Popular science work
AI大勢(shì)之下,越來越多的企業(yè)積極擁抱AI。然而,現(xiàn)實(shí)與憧憬還有很大的距離。眾多傳統(tǒng)行業(yè)要實(shí)現(xiàn)AI應(yīng)用還遠(yuǎn)沒有想象中的那么簡(jiǎn)單。
從企業(yè)中有人開始思考“我們面對(duì)的問題能不能用AI來解決”,到真正的實(shí)現(xiàn)高效、高質(zhì)量的大生產(chǎn),把AI技術(shù)的價(jià)值帶入到企業(yè)的生產(chǎn)活動(dòng)當(dāng)中,是否存在一條可以參考、可以實(shí)踐的路徑?
百度集團(tuán)副總裁、深度學(xué)習(xí)技術(shù)及應(yīng)用國家工程實(shí)驗(yàn)室副主任吳甜在WAVE SUMMIT 2021深度學(xué)習(xí)開發(fā)者峰會(huì)上,首次公開分享了飛槳通過與產(chǎn)業(yè)伙伴的廣泛合作所觀察到的實(shí)踐路徑。她指出,企業(yè)應(yīng)用AI會(huì)經(jīng)歷三個(gè)階段。
第一階段是企業(yè)中有少數(shù)先行人員嘗試引入AI,稱之為AI先行者探路階段;當(dāng)進(jìn)行了驗(yàn)證成功落地后,會(huì)從個(gè)人實(shí)踐轉(zhuǎn)變成建設(shè)團(tuán)隊(duì)來學(xué)習(xí)和應(yīng)用AI,稱之為AI工作坊應(yīng)用階段;當(dāng)企業(yè)逐漸進(jìn)行大量的AI應(yīng)用,幾百、幾千人一起工作,多人多任務(wù)協(xié)同生產(chǎn),就進(jìn)入了AI工業(yè)大生產(chǎn)階段,更長(zhǎng)期看,還會(huì)實(shí)現(xiàn)社會(huì)化協(xié)同生產(chǎn)。
企業(yè)在應(yīng)用AI的這三個(gè)階段會(huì)遇到的主要問題是什么?如何有效解決,以實(shí)現(xiàn)進(jìn)階呢?吳甜用現(xiàn)實(shí)事例給出了產(chǎn)業(yè)一線的經(jīng)驗(yàn)分享。
首先,在“AI先行者探路階段”,先行者們看到業(yè)務(wù)場(chǎng)景中的問題,考慮引入AI來解決,真實(shí)場(chǎng)景問題往往有別于實(shí)驗(yàn)室中的。以一個(gè)智能質(zhì)檢的案例為例,企業(yè)希望用AI替代人工質(zhì)檢,需要高準(zhǔn)確率、低漏檢率,對(duì)算法要求非常高。這個(gè)案例需要在大物件上找到非常小的瑕疵和缺陷,是大尺幅里小目標(biāo)的檢測(cè)。還需要模型體量小,預(yù)測(cè)速度快。另外,缺陷類型復(fù)雜,雖然產(chǎn)線上可能拿到很多的數(shù)據(jù),但是缺陷的數(shù)據(jù)樣本往往很少。面對(duì)這個(gè)場(chǎng)景問題的時(shí)候,首先需要有在這樣場(chǎng)景上真正實(shí)踐過的模型才能夠快速的解決問題,還需要有適配這個(gè)場(chǎng)景的調(diào)優(yōu)工具。飛槳基于大量產(chǎn)業(yè)實(shí)踐打磨的PP-YOLOv2模型解決了上述問題,對(duì)先行者來說就具備了一個(gè)條件可以快速的進(jìn)行模型驗(yàn)證。
但是光有了模型還不夠,需要把模型部署到需要的生產(chǎn)環(huán)節(jié)中,新的問題又隨之而來。在產(chǎn)業(yè)場(chǎng)景適配的硬件支持上,算力、存儲(chǔ)容量、模型支持程度、軟硬件結(jié)合優(yōu)化,設(shè)備價(jià)格等因素讓部署變得復(fù)雜。為此,飛槳平臺(tái)提供了多端多平臺(tái)部署環(huán)境支持,并且推出配套的部署工具鏈,可完美解決部署的一系列復(fù)雜問題,幫助企業(yè)便捷地走完AI應(yīng)用的“最后一公里”。
