基于百度飞桨将AI真正落入产业实践


更新时间:2019-09-18

  央视曝光!这种玩具玩多了可能会中毒!二流研究生考博难么?,人工智能火了之后,要找一个“懂”人工智能的人才却依旧很难。当“深度学习”成为新一代科技革命与产业变革的核心驱动力量时,去点燃这“驱动力”的核心人才又将从何而来呢?

  纵观人工智能产业落地现况,据中国社会科学院科学技术和社会研究中心研究员段伟文指出,“我国到2020年人工智能核心产业规模要超过1500亿元,带动相关产业规模超过1万亿元,相关人才需求的缺口无疑是巨大的。”其中深度学习作为推动人工智能大规模产业化落地的核心技术,人才供求比例问题更是严峻。

  连心医疗要做的事,就是提升效率,而且不是缓慢提升。人工智能介入以后,利用计算机视觉当中的图像分割技术,AI可以将影像里的病灶与正常器官自动勾画出来,甚至还能帮助医生自动规划射线小时直接缩短至几分钟内可以完成,对于医生来说,仅需要最后对结果进行审核确认即可,生产力得到了莫大的解放,从而能够将更多精力放在治疗计划里其他重要的地方。

  已经被广泛使用着的“人脸识别”似乎成为大众最容易体验到的AI应用之一。但是会人脸识别就会其他物体的识别吗?其实没那么简单。行业与行业之间有着巨大的隔阂,而不投入人力物力去钻研,根本无法达到使用的阶段,更不用说“进入产业”。在这方面,掌握着足够资金,以及最重要的数据的大公司才有机会把这件事做成通用的框架,进而深入到产业当中去。

  一般来讲,自研算法是众多AI公司解决AI落地场景、真实应用于实践的一个难题。资源、精力、人才等等问题,让很多企业,特别是AI创业公司常常难以兼顾。而百度飞桨(PaddlePaddle)开源框架则可以填补算法的底层应用,帮助其他公司在AI领域快速使用深度学习的成型算法,解放出更多精力放在重要业务上。

  上面提到的“人脸识别”,就是CV(Computer Vision)——计算机视觉领域的技术能力之一。据了解,百度大脑AI开放平台九月份集中分享了基于飞桨的CV领域资料,面向众多开发者推出“百度大脑金秋九月CV盛典”。此次CV主题“盛典”分享了百度大脑自身扎根多年,在人脸识别、文字识别OCR、图像识别、AR/VR、视频理解、智能视频监控开发平台等,多个技术方向、解决方案案例以及公开课的参考资料,方便更多开发者了解应用,最终将技术带入产业中去。

  对于这样一套系统来说,三方的努力缺一不可。检测模组轻巧方便,可进行轻量化的计算,芯片模组对能耗的要求不能太大,挂在树上就能轻易开启观察;后台分析需要用到的深度学习算法,是嘉楠捷思通过百度飞桨开源的深度学习框架拿到模型,快速开发落地,时间上得到保证;林业大学最懂行业需求,合力促成了对产业的认知和诉求的解决。目前,智能害虫检测项目得到初步验证,逐渐接触商业化方向。

  “AI芯片在各个场景都会尝试落地,我们手头上就有很多项目可以结合飞桨深度学习平台进行落地,来到百度黄埔学院就是想验证项目与百度飞桨深度合作,会产生什么样的火花。”翟新刚在沟通中提到的百度黄埔学院,就是百度联合国家深度学习技术及应用国家工程实验室,专为AI核心人才提供深度学习技术培训的机构。说到百度黄埔学院,又不得不提到一个略显神秘、科技企业却几乎必备的职位——AI架构师。

  在百度黄埔学院第二期开学典礼现场,百度AI 技术平台体系执行总监、深度学习技术及应用国家工程实验室副主任、黄埔学院院长吴甜表示,百度黄埔学院希望能够把技术和应用结合起来,核心关注三个方面:一是重视实际场景中问题的沉淀与总结,而不是做想象中的需求。深度学习技术是一个好用的工具,但是这不代表我们“拿着榔头找钉子”;二是重视技术和场景的结合,而不是仅仅依赖数据集上的测试结果;三是重视集成到系统当中的工程实现,而不仅仅是关注到算法的单点上。

  成立于1991年的大恒图像,一直致力于机器视觉在工业质检方面的应用,大恒图像研发中心AI组负责人陈亮向笔者表示,在接触到深度学习之前,公司在工业检测方面一直用的是“传统算法”。所谓传统,其实是先人工手动设计产品可能会出现的缺陷情况,如果在流水线上发现有这样缺陷特征的产品,机器能够识别出并归类。

  “市场上的几大开源框架,像TensorFlow、Caffe、飞桨(PaddlePaddle)这些,每个框架都有自己的优势,之所以选择飞桨,是因为他们这一年发展非常地快,而且对最前沿模型的开发,响应也非常快速。”连心医疗朱森华告诉笔者,公司正在考虑将算法开发框架从TensorFlow迁移到百度飞桨平台。

  如今的百度飞桨在框架稳定性、兼容性和成熟度上,都上升了一个台阶。在工业领域,从事3C电子产品缺陷检测的精测电子,在对比几大开源框架后,这家公司发现,在实际业务中,百度飞桨的易用性与稳定性很好,并且在相同效果的情况下,百度飞桨的运算速度更快一些。“在使用的时候,百度飞桨也更加友好”,精测电子高级算法工程师张胜森表示。

  在深度学习领域当中,人才培养和解决问题依然是产业化的重心。据悉,在本期黄埔学院课程当中,每位学员都带着一份“作业”,即实际的应用场景。在学习的过程里,把深度学习带入每份作业当中,最终成型技术应用解决方案。面对各场景不同的应用,十余位百度重量级科学家和百度AI架构师将作为导师,围绕着问题定位、问题拆解、解决方案探讨、实际解决设计作业和实验体系,基于百度飞桨有针对性的讲授深度学习技术和应用知识。

  正如百度AI技术平台体系执行总监、深度学习技术及应用国家工程实验室副主任、黄埔学院院长吴甜所言:“国内现在有大量的需求在驱动着我们,我们能够预见,人工智能和产业的深度结合势必发展迅速。黄埔学院希望能切实帮助企业储备既能分析业务问题,又掌握模型算法,还能操刀落地应用,深谙算法与工程的紧密结合的企业创新型人才。”