主要研究自然语言处理研究领域的算法和应用实践。涉及语义解析、意图识别、FAQ 问答、多轮对话、知识图谱等关键技术，研究内容包括分词、向量表示、分类等文本预处理技术，以及将自然语言处理核心算法应用落实到智能客服、NLP 引擎、航天空管交互等实际场景中，团队研发的 AI 产品已经跟国内企业、研究所开展了长期合作并动态跟踪，获得了广泛的一致好评。 人工智能 NLP 引擎项目是基于多语种分词、多语种情绪识别、词句关系分析、意图识别、文本聚类等自然语言处理技术实现对海量录音文本的知识挖掘，识别重要信息。为录音服务行业下游业务的分析人员提供分析思路，以便得到多维度、多形式分析结果，将发现转换为可落地的业务决策，这些数据驱动的业务决策，包括客户体验、座席行为、产品改进、风险监测等多个方面，帮助企业改善用户体验、降低成本、提升效率、提升业绩、降低风险等。 1.多语种分词。分词指的是将一个字序列切分成一个一个单独的词，是将连续的字序列按照一定的规范重新组合成词序列的过程。文本在入库时调用接口进行了分词，分词可用于模型的匹配和热词的统计。 2.词句关系分析。根据词句关系接口识别的中心词，然后用中心词进行词频的统计，对于目标样本，统计出高频中心词用来概括目标样本中主要描述的对话内容。 3.意图识别。识别出客户语句的意图，以便进行相应的功能操作、信息推荐等。 4.多语种情绪识别。情绪识别是对包含主观信息的文本进行情感倾向性判断，正向或者负向（如果能提供训练数据集，可以识别更多种类的情绪）。为客户之声下游任务的口碑分析、话题监控、舆情分析等应用提供帮助。目前支持中文、粤语的情绪识别。根据情绪标识，用情绪进行搜索和统计分析。 5.文本聚类。文本聚类将一大段文本中心词和中心词的关联词、近义词生成一个图，用于可视化文本的内容。 6.自定义分词、意图。对分词分词、意图种类进行增删、扩展、微调等。

湍流-噪声-振动耦合与控制研究所作为人工智能控制湍流的先驱，结合机器学习方法，开创性地提出并研发具备“思维、创新”能力的人工智能控制湍流平台，并用于湍流射流控制，研究发现文献中从未报道过的湍流结构，其混合速率远超传统方法，主要成果即将在流体力学顶级期刊Journal of fluid mechanics上发表。鉴于该项成果在工程应用的重要前景，获国家自然科学基金“湍流结构的生成演化及作用机理”重大研究计划重点支持项目，亦作

（一）项目背景 针对现实场景中，存在需要对服务行业录音文件内容进行详细分析， 但是面对海量录音文件无法仅通过人力资源去逐一分析的弊端，本项目旨 在通过实际应用场景结合计算机和人工智能技术开发一个人工智能 NLP 引 擎，用以解决海量录音文件经过 ASR 转文本后，对录音内容进一步按需分 析，最终得到较为完整的分析结果，以便于企业进一步采取商业策略。 （二）项目简介 人工智能 NLP 引擎项目是基于多语种分词、多语种情绪识别、词句关 系分析、意图识别、文本聚类等自然语言处理技术实现对海量录音文本的 知识挖掘，识别重要信息。为录音服务行业下游业务的分析人员提供分析 思路，以便得到多维度、多形式分析结果，将发现转换为可落地的业务决策，这些数据驱动的业务决策，包括客户体验、座席行为、产品改进、风 险监测等多个方面，帮助企业改善用户体验、降低成本、提升效率、提升 业绩、降低风险等。 （三）关键技术 1.多语种分词。分词指的是将一个字序列切分成一个一个单独的词，是 将连续的字序列按照一定的规范重新组合成词序列的过程。文本在入库时 调用接口进行了分词，分词可用于模型的匹配和热词的统计。 2.词句关系分析。根据词句关系接口识别的中心词，然后用中心词进行 词频的统计，对于目标样本，统计出高频中心词用来概括目标样本中主要 描述的对话内容。 3.意图识别。识别出客户语句的意图，以便进行相应的功能操作、信息 推荐等。 4.多语种情绪识别。情绪识别是对包含主观信息的文本进行情感倾向性 判断，正向或者负向（如果能提供训练数据集，可以识别更多种类的情绪）。为客户之声下游任务的口碑分析、话题监控、舆情分析等应用提供帮助。目前支持中文、粤语的情绪识别。根据情绪标识，用情绪进行搜索和统计 分析。 5.文本聚类。文本聚类将一大段文本中心词和中心词的关联词、近义词 生成一个图，用于可视化文本的内容。 6.自定义分词、意图。对分词分词、意图种类进行增删、扩展、微调等。