到了第二階段“AI工作坊應(yīng)用階段”,一般來說是規(guī)模體量不太大的AI團(tuán)隊(duì)以相互獨(dú)立的方式在進(jìn)行創(chuàng)新工作。以一家工業(yè)制造業(yè)企業(yè)的AI團(tuán)隊(duì)為例。這個(gè)團(tuán)隊(duì)由12人構(gòu)成:4名機(jī)械化工工程師,7名軟件工程師,1名AI專業(yè)研發(fā)人員。從模型研發(fā)的視角看,模型研發(fā)的深度有不同層級(jí),最便捷的是無代碼開發(fā)方式,可以快速上手,門檻非常低。對(duì)于可以進(jìn)行代碼開發(fā)的工程師,可以使用場(chǎng)景類套件快速復(fù)用。若團(tuán)隊(duì)研發(fā)人員具備AI算法能力,還可以在算法類套件上進(jìn)行算法模型配置。再進(jìn)一步,若團(tuán)隊(duì)研發(fā)人員能夠在模型庫上進(jìn)行代碼改寫,可以得到更符合自己需要的額新模型,如果能使用核心框架進(jìn)行研發(fā),就可以實(shí)現(xiàn)更深度的模型自研工作。可以說,飛槳打造了針對(duì)不同類型開發(fā)者需要的完備產(chǎn)品結(jié)構(gòu)體系,不僅有可視化界面產(chǎn)品、場(chǎng)景類套件、算法類套件,還有模型庫,以及動(dòng)靜統(tǒng)一的核心框架,助力AI應(yīng)用創(chuàng)新。
最后,“AI工業(yè)大生產(chǎn)階段”,該階段具有“多人多任務(wù)進(jìn)行協(xié)同生產(chǎn)”的典型特征,并面臨著四大挑戰(zhàn):第一,需要高效管理大規(guī)模異構(gòu)算力基礎(chǔ)設(shè)施;第二,支持大并發(fā)多類型任務(wù)調(diào)度;第三,需要支持多人協(xié)同,滿足不同類型使用者需求;第四,需要高效滿足各類場(chǎng)景的定制化建模需求。面對(duì)這四個(gè)挑戰(zhàn),飛槳平臺(tái)打造了兩類核心功能:面向資源算力層面,飛槳塑造了高效的算力管理與調(diào)度平臺(tái),對(duì)模型和服務(wù)進(jìn)行科學(xué)有序的管理,提升整體的研發(fā)效率;面向開發(fā)人員提供全流程集成開發(fā)環(huán)境,提升整個(gè)AI研發(fā)流程的易用性和效率,幫助研發(fā)人員站在更高的起點(diǎn)開展工作。放眼更長(zhǎng)期,將會(huì)形成社會(huì)化的協(xié)作生產(chǎn)。
飛槳自正式對(duì)外開源至今,已完成第一個(gè)技術(shù)發(fā)展與產(chǎn)業(yè)創(chuàng)新“雙豐收”的五年。截止目前,飛槳平臺(tái)聚集了320萬開發(fā)者,服務(wù)了12萬企業(yè),創(chuàng)建了36萬模型,已經(jīng)覆蓋到了工業(yè)、能源、金融、醫(yī)療、農(nóng)業(yè)、城市管理、交通、信息技術(shù)等各種各樣的行業(yè)和場(chǎng)景,而這組數(shù)據(jù)還在增長(zhǎng)。
人工智能對(duì)世界經(jīng)濟(jì)、社會(huì)進(jìn)步和人類生活產(chǎn)生的影響愈加深刻,以深度學(xué)習(xí)為核心的新一代人工智能技術(shù)已經(jīng)具備了非常強(qiáng)的通用性,顯現(xiàn)出標(biāo)準(zhǔn)化、自動(dòng)化和模塊化的特征。在此過程中,飛槳作為成熟完備的產(chǎn)業(yè)級(jí)開源開放平臺(tái),更進(jìn)一步扮演著夯實(shí)中國科技發(fā)展的創(chuàng)新底座的“基石”角色。與產(chǎn)業(yè)共進(jìn)的同時(shí),“飛槳也將持續(xù)面向科學(xué)研發(fā)提升靈活性,助力前沿探索,希望為產(chǎn)學(xué)研一體化貢獻(xiàn)力量,希望我們與開發(fā)者、與產(chǎn)業(yè)界、與科研界、與教育界攜手,共同推進(jìn)人工智能的發(fā)展。”吳甜說。
來源：中國網(wǎng)科學(xué)
