DMAI

突破强认知 通向大一统人工智能

核心技术
DMAI在国际上率先提出面向“小数据-大智能”的DMOS技术架构。DMOS提出人机协作的认知架构,在表达学习、概率与统计范式下,统一及融合六大学科来达到通用人工智能,包括:计算机视觉、认知科学、自然语言理解和多模态对话、机器学习、机器人及博弈理论。DMOS平台通过统一六大学科技术,推广其在引导式教学、多模态交互、意图推理、情感语音合成等各个领域的颠覆性进展。不同于现有机器学习和深度学习系统的黑盒子特性,DMOS致力于研究可解释、可追溯、安全稳定和可自我诊断的AI技术,使其获得人类信任。DMAI进而也将打造强认知机器人并研发相关AI芯片。
多模态自然交互
通过自然语言教学与对话、高精准语音分离、风格化情感语音合成、陪伴式问答对话、多模态感知、场景化内容互动等技术,实现基于认知推理、任务和价值引导的多模态交互。
自适应机器学习平台
AutoML自适应机器学习平台为通用视觉和自然语言任务提供自动模型构建,优化和上线服务,提供易用、可扩展、一键式AI平台服务。
认知机器人与硬件加速平台
依托高层视觉语义理解和自然人机对话,认知机器人旨在让机器人具备物理推导、因果理解能力,以自主学习来实现认知,处理复杂情况,实现高效的协作。
多层视觉语义理解
精细化可解释性情绪情感分析,手势动作和意图识别,场景透彻解析,3D虚拟场景自适应构建。
认知科学和博弈理论
从心理学和认知科学角度分析和指导多层认知架构的建模,结合认知多层图结构推理,提供可解释性AI技术,实现小数据-大智能范式。
硬件技术
为支撑下一代人工智能平台的运行,研究中心将在人工智能前端硬件设备上部署研究开发力量。包括开发深度模型轻量化工具,帮助DMAI定制算法能以更高效率在低功耗前端硬件设备与高性能云服务器上流畅运行。DMAI还将打造定制化端到端工具链技术栈,以使快速迭代的AI算法能够被流水线式迭代部署在不同端与云设备。