既然几乎所有可能的移动设备和设备都已经采用或至少尝试了语音控制，会话人工智能正迅速成为新的前沿。与处理一个查询并提供一个响应或动作不同，对话人工智能旨在提供一个能够跨越多个问题、答案和评论的实时交互系统。虽然会话人工智能的基本构件，如用于语言建模的BERT和RoBERTa，与用于一次性语音识别的构件类似，但该概念对训练、推理和模型大小有额外的性能要求。今天，Nvidia发布了三种开源技术来解决这些问题。

虽然在许多情况下，只需进行一些调优就可以使用预先训练好的语言模型来处理新任务，但是为了在特定的上下文中获得最佳性能，重新训练是必要的。Nvidia已经证明，它现在可以在一个不到一小时的时间内，在一个DGX超级pod上训练BERT(谷歌的参考语言模型)，该超级pod由1472台Tesla v100 - sx63 - 32gb gpu、92台DGX- 2h服务器和每个节点10个Mellanox Infiniband组成。不，我甚至不想试着估算每小时的租金是多少。但由于像这样的模型通常需要几天的时间来训练，甚至在高端GPU集群，这将肯定有助于时间为公司谁能负担得起的成本。

对于自然对话，行业基准是10ms响应时间。理解查询并给出建议的回复只是这个过程的一部分，因此需要花费少于10ms的时间。通过使用TensorRT 5.1优化BERT, Nvidia可以在一个Nvidia T4上在2.2ms内进行推论。很酷的是，T4实际上可以用于任何重要的项目。我将它们用于我的文本生成系统的谷歌计算云。在我做这个项目的时候，我租了一台4-vCPU的T4虚拟服务器，每小时租金刚刚超过1美元。

神经网络的一个致命弱点是要求所有的模型参数(包括大量的权重)必须同时存储在内存中。这就限制了可以在GPU上训练的模型的复杂性，使其限制在RAM的大小上。以我为例，我的台式机Nvidia GTX 1080只能训练8GB容量的机型。我可以在我的CPU上训练更大的模型，它有更多的内存，但是它需要更长的时间。例如，完整的GPT-2语言模型有15亿个参数，扩展版本有83亿个参数。

不过，Nvidia提出了一种允许多个gpu并行处理语言建模任务的方法。就像今天的其他公告一样，他们已经开源了代码来实现它。我很好奇这项技术是专门针对语言模型的，还是可以应用于其他类型的神经网络的多gpu训练。

随着这些技术的发展和代码在GitHub上的发布，Nvidia宣布他们将与微软合作，以改善必应的搜索结果，并与Clinc合作开发语音代理，在聊天机器人上开发人工智能，在对话分析上开发RecordSure。

据百度云工作人员介绍，这款最新版本的ABC一体机是一款为人脸识别闸机、智能安防、签到考勤、人脸登录等应用场景提供一体化交付的企业级AI设备。它集合了百度的集群管理软件、优化引擎和浪潮AI计算硬件平台，支持PaddlePaddle、TensorFlow、Caffe等主流深度学习框架，内嵌成熟的算法模型和云管理技术，将百度云ABC(AI 人工智能、Big Data 大数据、Cloud computing云计算)能力固化，为行业用户提供端到端的服务。

“去年发布的一体机，是面向模型训练的ABC私有化形式，利用企业自有数据进行快速的迭代训练;而今天发布的ABC一体机是内置了成熟的人脸识别算法模型，做到插电即可使用。此外，新版百度云ABC一体机具有更高的安全性和灵活性，能够帮助用户更快地实现训练任务与成熟算法模型的部署” 百度云ABC一体机的一位负责人表示。同时，经过优化和调整，百度云ABC一体机将具备更快的运行速度和更强的可扩展性。

百度云最新的人脸识别算法模型及软件，是通过1000片的超大规模GPU集群对海量数据进行训练，使人脸1:1验证准确率达到99.77%，这一指标已经超越人类的识别精度。此次发布的最新一代ABC一体机，内置百度云这套已经适配好的软件环境及训练好的模型，免去客户搭建模型训练集群所需的技术积累和极高成本。

具体而言，百度云ABC一体机可以根据人脸面部的72个特征点识别多种人脸属性，如性别、年龄、表情等信息，并计算人脸相似度，根据待识别人脸与现有人脸库中人脸的匹配程度，进行一对多的人脸检索，可用于用户身份识别、身份验证等相关场景。

根据百度云ABC一体机的产品负责人介绍， 目前百度的人工智能技术已经在金融、消费等领域实现落地应用。

百度云分别与泰康保险、银联商务等金融机构打造针对身份审核、移动支付等场景下人工智能解决方案。基于百度云人脸识别技术，用户只要上传自拍照片，再结合手机验证码和密码等手段，就可以完成客户身份核验，实现大量单据业务在线办理。