ITPub博客

首页 > 人工智能 > 人工智能 > 工业革命的秋之涟漪(二):从飞桨,走向深度学习产业实践

工业革命的秋之涟漪(二):从飞桨,走向深度学习产业实践

原创 人工智能 作者:naojiti 时间:2019-10-19 19:30:20 0 删除 编辑

在《工业革命的秋之涟漪》第一篇中,我们回顾了这样一系列问题:今天的中国为什么需要AI技术驱动的产业革命?又为何可以培育这场革命?在此基础上,我们讨论了深度学习框架的核心位置,以及百度如何让飞桨走向产业级,成为AI时代的操作系统。

假如说,这一系列逻辑帮我们完整描绘出了作为AI产业革命引擎的飞桨,那么接下来,我们就应该追问飞桨的动力如何输送到机器的各部件,真正让产业世界的庞然大物运转起来。

在这一篇章中,让我们理顺着“指导方法-技术逻辑-产业案例”的顺序,一起来回答飞桨如何进入现实,千行万业如何真正通过深度学习来激发产业变革的问题。

让我们能够寻找答案的原因在于,10月17日,百度主办了2019年中关村论坛·AI 时代的深度学习技术与应用创新论坛。在中关村论坛这一中国科技界保留曲目中,这一论坛是今年唯一聚焦解读深度学习产业化应用的平行论坛。

在深度学习开发者、产业生态参与者、产学研各界的注视下,飞桨激发的工业革命涟漪,开启了面向产业世界的新一轮震荡。

技术底座之路:王海峰对智能革命的四个判断

飞桨是什么?为什么今天这个时代需要飞桨?

在论坛致词里,百度CTO、深度学习技术及应用国家工程实验室主任王海峰回答了这个问题。

回到人类文明辉煌的工业革命史当中,王海峰提出,人类的前几次工业大生产,都需要非常复杂的应用系统,这套系统必须同时具备标准化、自动化和模块化的特征。

按照这样的逻辑,今天AI驱动的产业革命中,也必须有这样一套系统,让深度学习应用于各行各业。在百度的目标中,飞桨就是这样一套可以把深度学习技术标准化、自动化和模块化的AI操作系统。它可以应用于各行各业的工业大生产,帮助产业智能化转型,成为AI时代的技术底座。

那么从深度学习框架,走向AI技术底座和产业智能革命引擎,飞桨要如何达成自己的外放?也就是我们探讨的涟漪,究竟如何从飞桨内部向外生长?在王海峰看来,飞桨走向产业实践,有四个关键词必须坚持:

1、开源开放,通过将百度的技术积淀,与飞桨的技术特色最大化对外公开,普惠赋能产业,降低行业门槛。

2、自主可控,飞桨是百度完全自有知识产权的AI操作系统。在新的国际背景下,对于中国的产业智能支撑可以起到关键作用。

3、软硬一体,想要走向工业化实践,飞桨就必须与各类的芯片、应用、硬件环境进行兼容。于是我们看到了飞桨在积极展开各种软硬一体优化,比如与华为一起就NPU的优化进行探索。这是为工业化大生产阶段储备关键发力点。

3、产业生态,百度和飞桨不可能独自完成AI时代的所有任务,而是必须与产业生态、产学研各界一起搭建生态,构筑人才-技术-应用的有机体系。

这四个判断,可以看作飞桨走向产业世界的标识。在关键技术突破和行动指南明确之后,飞桨已经开启了走向各行业,探索产业智能革命未知世界的旅程。

把十万八千里压缩成筋斗云:飞桨的产业实践

让我们思考这样一个问题:为什么《西游记》里同样是去西天雷音寺,唐僧师徒走了十几年,而孙悟空自己动不动就一个来回?显然问题在于孙悟空有筋斗云,同样的目标,可以用极其简单的方法来完成。

在今天的产业智能世界,将深度学习应用于核心生产力部类,是无数行业的共同目标。那么区别就在于,你是脚踏筋斗云飞过去,还是一步步走过去?

或许可以用一句话形容飞桨的价值:用技术领先,压缩开发成本;用生态赋能,降低准入门槛。使用飞桨,企业可以极大程度缩短深度学习模型的开发流程,降低开发难度,利用百度凝结的技术能力推助自己的产业之路。同时,飞桨的生态还可以帮助业界人才成长,进一步帮助各行业降低深度学习准入门槛。

在论坛中,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吴甜详细接受了飞桨及其产业实践,为我们总结了飞桨如何完成“筋斗云”的角色。

以OCR识别为例,在使用规则和机器学习的方法来解决OCR问题时,整个过程需要区分成检测、分割、识别、解码、后处理等一系列过程,需要有大量的专家支持,以及使用到很多启发式特征。而进入深度学习阶段之后,OCR系统可以使用大数据进行训练,采用深度学习特征就能得到非常好的识别效果。再向前一步,百度大脑和飞桨中集成了端到端的OCR识别系统,用户可以随时随地调用深度学习规则下的高精OCR能力——前面复杂而漫长的探索过程,就都在百度的努力下省略掉了。