汇萃人工智能实训平台采用了先进的模块化设计理念，创新性的将 python 编程、机器学习理论和方法、深度学习框架与工具等实验课程与机器人引导、机器视觉实训、人脸识别、语音识别等实践课程融合到一个平台，既有理论知识的学习，更有实践操作的体验。 平台集中展现了当前人工智能技术的主要应用场景，为培养人工智能领域人才的专业技能和素养，构建解决科研和实际工程问题的专业思维、专业方法和专业嗅觉提供了创新性的学习工具。同时，通过调整模块配置，平台还可做为智能制造领域专业训练平台，培养学生具备应对未来制造业及其它领域应用中对各种高速定位、测量、识别及检测等的专业技能要求。 // 输入电源：AC220V±10％ 50Hz// 工作环境：温度：-10 ～ 50℃，湿度≤ 90% 无水珠凝结// 外形尺寸：1500mm×900mm×700mm( 长 × 宽 × 高 )// 平台重量：220kg//额定功率：≤ 3.5KW//安全保护：急停按钮，漏电保护 , 光栅保护，接地保护 “一台多用，专业培养、灵活搭载、高效低价”， 这正是汇萃人工智能实训平台的最大特点。

产品详细介绍  一、概述 跟踪定位服务器是一款为教育录播系统量身定制的自动跟踪和导播切换一体化系统，采用先进的图像分析处理技术，内置多重智能策略，实现多区域、多目标、多策略的全自动跟踪和导播切换应用。产品汇集了传统的移动侦测、人脸识别和特征分析等技术的优秀理念，采用独创的图像分析技术实现全三维定位，准确识别跟踪对象，锁定目标进行智能化的精细控制跟踪，让跟踪效果平滑细腻。与超然多媒体录播一体机配合使用，可以实现对教室现场的全自动跟踪拍摄与智能导播。 二、产品优势 Ø  完全芯片嵌入式架构 硬件集成、嵌入式操作系统，保证长时间工作稳定，有效防止病毒和网络攻击。 Ø  先进的图像识别技术 采用全图像跟踪，汇集多种识别技术优势的智能图像分析处理技术，通过双镜头交叉实现全三维定位，识别精度高，抗干扰能力强，安全高效。 Ø  内置多种跟踪策略 自动跟踪和导播切换一体化系统，支持多重区域、多个目标、多级策略的综合模式。 Ø  抗干扰能力强 不受强光、电磁、声音等因素影响，在自然光照条件下可正常工作。 Ø  模块化设计 统一软硬件平台的教师、学生、板书模块化结构，模块可独立工作，也可组合工作，并在组合中激活模块联合策略，进行模块联动控制，实现更加丰富完善的自动跟踪和导播切换效果。 Ø  宽动态+微控制 宽动态+微控制，保证画面流畅稳定，不抖动，不晃眼。 基于对摄像机的综合精细控制，实现根据目标移动速度和动作幅度的智能景深调整，最大程度避免垃圾镜头，提升视觉感受。 产品功能 图像采集 采集定位摄像头的视频图像，根据现场的配备情况，最多同时支持采集8路定位摄像头的图像。 图像处理分析 将采集到的定位摄像头的图像进行智能处理与分析，汇集了传统的移动侦测、人脸识别和特征分析等技术的优秀理念，采用独创的具有自主知识产权的图像分析技术实现全三维定位，准确识别跟踪对象，锁定目标。 智能跟踪拍摄 根据图像处理分析的结果，对拍摄目标进行进行智能化的精细控制跟踪，让跟踪效果平滑细腻。采用独创的宽动态智能防抖+微控制技术，对目标动作和移动作出分析和判断，使目标在小范围移动或很缓慢移动的时候，摄像机可以进行以目标为中心的画面锁定拍摄或肉眼不易察觉的“微控制”跟踪拍摄，从而保证画面始终流畅稳定，不抖动，不晃眼，符合视觉需要。 教师跟踪模块 可以对教师的动作幅度、移动速度等作出分析判断，结合内置策略，对摄像机同时进行转动、推拉、俯仰的综合精细控制，从而使教师动作幅度由小到大，移动速度由慢到快的过程中实现特写、近景、中景和全景的平滑变化。弱化了由于目标移动，摄像机动作带来的画面大幅变化、抖动，晃眼、眩晕的视觉效果，解决了自动跟踪拍摄的一个业内难题。 教师模块支持对教室环境的区域划分，支持不同区域的自定义策略。比如教师在讲台区给予更多精细跟踪策略，在学生区的时候给予更多中远景策略，在各个区域都启用多目标策略，对于门口等区域启用忽略和回避策略等等。 学生跟踪模块 可以识别起立的目标，也可以识别移动的目标。对于起立目标，系统执行先动后切的联合策略，摄像机动作到位再切换画面，避免或减少垃圾镜头。对于移动目标，将主要采用类似教师跟踪的策略，保证拍摄平滑稳定，并与教师模块进行联动控制。 学生模块可以准确识别多目标并配合景深策略拍摄，当单一目标时，给予特写拍摄，当两个以上目标时，自动调整景深，使所有目标进入拍摄画面，直到全景。 板书跟踪模块 主要识别教师或学生的板书动作，自动给予特写拍摄，并根据板书者的肢体动作进行摄像机的“微控制”，清晰再现板书细节。 板书模块可与教师模块联动控制一台摄像机进行拍摄和切换，也可独立控制一台摄像机进行板书的特写拍摄，根据实际情况灵活确定。

