針對決策AI的技術難題,以及產學研協同創(chuàng)新過程中的諸多痛點,上海人工智能實驗室此次發(fā)布的革命性的決策AI平臺OpenDILab,首次將產業(yè)應用中對于訓練系統(tǒng)、環(huán)境接口、算法設計的需求與學術界進行了有效連接,底層依托創(chuàng)新的DI-engine實現了多種決策AI問題的標準化,中層提供全面豐富的決策類AI基礎算法集,頂層集成多種工業(yè)級生態(tài)應用,自下而上打通決策AI研究與產業(yè)需求的閉環(huán)。
全新的OpenDILab將涵蓋應用層、算法層、訓練層、支持層四大模塊,充分拓寬決策AI技術在學術研究和工業(yè)實踐中的深度和廣度。其中,應用層將提供多種決策場景和大量性能優(yōu)異的算子,助力AI做出最優(yōu)決策;算法層則提供多種常用模塊化組件,支持用戶多維度的擴展和定制,完成決策AI算法的大統(tǒng)一;訓練層內置了多種類型的執(zhí)行計算圖,可為小到學術研究,大到工業(yè)級應用的多種規(guī)模問題提供支持;支持層能夠支持異構計算和決策AI算法的結合,并在資源調度方面可依據算法和資源,動態(tài)管理整個訓練過程,提供異常自動化維護等多種微服務。
凝聚生態(tài)力量,加速決策AI行業(yè)應用創(chuàng)新
依托OpenDILab,基于豐富的決策AI算法,構建一個到手即用的工業(yè)應用生態(tài)成為可能,這將降低開發(fā)人員復現算法的難度,提高學術研究效率,加快學術成果的轉化速度,從而減少產業(yè)界的研發(fā)成本和重復投入。秉承這一理念,OpenDILab提供的決策類AI基礎算法集DI-zoo將通過全面、高效的算法庫,為研究者提供收斂快、上限高的算法實現,同時集成的DI-star、DI-drive等面向策略游戲、自動駕駛等領域的多種工業(yè)級生態(tài)應用,更將進一步幫助各行各業(yè)在決策AI的驅動下,實現關鍵的技術和應用突破。
DI-zoo涵蓋目前同類框架中最全的決策AI算法群,并對每一個算法在不同的學術界環(huán)境上進行了精心的適配,同時加入了大量基于研究員經驗的深度性能調優(yōu),使得相同算法對比原始論文和同類框架在精度上和效率上都有顯著的提升。借助DI-zoo,使用者無需進行額外的參數、代碼調整,就可以在不同的任務中一鍵實現最強的算法性能,讓深度學習更深,讓強化學習更強。
DI-star是面向策略游戲《星際爭霸II》的大規(guī)模分布式訓練平臺,可以讓AI在這款當前決策AI研究使用最廣泛、最有效的游戲中同時進行大量對局,通過自我博弈不斷進化,由此探索智能決策交互在產業(yè)界中的應用。DI-drive則是一套自動駕駛仿真訓練平臺,可通過決策AI在仿真器中構建極度貼近真實的訓練和評測場景,讓AI在自動駕駛的復雜交互環(huán)境中實現更加精準的決策、規(guī)劃和控制,真正加速高級別自動駕駛的創(chuàng)新步伐。
今年年底,OpenDILab還將提供諸如AutoML、信控等更多的工業(yè)級生態(tài)應用。伴隨這些應用的不斷更新和拓展,OpenDILab將為決策AI在更多行業(yè)、更多場景的應用,提供堅實的學術研究基礎,最終形成產學研協同共創(chuàng)的開源生態(tài),加速下一代人工智能的重大技術突破和創(chuàng)新應用的落地。
具體開源代碼實現詳見GitHub:https://github.com/opendilab/