这样的例子,展现在各个AI子技术门类,以及深度学习应用的开发、训练、部署全流程中,飞桨将能够先决探索和实现的工作已经最大限度完成,并进行平台化封装,企业和行业用户只需要在此基础上“灵山一跃”,就可以登陆智能革命的时代高地。

而在深度学习与产业结合过程中,另一个问题是人才的稀缺,尤其是行业人才与AI人才往往无法兼容。为此,飞桨提供了大量开发者赋能与人才培养计划。比如构建了活跃的开发者社区,推出了黄埔学院等AI高端人才培养计划,以及企业深度学习实战营AI快车道等等。

在一系列生态赋能计划之中,百度还积极对外公开公布自身的技术体系与取得经验,帮助行业用户获取一手经验。比如,论坛现场吴甜代表百度研究院发布了《百度大脑AI技术成果白皮书》,对百度大脑进行了一个全景式解析。

通过对内压缩技术,对外繁荣生态,飞桨启动了面向产业宇宙的智能航行。而今天,我们已经可以看到旅程中处处瓜熟蒂落。

从应用到创新:千行万业的深度学习变革

究竟如何让深度学习在各行各业“苏醒”过来,也许在技术逻辑之外,必须要搭配具体案例来一并了解。

事实上,飞桨已经广泛应用于百度内外、各行各业的无数场景。在这些极有张力的跨行业案例展示里,或许是最能够显示飞桨所具备通用AI底座能力的。

比如在百度地图上,我想大家应该都发现了今天百度地图的体验已经远超过竞品,而其关键就在“智能”二字。比如在百度地图出行时间智能预估场景上,基于飞桨平台,百度地图提升了AI模型的开发和调试的便捷性和训练效率,在百度地图的数据基础上完成了天级别百亿级数据训练。并且在飞桨的支撑上,实现到了天级别的百亿次调用能力,把用户出行时间预估准确率从81%提升到了86%,带给用户极其显著的效率提升。

而在飞桨与广东电网合作的变电站智慧巡检案例中,经过飞桨平台的支持,AI可以读取变电站上的准确数字,准确率能够达到99.01%。这就让偏远地区的变电数字抄写员得到了解放,AI的智慧完成了产业效率的深度变革,让人类工作更美好。同时,相关方案能够达成在新表适配时10天完成工作,安装效率非常显著。

再说一个大家可能更想不到的。高尔夫球场占用大量土地,前几年曾经成为过热门话题。针对这个争议,对高尔夫球场用地进行监测就变得非常重要。应用飞桨提供的 Faster R-CNN 模型,实现了高尔夫球场的AI用地检测。这一项目构建了全国标准高尔夫球场遥感数据集,识别效率提升约90倍。

在更加关乎国计民生的领域,飞桨助力林业病虫害监测落地是一个代表性的案例。红脂大小蠹虫,是一种是危害超过35种松科植物的蛀干害虫。基于飞桨平台,北京林业大学与百度合作了AI 识虫项目,通过飞桨目标检测模型YOLOv3识别红脂大小蠹虫,实现了小时级数据回传与检测,相比一周才能执行一次的人工检测,检测效率大幅提升。

目前,飞桨已经广泛的应用在工业、农业、服务业等各行各业,飞桨效应正在驱动产业智能化的深入与广泛展开。如果从产业用户的角度看,不难发现今天应该用这样的方式借助飞桨红利,快速实现产业智能实践:

1、走向深度学习与产业的深度结合,构筑多模态、多技术融合、软硬一体化解决方案。充分利用飞桨的技术领先性和产业级突破。

2、人才和技术两手抓,利用飞桨的生态赋能与人才培养,积极推动企业人才拥抱AI时代,储备面向未来的开发与应用能力。

3、依托生态,融入生态。深度学习应用是一个系统性工程,需要产业链的分工与合作。积极探索飞桨背后的开发者生态与产业链,调动自身行业融入AI技术与产品的持续迭代周期,会在产业智能时代收获最大化红利。

至此,我们已经从方法、技术和案例,三个角度反映了飞桨驱动各行业智能革命的整体逻辑。而在产业实践的更外层,一圈圈震荡开去的AI涟漪,正在影响社会经济的整体与人类技术之路的未来。

更远处的光与影,如何与飞桨融合出时代的拥吻,让我们留在下一篇中最终揭秘。

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31561483/viewspace-2660639/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
你的困惑,来自于无路贴近未知。我们在技术、思想、传播的异界,贩来极限脑量下的TMT。

注册时间:2018-11-08

  • 博文量
    442
  • 访问量
    260909