生態初現崢嶸
峰會上，王海峰披露，飛槳生態持續繁榮，截至2022 年11月，平臺已凝聚535萬開發者、服務20萬家企事業單位、基于飛槳創建67萬個模型。
在深度學習平臺和預訓練大模型的加持下，越來越多領域的行業關鍵業務實現了AI“替補”人類“出場”，大模型生態初現崢嶸。
農業應用——農作物生長，防蟲害是關鍵。要防蟲害，及時、準確的蟲情監測是前提。以往，蟲情監測要耗費大量的人力、物力，即便如此也難以做到及時、準確。
寧波“微能物聯”通過與百度合作，借助飛槳EasyDL平臺產品及背后的文心CV大模型VIMER-CAE，研發了“微能蟲情測報系統”。這套系統通過“預訓練+微調”范式，實現資源復用和知識積累，提升模型的復用性，目前它已能夠根據引誘抓拍的圖像分析識別對應蟲害，并定制防治方案。
工業應用——韋士肯（廈門）機器人系統有限公司專注于汽車零部件的無損檢測。此前該公司針對公司在汽車零部件軸承、電池等上的質檢工作，采用的智能化方案準確率僅有 70%多一點，無法滿足需求；后來借助飛槳EasyDL（背后預置了百度大規模預訓練模型）圖像任務中的圖像分割應用，韋士肯降低了數據標注量，得到了優于原方案的模型效果。
保險業應用——某大型保險公司日常需要處理大量保險合同，復雜的合同條款和快速迭代的業務內容會給保險合同管理帶來巨大的人力成本。基于文心大模型，該保險公司實現了保險合同條款文本的自動解析識別，并智能提取39個維度的關鍵信息以便于業務系統管理。
在智能技術輔助下，該保險公司單份合同的處理時間降低到分鐘級，顯著提升了工作效率及準確度，大幅降低了人力成本。
銀行業應用——光大銀行過去各業務環節比較依賴線下人工流程處理各類文檔，經營成本高、運營效率低。為降本增效，光大銀行積極向智能化靠攏。然而，業務對AI需求多而復雜，模型生產成本、周期和效果有待改善。
后來，光大銀行以文心大模型為底座，統一規劃建設企業級AI平臺，不斷整合和升級AI應用能力、響應各類業務需求，目前已在手寫簽名OCR識別引擎、終端登記智能識別、私行代銷產品審核、合格投資者審核等場景實現應用，成果顯著。
科研應用（生物醫藥領域）——化合物的藥物代謝動力學（簡稱ADMET）預測問題對于制藥行業來說是一個極為重要的場景，若能在藥物研發早期就排除ADMET性質不佳的分子，針對ADMET性質對候選化合物進行優化，可大幅節省藥物研發大量的時間和資金投入。
在大規模的無標注化合物數據庫上訓練化合物表征大模型HELIX-GEM，使大模型學習到化合物中蘊含的物理化學規律和知識，進而將其應用在眾多的ADMET成藥性預測任務上，可一舉提升ADMET任務的效果。
與傳統實驗方法對比，該模型高效、準確，計算1000個分子的ADMET相關指標只需不到1分鐘的時間，且有更高的準確率。同時，計算的指標也更多，可以一次性預測50+種ADMET相關的指標，綜合效果超過其他機器學習方法4%以上。
談到大模型應用進展，在百度集團副總裁、深度學習技術及應用國家工程研究中心副主任吳甜看來，當下的大模型機制，封裝了復雜的模型生產過程和過程中各種各樣的消耗；如此，行業應用面對的是一個清晰、簡單、低門檻的界面，因此，大模型與深度學習平臺結合“給上層的應用帶來了更大的想像空間”。
-
焦點事件
-
企業風采
-
企業風采
-
產品技術
-
企業風采
-
焦點事件
-
項目成果
-
科技前沿
-
科技前沿
-
焦點事件
-
焦點事件
