人工智能的滲透相對較淺 推出零基礎(chǔ)算法開發(fā)非常重要

短、平、快，零基礎(chǔ)自定義一套AI應(yīng)用模型

?？低旳I開放平臺在助力用戶自定義AI應(yīng)用模型方面，主要有5大服務(wù)流程：明確用戶需求-數(shù)據(jù)標(biāo)注-導(dǎo)入標(biāo)注后的數(shù)據(jù)做模型訓(xùn)練-模型部署-應(yīng)用上線，自定義一套AI算法應(yīng)用時(shí)間周期要多久呢？海康給出的答案是不超過一個(gè)小時(shí)。

在此前安防知識網(wǎng)對海康威視高級副總裁、研究院院長浦世亮的專訪中，浦世亮也特別提到了?？低曉贏I開放平臺上的思考，他認(rèn)為，AI技術(shù)在一個(gè)場景中的落地往往需要漫長而專業(yè)的開發(fā)過程，從數(shù)據(jù)的收集標(biāo)注、算法設(shè)計(jì)、訓(xùn)練、集成到上線往往需要?dú)v經(jīng)數(shù)月。而現(xiàn)在通過AI開放平臺，可以利用各種自動化的工具，使得AI算法的開發(fā)過程，變得非常簡易。一個(gè)零算法基礎(chǔ)的用戶，可以在一個(gè)小時(shí)之內(nèi)完成整個(gè)算法的訓(xùn)練及部署。

舉一個(gè)例子，比如一家連鎖商店的老板需要通過AI技術(shù)檢測商鋪門口是否堆有垃圾，但商戶本身沒有技術(shù)能力。這種情況下，只需要商戶注冊成為?？礎(chǔ)I開放平臺的合作伙伴，在線上傳幾十張自己拍攝的店門口的垃圾圖片，并通過平臺上的標(biāo)定工具標(biāo)定垃圾信息，同時(shí)選定攝像機(jī)，將標(biāo)定后的垃圾數(shù)據(jù)進(jìn)行算法訓(xùn)練后關(guān)聯(lián)到選定攝像機(jī)，商戶即可自行給普通的攝像機(jī)DIY出可實(shí)現(xiàn)垃圾堆疊檢測的AI能力，整個(gè)過程只需半小時(shí)左右。

安博會上百度云也重點(diǎn)展示了其VideoMind算法訓(xùn)練平臺。這套平臺同樣可提供從新建模型、創(chuàng)建標(biāo)簽、上傳數(shù)據(jù)、標(biāo)注數(shù)據(jù)、訓(xùn)練模型、評估校驗(yàn)、發(fā)布模型全流程服務(wù)。開發(fā)者幾乎可以零開發(fā)搭建一套業(yè)務(wù)demo，據(jù)介紹只需2~3天時(shí)間即可完成部署，省去業(yè)務(wù)系統(tǒng)基礎(chǔ)功能的重復(fù)開發(fā)、以及基于AI的業(yè)務(wù)功能的開發(fā)成本。

據(jù)了解，VideoMind已經(jīng)支持四類模型訓(xùn)練：場景分類模型，如識別出視頻中是工廠、農(nóng)田、還是建筑工地等;實(shí)體分類模型，如識別出視頻中出現(xiàn)的是貨車、跑車還是卡丁車等；自然攝像頭實(shí)體檢測模型，如識別出街邊的違章停車、無照游商、亂丟垃圾現(xiàn)象等；人體屬性檢測，如識別出工人是否戴安全帽，法官是否穿法袍等。

華為ModelArts2.0開放平臺可以以全流程的自動化升級已有的AI開發(fā)模式，助力用戶完成數(shù)據(jù)準(zhǔn)備、算法開發(fā)、模型訓(xùn)練、模型管理、模型推理全鏈條自定義AI應(yīng)用模型。

安博會上，華為展出的ModelArts2.0擁有十余項(xiàng)新特性及服務(wù)，包含智能數(shù)據(jù)篩選、智能數(shù)據(jù)標(biāo)注、智能數(shù)據(jù)分析、多元模型自動搜索、ModelArts SDK、圖神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)、模型評估/診斷、模型壓縮/轉(zhuǎn)換、自動難例發(fā)現(xiàn)、在線學(xué)習(xí)等，覆蓋AI模型全生命周期。

據(jù)現(xiàn)場工作人員介紹，ModelArts可自動學(xué)習(xí)，不斷提升識別的準(zhǔn)確度和運(yùn)行速度，還可以不斷擴(kuò)充模型類型，包括文本分類、行為識別等場景模型的定制化開發(fā)。

不同平臺在算法訓(xùn)練服務(wù)方面背后的核心技術(shù)

這三大算法訓(xùn)練平臺，幾大流程步驟雖然大同小異，不過不同的平臺在不同環(huán)節(jié)上都有針對性的核心技術(shù)來解決響應(yīng)的問題。