云服务器（Cloud Virtual Machine，CVM）为您提供安全可靠的弹性计算服务。 只需几分钟，您就可以在云端获取和启用 CVM，来实现您的计算需求。随着业务需求的变化，您可以实时扩展或缩减计算资源。 CVM 支持按实际使用的资源计费，可以为您节约计算成本。使用 CVM 可以极大降低您的软硬件采购成本，简化 IT 运维工作。

1.嵌入式操作系统、SIP协议、电信级机架式、强大的抗病毒攻击能力，视频编解码采用H.264和H.265协议，满足超大用户即时会议需求； 2.配置多路8M IP会议接入能力，本机可扩容到500路8M IP会议并发接入能力； 3.支持5.3Kbps~32Kbps宽频语音、回声消除、自动增益、噪声抑制、 静音检测、智能均衡等多个领先功能； 4.支持多终端以不同网络速率参会，支持9种（32K/64K/128K/256K/512K/1024K/2048K/4096K/8192K）不同速率的分点参加同场会议。 5.支持MCU两级级联功能，可在主服务器和多台子服务器中同步运行，可提供检测报告； 6.强大的多画面显示功能，支持多分屏、不同大小、多窗口布局，最大可达33分屏，并可在会议中进行自由切换； 7.支持高清标清混合、软硬件混合、手机平板、PC端等多种客户端登录模式，有强大的跨平台多功能会议接入能力； 8.当IP网络丢包率在30%的情况下，仍然保证视音频质量不降低。智能包络修复技术可在网络条件非常差时保证视频图像不花屏； 9.可在WEB管理后台修改用户登录名、会议室显示名、登录密码、参会权限等并可管理会议室密码及各个会议室信息及日常日志； 10.同时支持H.323协议，与H.323协议视频会议终端和服务器可实现无缝对接双向互通； 11.高清会议中可录制到服务器上，后期可自主下载观看学习，服务器最长可录制250小时视频会议文件

