《信息技术大数据系统基本要求》团体标准,本标准给出了面向机器学习的人工智能系统框架,规定了系统整体及各组件的功能要求。本标准适用于各领域人工智能系统及解决方案的规划、设计,可作为评估、选型及验收的依据。

随着摩尔定律的逐步失效,以异构计算方式提升应用的计算效能成为产业共识。 AI上层应用对运算性能、数据处理规模等需求不断增长,传统的计算架构及资源提供方式难以满足。 为满足应用对面向机器学习的系统的需求,有必要对系统整体和各组件的技术要求(包括功能、可靠性、兼容性、安全性、可扩展性、维护性、易用性等)进行规定并给出测试方法。 国内外已研制出各种异构加速单元,如何集成、利用、纳管这些异构资源,并在此基础上运行机器学习计算框架、进行模型开发和部署,满足应用对资源及算力不断提升的需求,成为产业对标准的迫切需求。 机器学习技术是开源主导,如Tensorflow ,Apache MXNet, Caffe等对机器学习的发展和普及起到了重要作用。

但开源技术距离商用尚有一定距离。 一方面机器学习涉及多种开源技术,开源技术间存在兼容性问题,如功能、接口等;另一方面开源技术在工程化方面有不足,难以支撑企业级应用,如功能完备性、扩展性、安全性、易用性等。 为支撑人工智能商业应用对面向机器学习的系统的需求,有必要对系统功能和非功能的技术要求达成共识。 本标准是通用的测试评估类标准,可指导人工智能系统的规划与设计,是后续评测、选型、验收的依据。 本标准适用于指导行业标准实践。 行业应用的发展依赖统一高效的机器学习基础能力,例如视频监控、违章分析、金融风控等应用都对机器学习的算力、性能、效率提出了更高的需求。 本标准规定的技术要求和测试方法可在行业落地,推动人工智能系统(算力、功能特性、资源供给等)满足行业应用的需求。 国际上ISO/IEC JTC1/SC42人工智能分委会立项了《基于机器学习的人工智能系统框架》, 其中机器学习能力(组件、算法、过程、资源层等)是标准的核心内容。 本标准领先国际标准对机器学习的技术要求进行细化,并规定测试方法,可影响、贡献国际标准,提升中国在国际标准中的话语权和影响力。 综上所述,本标准对推动面向机器学习的系统的发展,统一用户和厂商对系统核心能力的认知,帮助用户验证和选型有重要意义。 同时能够促进产学研结合,推动国际国内标准交流、国内标准出海,推动机器学习在各领域的普及和应用。

主要内容

参考链接:http://std.samr.gov.cn/gb/search/gbDetailed?id=91B7130A0EEDF892E05397BE0A0A978E

成为VIP会员查看完整内容
47

相关内容

视频分析中的人工智能 (AI)白皮书,16页pdf
专知会员服务
64+阅读 · 2021年5月6日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月17日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员