比如在處理數(shù)據(jù)瓶頸的問題上，針對數(shù)據(jù)樣本少的問題，?？低旳I開放平臺提供了基于領(lǐng)域模型的遷移學(xué)習(xí)能力。AI開放平臺訓(xùn)練了大量不同應(yīng)用領(lǐng)域的領(lǐng)域模型，根據(jù)用戶的任務(wù)，開放平臺會自動選擇的一個(gè)領(lǐng)域模型作為訓(xùn)練基礎(chǔ)，然后在這個(gè)訓(xùn)練基礎(chǔ)上利用場景數(shù)據(jù)進(jìn)行遷移學(xué)習(xí)，這樣可以讓用戶能夠用極少量的數(shù)據(jù)得到一個(gè)可用算法。

對于數(shù)據(jù)樣本單一的問題，海康威視AI開放平臺還開發(fā)了虛擬數(shù)據(jù)引擎，它可以利用三維建模、光線追蹤、對抗學(xué)習(xí)等技術(shù)生成虛擬數(shù)據(jù)來豐富訓(xùn)練樣本，虛擬數(shù)據(jù)引擎可以幫助用戶豐富訓(xùn)練樣本，大大降低了用戶的數(shù)據(jù)成本。

在數(shù)據(jù)標(biāo)注方面，華為ModelArts 2.0采用了混合智能標(biāo)注技術(shù)，據(jù)了解，這樣可以讓標(biāo)注效率獲得至少5倍以上的提升。還有智能數(shù)據(jù)篩選，即通過AI的方式自動過濾和篩選出對訓(xùn)練模型無效的數(shù)據(jù)。比如視覺類場景中失焦、過曝的圖片以及不符合應(yīng)用需求的一些無關(guān)圖片等等。

而在模型訓(xùn)練環(huán)節(jié)，華為ModelArts 2.0采用了多元搜索技術(shù)，可以將自動數(shù)據(jù)增強(qiáng)、超參自動搜索、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索等技術(shù)進(jìn)行融合，以幫助用戶快速構(gòu)建AI模型。與此同時(shí)，小樣本/半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、聯(lián)邦學(xué)習(xí)等前沿技術(shù)的融合應(yīng)用，不僅可以降低對訓(xùn)練數(shù)據(jù)的需求，同時(shí)還能夠讓模型隨著數(shù)據(jù)的增長和變化，實(shí)現(xiàn)在線持續(xù)學(xué)習(xí)和進(jìn)化，真正提供企業(yè)級的可進(jìn)化的AI。

在完成模型訓(xùn)練后，算法在產(chǎn)品端的移植工作也需要投入大量研發(fā)工作。為了提升從算法到產(chǎn)品的研發(fā)效率，?？低曢_發(fā)了自動編譯工具（AI編譯器），利用神經(jīng)網(wǎng)絡(luò)圖優(yōu)化、匯編優(yōu)化、指令編譯優(yōu)化等技術(shù)手段實(shí)現(xiàn)了算法在各類芯片平臺上的自動優(yōu)化及部署。

AI開放平臺提供自定義AI應(yīng)用模型服務(wù)的意義

將算法訓(xùn)練以工具的形式開放給廣大的零散的用戶，這是企業(yè)對于AI賦能意義接地氣的詮釋，也是實(shí)現(xiàn)價(jià)值轉(zhuǎn)換的基礎(chǔ)途徑。

AI開放平臺提供了數(shù)據(jù)標(biāo)注、算法訓(xùn)練、模型評估、應(yīng)用發(fā)布和部署的一系列能力，而廣大的行業(yè)用戶他們對于細(xì)分的業(yè)務(wù)需求有著充分的了解，而通過這一類AI開放平臺，則可以很好的聚合平臺以及用戶雙方的優(yōu)勢，讓AI技術(shù)能夠深度融合到實(shí)際業(yè)務(wù)需求當(dāng)中，實(shí)現(xiàn)定制化的AI應(yīng)用。

與此同時(shí)，通過AI開放平臺這一固定平臺，可以進(jìn)一步放大AI技術(shù)工具的通用性，讓這些能力成為可共享的資源，一定程度上也為海量的、零散的小型行業(yè)應(yīng)用需求提供了一個(gè)公共的入口，縮短了中小行業(yè)用戶在這方面需求響應(yīng)的距離和速度，讓傳統(tǒng)的可能需要以項(xiàng)目方式進(jìn)行的方案能夠短、平、快的快速完成方案設(shè)計(jì)和應(yīng)用部署。

并且，伴隨著平臺對各項(xiàng)個(gè)性化AI應(yīng)用模型訓(xùn)練經(jīng)驗(yàn)的積累，多元化數(shù)據(jù)的持續(xù)“投喂”以及業(yè)務(wù)應(yīng)用邏輯的聚合積累，也將不斷為平臺輸送“養(yǎng)分”，強(qiáng)化平臺在算法訓(xùn)練方面的普適性，從而讓模型訓(xùn)練的速度更快，也能夠完成越來越復(fù)雜的應(yīng)用類型的訓(xùn)練。