云服务器 ECS（Elastic Compute Service）是一种安全可靠、弹性可伸缩的云计算服务，助您降低 IT 成本，提升运维效率，使您更专注于核心业务创新。  一、产品优势 弹性计算10年深厚技术积淀，技术领先、性能优异、 稳如磐石 稳定：单实例可用性达 99.975%，多可用区多实例可用性达 99.995%，云盘可靠性达9个9，可实现宕机自动迁移、快照备份。 弹性：支持分钟级别创建千台实例，多种弹性付费选择更贴合业务现状，同时带来弹性的扩容能力，实例与带宽均可随时升降配，云盘可扩容。 安全：提供DDoS防护、木马查杀等服务，提供支持可信计算、硬件加密、虚拟化加密计算的实例，通过多方国际安全认证，ECS云盘支持数据加密功能。 高性能： 单实例最高可选256vCPU ，内存6TB，主频3.8GHz，性能最高可达2400万PPS，80Gbps，100万IOPS，1600万session，网络时延20us+。 易用性： 丰富的操作系统和应用软件，通过镜像可一键简单部署，同一镜像可在多台 ECS 中快速复制环境，轻松扩展。 可拓展性： ECS 可与阿里云各种丰富的云产品无缝衔接，可持续为业务发展提供完整的计算、存储、安全等解决方案。 二、产品功能 1、丰富的实例类型和多种存储选择 面向各类企业应用场景，云服务器ECS将提供超过100款高性能规格族供您选择。按您的实际业务场景可选择不同配置实例搭配1到65块不同容量的存储磁盘。 2、VPC专有网络 基于阿里云构建的一个隔离的网络环境，专有网络之间逻辑上彻底隔离，只能通过对外映射的IP（弹性公网IP和NAT IP）互联。由于使用隧道封装技术对云服务器的IP报文进行封装，所以云服务器的数据链路层（二层MAC地址）信息不会进入物理网络，实现了不同云服务器间二层网络隔离，因此也实现了不同专有网络间二层网络隔离。专有网络内的ECS使用安全组防火墙进行三层网络访问控制。 3、快照与多种镜像类型 快照与多种镜像类型，支持您的业务快速部署。 4、多种付费和存储选择 通过包年包月、按量付费、节省计划、预留实例券和抢占式5种付费模式分别满足长周期低成本以及周期高弹性的计算要求。  四、应用场景 1、通用Web应用：大部分Web应用使用的架构，阿里云推荐C/G/R系列服务器，兼顾高效搭建使用及高性能处理能力。 2、在线游戏：高并发、瞬时计算量大的场景，阿里云推荐高主频及GPU服务器实现高计算性能与高图像渲染性能的需求。 3、大数据分析：对于频繁对存储读取的大数据应用场景，阿里云推荐大数据实例及本地盘实例，主从节点皆有性能优异表现。 4、深度学习：对于持续且大量的人工神经网络计算的深度学习场景，阿里云推荐GPU实例及AMD实例，不但性能表现卓越，同时大量节省成本

本项目研究面向成渝地区双城经济圈大数据智能产业需求，尤其是对智能制造、公共安全场景提供高效的视频流在线推理和管理平台，研发了一个通用性的智能中台架构，支持视频流和智能模型模块化管理，支持全程可视化操作交互式界面，支持视觉智能感知模型在线推理快速部署，支持感知与识别结果实时推送、预警和报警。

