專(zhuān)刊序言

張玉志

南開(kāi)大學(xué)軟件學(xué)院，天津 300350

在我國(guó)，人工智能與各行業(yè)領(lǐng)域深度融合，技術(shù)創(chuàng)新蓬勃興起，核心產(chǎn)業(yè)規(guī)模持續(xù)增長(zhǎng)，具有很好的發(fā)展基礎(chǔ)和態(tài)勢(shì)。但同時(shí)，我國(guó)人工智能整體發(fā)展水平與國(guó)際先進(jìn)水平相比仍存在一定差距，尤其是在算法、框架和芯片等基礎(chǔ)技術(shù)層面存在“卡脖子”風(fēng)險(xiǎn)，還未形成具有國(guó)際影響力的生態(tài)圈和產(chǎn)業(yè)鏈。

智能計(jì)算平臺(tái)聚焦人工智能潛在卡脖子問(wèn)題，兼顧當(dāng)前需求與長(zhǎng)遠(yuǎn)發(fā)展，以統(tǒng)一異構(gòu)計(jì)算編程標(biāo)準(zhǔn)為基礎(chǔ)，以大規(guī)模分布式架構(gòu)為切入點(diǎn)，實(shí)現(xiàn)主流深度學(xué)習(xí)框架對(duì)國(guó)產(chǎn)加速芯片的支持，實(shí)現(xiàn)眾多計(jì)算節(jié)點(diǎn)的大規(guī)模集成和高效協(xié)同，為人工智能領(lǐng)域提供多模式的加速能力和計(jì)算支撐。

本期專(zhuān)刊將以智能計(jì)算研究中具有創(chuàng)新性和突破性的研究成果為主題，對(duì)相關(guān)基礎(chǔ)理論、關(guān)鍵技術(shù)和應(yīng)用技術(shù)進(jìn)行交流和探討，同時(shí)探索其在相關(guān)產(chǎn)業(yè)和領(lǐng)域的應(yīng)用前景。

在《基于知識(shí)圖譜技術(shù)的線上教學(xué)資源推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)》一文中，羅婕溪等利用知識(shí)圖譜相關(guān)技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了一種融合多種推薦策略的推薦系統(tǒng)，并將其應(yīng)用于線上教學(xué)資源系統(tǒng)中，在多學(xué)科領(lǐng)域內(nèi)的知識(shí)點(diǎn)推薦中展現(xiàn)出較好的效果，解決了線上教學(xué)資源種類(lèi)繁雜、數(shù)量眾多，且缺乏規(guī)范化構(gòu)建和系統(tǒng)化管理的問(wèn)題。[1]

由隋軼丞等人撰寫(xiě)的《基于OpenCL 的Tensor-Flow 框架中Element-Wise 算子實(shí)現(xiàn)》一文中，繼續(xù)對(duì)TensorFlow 的OpenCL 版本實(shí)現(xiàn)中的關(guān)鍵技術(shù)進(jìn)行深入研究。Element-Wise 算子作為T(mén)ensorFlow 框架的重要組成部分，使用廣泛，實(shí)現(xiàn)了較多的計(jì)算功能。其封裝和實(shí)現(xiàn)方式與框架中常見(jiàn)的實(shí)現(xiàn)方式存在較大差別，在代碼封裝和結(jié)構(gòu)上相對(duì)復(fù)雜。該文完成了對(duì)OpenCL Element-Wise 算子的實(shí)現(xiàn)和封裝，確保了TensorFlow 整體框架代碼的規(guī)范性和可擴(kuò)展性。[2]

李東聞等撰寫(xiě)的《NKCorpus：利用海量網(wǎng)絡(luò)數(shù)據(jù)構(gòu)建大型高質(zhì)量中文數(shù)據(jù)集》一文提出了一個(gè)流程完善高效的構(gòu)建大型高質(zhì)量中文數(shù)據(jù)集的框架NKCorpus，通過(guò)語(yǔ)言提取、文本清洗、數(shù)據(jù)去重等多種方法對(duì)原始海量網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行處理，并采用并行技術(shù)對(duì)處理框架的效率進(jìn)行優(yōu)化。利用該框架，目前已經(jīng)構(gòu)建了約700GB 的高質(zhì)量中文數(shù)據(jù)集，且規(guī)模仍在持續(xù)增加中，將為中文預(yù)訓(xùn)練模型等的訓(xùn)練提供高質(zhì)的數(shù)據(jù)資源。[3]

孫永謙博士等在《KPI 異常檢測(cè)方法評(píng)估》一文中，廣泛調(diào)研近年來(lái)國(guó)內(nèi)外KPI 異常檢測(cè)的相關(guān)工作，對(duì)各發(fā)展階段的KPI 異常檢測(cè)方法深入研究和分析，并挑選出13 個(gè)代表性方法進(jìn)行實(shí)驗(yàn)評(píng)估，總結(jié)整理了其一般性問(wèn)題、挑戰(zhàn)和框架，從準(zhǔn)確性、魯棒性和效率三個(gè)方面評(píng)估了以上方法的優(yōu)劣性。本文的研究和分析為將來(lái)的研究人員快速、準(zhǔn)確地選擇最適合其場(chǎng)景的KPI 異常檢測(cè)方法提供了依據(jù)。[4]

在《基于蒙特卡洛樹(shù)搜索的通用博弈系統(tǒng)的構(gòu)建與優(yōu)化研究》一文中，梁思立等人通過(guò)在蒙特卡洛樹(shù)搜索算法上增加記憶結(jié)構(gòu)來(lái)存儲(chǔ)在線博弈過(guò)程中的實(shí)時(shí)信息，用記憶結(jié)構(gòu)中博弈狀態(tài)的相似狀態(tài)來(lái)估計(jì)該狀態(tài)的好壞，并基于這一方法構(gòu)建了通用博弈系統(tǒng)。與原始的蒙特卡洛方法相比，本文所構(gòu)建的通用博弈系統(tǒng)在決策水平和效率上都有顯著提升，所提出的方法通過(guò)利用博弈的專(zhuān)門(mén)信息能夠有效地提升蒙特卡洛樹(shù)搜索算法的性能。[5]

由李思毅等撰寫(xiě)的《微服務(wù)架構(gòu)下的根因定位方法綜述》一文詳細(xì)介紹了微服務(wù)架構(gòu)下構(gòu)建故障傳播圖的方式以及基于圖推理的根因定位技術(shù)。結(jié)合云平臺(tái)上運(yùn)維及高可用的能力建設(shè)經(jīng)驗(yàn)，對(duì)現(xiàn)有的根因定位方法進(jìn)行梳理、總結(jié)。基于圖推理的根因定位方法在大型數(shù)據(jù)中心顯著提高了云上系統(tǒng)的穩(wěn)定性和可靠性，隨著數(shù)字化轉(zhuǎn)型的深入，微服務(wù)架構(gòu)下的根因定位技術(shù)對(duì)大規(guī)模云平臺(tái)的穩(wěn)定性保障將會(huì)起到越來(lái)越大的作用。[6]

上述系列文章各自從不同的角度闡釋了智能計(jì)算平臺(tái)在自然語(yǔ)言處理、知識(shí)圖譜等各個(gè)領(lǐng)域的應(yīng)用技術(shù)和創(chuàng)新工作，上層應(yīng)用能力的提升將進(jìn)一步推進(jìn)平臺(tái)的不斷創(chuàng)新與可持續(xù)發(fā)展。