- From: xueyuan <xueyuan@w3.org>
- Date: Mon, 9 Nov 2020 10:00:08 +0800
- To: public-china <public-china@w3.org>
W3C 中国区成员： 大家好！ 欢迎参阅 W3C Web 与机器学习技术研讨会报告： https://www.w3.org/2020/06/machine-learning-workshop/report.html W3C 于今年9月在线召开了 Web 与机器学习技术研讨会，这是 W3C 首次以线上形式举办技术研讨会。研讨会汇集机器学习工具和框架提供者及 Web 平台从业者共同探讨了如何为机器学习在开放 Web 平台上的应用提供更好的基础支撑。 本次会议提前发布了34份预录的讲者报告，涵盖了基于浏览器的机器学习所面临的机遇和挑战、Web 平台基础、以及开发者和用户对机器学习技术的观点。预录演讲参见： https://www.w3.org/2020/06/machine-learning-workshop/presentations_zh.html 与会者认为可以将 Web 神经网络 API (Web Neural Network API) 揭示的用于机器学习推理的低级图元作为主要的标准化方向。 https://webmachinelearning.github.io/webnn/ 这项工作自2018年底以来一直在 W3C 社区组中孵化。本次研讨会之后，W3C 制定了接下来的具体计划，并开始筹备 Web 机器学习标准工作组，以进一步对 Web Neural Network API 进行标准化。编辑中的 Web 机器学习工作组章程参见： https://w3c.github.io/machine-learning-charter/charter.html 此外，W3C 和 Ecma 之间存在更多紧密合作的机会，以推动有助于机器学习的 JavaScript 语言功能的开发。同时也识别了可以孵化的其他的提案，包括 Model Loader API 研究用于加载预训练机器学习模型 API 的互操作性，媒体管道优化，以及有助于解决机器学习偏差和透明度问题的机器可读 Model Cards 提案。这些提案将在 W3C 的社区组中得到进一步孵化。 与会者也将与广大社区成员继续探讨以下问题，识别如何将 Web 平台功能更好地用于机器学习生态，例如 * 需要哪些模型上的内省数据来满足渐进式增强方法？ * 需要什么样的架构以在多个设备（包括边缘计算）间分配机器学习任务？该话题与 W3C 现有的 Web & Network 兴趣组工作相关。 * 机器学习模型存储是否需要特定的浏览器自适应，还是文件系统访问 API 能够满足所有需求？ 本次线上研讨会的形式也受到了与会者的欢迎，同时也显示出在全球疫情形势下 W3C 适应日益依靠线上协作技术的不断变化的社会环境的能力。 W3C 特此感谢本次活动的赞助方 futurice、项目管理委员会、全体与会者对本次研讨会的大力支持。关于研讨会各个线上讨论环节详情以及未来实施细节，欢迎进一步阅读研讨会报告。 更多内容，欢迎关注W3C中国： 官网：http://www.chinaw3c.org/ 微博@w3c中国：http://weibo.com/w3cchina 微信：W3C资讯 祝好！ 贾雪远 -- Xueyuan Jia - W3C Marketing and Communications mailto: xueyuan@w3.org
Received on Monday, 9 November 2020 02:00:17 UTC