业界首个针对AI在极端和对抗环境下的算法安全性检测与加固的工具平台“对抗样本”成新型病毒，算法安全问题亟待解决随着人工智能技术的高速发展，人工智能在诸多场景正逐渐替代或协作着人类的各种劳动，它们可以成为人类的眼睛、耳朵、手臂甚至大脑。其中，机器视觉作为AI时代的基础技术，其背后的AI算法一直是各科技巨头和创业公司共同追逐的热点。然而在机器视觉诸多主流应用场景的背后，往往也藏着由技术性缺陷导致的算法安全风险。例如，在一些训练数据无法覆盖到的极端场景中，自动驾驶汽车的识别系统可能出现匪夷所思的决策，危害乘车人的人身安全。从2016年至今，Tesla、Uber等企业的辅助驾驶和自动驾驶系统就都曾出现过类似致人死亡的严重事故。并且这类极端情形也可能被恶意制造并利用，发动“对抗样本攻击”，去年7月，百度等研究机构就曾经通过3D技术打印出能让自动驾驶“无视”的障碍物，让车辆面临撞击风险。而以上攻击之所以能成功，主要是机器视觉和人类视觉有着很大的差异。因此可以通过在图像、物体等输入信息上添加微小的扰动改变(即上述故意干扰的“对抗样本”)，就能导致很大的算法误差。此外，随着AI的进一步发展，AI算法模型将运用金融决策、医疗诊断等关键核心场景，这类AI“漏洞”的威胁将愈发凸显出来。近年来，包括清华大学人工智能研究院院长张钹院士、前微软全球执行副总裁沈向洋等均提倡要发展安全、可靠、可信的人工智能以及负责任的人工智能，其中AI的安全应用均是重点方向。而且，AI安全作为新兴领域，在开源社区、工具包的加持下，对抗样本等攻击手段日益变得复杂，相关防御手段的普及和推广却难以跟上。并且对抗样本等算法漏洞检测存在较高的技术壁垒，目前市面上缺乏自动化检测工具，而大部分企业与组织不具备该领域的专业技能来妥善应对日益增长的恶意攻击。从安全测评到防御加固，RealSafe让AI更加安全可控就如网络安全时代，网络攻击的大规模渗透诞生出杀毒软件，RealAI团队希望通过RealSafe平台打造出人工智能时代的“杀毒软件”，帮助企业高效应对人工智能时代下算法漏洞孕育出的“新型病毒”。目前，RealSafe平台主要支持两大功能模块：模型安全测评、防御解决方案。其中，模型安全评测主要为用户提供AI模型安全性评测服务。用户只需接入所需测评模型的SDK或API接口，选择平台内置或者自行上传的数据集，平台将基于多种算法生成对抗样本模拟攻击，并综合在不同算法、迭代次数、扰动量大小的攻击下模型效果的变化，给出模型安全评分及详细的测评报告(如下图)。目前已支持黑盒查询攻击方法与黑盒迁移攻击方法。防御解决方案则是为用户提供模型安全性升级服务，目前RealSafe平台支持五种去除对抗噪声的通用防御方法，可实现对输入数据的自动去噪处理，破坏攻击者恶意添加的对抗噪声。根据上述的模型安全评测结果，用户可自行选择合适的防御方案，一键提升模型安全性。另外防御效果上，根据实测来看，部分第三方的人脸比对API通过使用RealSafe平台的防御方案加固后，安全性可提高40%以上随着模型攻击手段在不断复杂扩张的情况下，RealSafe平台还持续提供广泛且深入的AI防御手段，帮助用户获得实时且自动化的漏洞检测和修复能力。准确度99.99%也难逃被“恶意干扰”，RealSafe高效应对算法威胁 考虑到公众对于对抗样本这一概念可能比较模糊，RealSafe平台特意选取了公众最为熟知的人脸比对场景(人脸比对被广泛用于金融远程开户、刷脸支付、酒店入住登记等场景的身份认证环节)提供在线体验。并且，为了深入研究“对抗样本”对人脸比对系统识别效果的影响，RealAI 团队基于此功能在国内外主流 AI 平台的演示服务中进行了测试。实测证明，“对抗样本”可以极大的干扰人脸比对系统的识别结果，而测试的这几家互联网公司平台开放的人脸比对API或SDK，几乎覆盖了目前市面上很多中小型企业在落地人脸识别应用时的选择，如果他们的人脸比对技术存在明显的安全漏洞，意味着更广泛的应用场景将存在安全隐患。因此，为了帮助更大范围内的企业高效应对算法威胁，RealSafe平台具备以下两大优势：·  组件化、零编码的在线测评：相较于ART、Foolbox等开源工具需要自行部署、编写代码，RealSafe平台采用组件化、零编码的功能设置，免去了重复造轮子的精力与时间消耗，用户只需提供相应的数据即可在线完成评估，学习成本低，无需拥有专业算法能力也可以上手操作。·可视化、可量化的评测结果：为了帮助用户提高对模型安全性的概念，RealSafe平台采用可量化的形式对安全评测结果进行展示，根据模型在对抗样本攻击下的表现进行评分，评分越高则模型安全性越高。此外，RealSafe平台提供安全性变化展示，经过防御处理后的安全评分变化以及模型效果变化一目了然。从数字世界到物理世界 RealAI落地更多安全周边产品随着机器学习模型不断的升级演化，“对抗样本”已经演变成一种新型攻击手段，并且逐渐从数字世界蔓延到物理世界：在路面上粘贴对抗样本贴纸模仿合并条带误导自动驾驶汽车拐进逆行车道、胸前张贴一张对抗样本贴纸在监控设备下实现隐身……因此，除了针对数字世界的算法模型推出安全评测平台，RealAI团队也联合清华大学AI研究院围绕多年来积累的领先世界的研究成果落地了一系列AI攻防安全产品，为更多场景保驾护航。比如通过佩戴带有对抗样本图案的“眼镜”，黑客可以轻易破解商用手机的面部解锁，通过在胸前张贴特制花纹实现在AI监控下的“隐身”，以及通过在车辆上涂装特殊花纹躲避AI对车辆的检测。发现类似新型漏洞的同时，RealAI也推出相应的防御技术，支持对主流AI算法中的安全漏洞进行检测，并提供AI安全防火墙对攻击AI模型的行为进行有效拦截。人工智能的大潮滚滚而来，随之而来的安全风险也将越来越多样化，尤其近年来因AI技术不成熟导致的侵害风险也频频发生，可以说，算法漏洞已逐渐成为继网络安全、数据安全后又一大安全难题。所幸的是，以RealAI为代表的这些顶尖AI团队早已开始了AI安全领域的征程，并开始以标准化的产品助力行业降低应对安全风险的门槛与成本。此次上线RealSafe人工智能安全平台是RealAI的一小步尝试，但对于整个行业而言，这将是人工智能产业迈向健康可控发展之路的一大步。