对于AI新手,如何入门AI,一直是个令人头秃的问题。
而对于那些有一定技术基础的人,想要用AI在实际工作生活中实现点什么,似乎也并不容易。
不过,也不是没有办法。
不信?来看看下面四位的故事。
师傅领进门
正值豆蔻之年的郭佳慧,是第一个故事的主人公。
去年疫情期间,才12岁的郭佳慧所开发的AI模型功能,是检测口罩佩戴。
讲真,神童的故事听多了,似乎并没有想象中的那么惊艳。
但如果说,当时做岀AI开发项目的她不会编程呢?
没错,淡定。
先来看下郭佳慧开发的作品。
这个系统会根据照片中口罩的样子,判断出口罩佩戴是否规范。
例如在这个例子中,我们仔细观察后,才能发现口罩在鼻梁处没有压紧。
而这个应用,却能在短时间完成检测,并提示:
没有压鼻梁条。
郭佳慧之所以开发这个AI系统,是看到了地铁工作人员每天监督乘客是否准确佩戴口罩,很是辛苦。
而市面上虽然有很多诸如此类的检测系统,但想必很多人试过,捂个嘴、拿袖子挡就能蒙混过关。
但佳慧的系统能精准识别各类不标准口罩佩戴情况。
那么随即而来的一个问题便是:
既然不会编程,如何开发这么精准的检测口罩佩戴系统呢?
其实,郭佳慧一开始并不喜欢编程,奈何,自己却有一个“别样”的身份——码二代。
先不提看懂代码这件事了,就连代码中的很多英文单词,对于一个小学生来说也颇具挑战。
追溯到去年疫情期间,郭佳慧的父亲给停课在家的女儿,报了一个在线免费的培训直播课。
在这个课程中所使用到的AI开发平台,让学生不需要看懂代码,只需要搜集标注数据样本,简单操作就可以完成模型开发。
一段时间之后,郭佳慧对编程的心态也发生了大转变:
太好玩了。
例如郭佳慧发现,利用这个AI开发平台,可以轻松实现机器自动识别她最喜欢的MM巧克力豆,个数、颜色,哪怕是有遮挡情况下也能被识别到。
这也是她第一次亲身体验到了AI的神奇之处。
对于一个十几岁的学生来说,上手门槛是走进AI的一大难题。
郭佳慧采用的,是百度飞桨的EasyDL零门槛AI开发平台。
如其名,一大特色便是连编程小白都可以轻松上手。
但简约不等于简单。
据了解,EasyDL中绝大多数模型的精度都达到了90%,而且只需要15分钟即可训练完成。
概括来讲,整体流程就是简单四步走——创建模型、准备数据、训练模型和部署应用。
而且整个过程还是图形可视化交互的那种,用官方的话来讲就是:
不用一行代码也可以基于需求和数据,定制自己的AI解决方案。
易上手、低门槛,是小白新手在做AI开发时对工具和平台最基本的要求。
对于那些头疼入门AI和深度学习的“特殊”开发者来说,还有什么也必不可少?
再来看第二个故事。
这一次的主人公徐伯权,可以算是中国第一代程序员。
1958年清华大学获批设立自动控制系,徐老在次年进入该系计算机专业,是第二届学生。
那时的计算机还是电子管构造,徐老参与了我国第一台硅晶体管计算机的设计。
那个年代“软件开发”还叫做“程序设计”,徐老从机器语言学起,到汇编、再到FORTRAN,后来在工作中也接触过当时用于开发人工智能的逻辑语言Prolog。
徐老从那时起就对AI产生了兴趣,但工作任务繁重,一直没能抽出时间深入学习。
徐老从小热爱技术,年轻时自己组装过电视机,退休后也没放下,有什么电子产品经常买来玩玩,也一直在关注世界和我国的科技发展。
到了2016年,AlphaGo战胜李世石的消息,勾起了他当年用汇编语言写下棋程序的回忆。
随着AI技术的突飞猛击,让徐老重拾对AI的热情,打算试试深度学习,他先是自学了Python,然后开始尝试Tensorflow。
不过国外网站访问和技术使用都不太方便,让徐老挺苦恼的。
一年多以前,徐老了解到百度飞桨AI Studio学习平台,听了听这上面的课,觉得通俗易懂,适合入门。
就这样,曾经也是学霸的徐老加入到了AI打卡学习的队伍里。
这一年里,他学习、开发得如何?
一张学习热力图解释一切。
每天早上徐老先是出门锻炼身体,回来后就是学习AI,已经成了他日常生活的一部分。
他最关注的方向是强化学习,经常在AI Studio上找一些有趣的小游戏来动手改造。他把自己改造的AI五子棋发给过去的老朋友玩,看他们输多赢少,玩的很开心。
徐老还把飞桨平台介绍给在上大学的孙女,帮助她完成毕业设计,将技术传承下去。
说到对于年轻人学习AI有什么建议,徐老觉得已经有了这么好的开源平台,从课程到模型、数据都有,还需要的就是兴趣以及实践。
只要有兴趣,无论年龄、学历都可以来这学习。在开源平台上多实践、与别人交流。我希望越来越多的人来参加AI的队伍,这对国家的科技发展和振兴有很大帮助。
……
看来,一个好的AI平台必须要做到:
只要你想,任何人都能在这里入门AI。
但单是“领进门”是不够的,投身AI还需要更长远、更深入的目标。
修行在个人
第三个故事,我们来看看科班出身的硕士生,是怎么和AI结下不解之缘的。
主人公何小宇就读于中南大学。
有时爷爷要从老家湖南汨罗来到小宇上学的长沙来看病。何小宇经常得帮爷爷在学校附属的湘雅医院挂号。
湘雅医院作为长沙著名的三甲医院,挂号难、看病难的问题少不了。
何小宇切身体会到了医疗资源缺乏、分布不平衡的问题。
自己就读的是自动化专业,是不是能学以致用,做点什么来改变这些情况?
带着这个疑问,何小宇考上了本校的研究生,加入了人工智能与机器人实验室。
何小宇本科的毕业论文就是机器视觉相关。在研究生阶段,又深入学习了神经网络。
最后何小宇确定了自己的研究方向——模式识别和智能控制算法在智慧医疗方面的应用。
2019年,正直研三升博一阶段的何小宇赶上了第二届中国高校计算机大赛-人工智能创意赛。
何小宇与两位同学丘文杰和孙铭蔚组队,开发了“AI知肤宝”在线问诊小程序,与湘雅医院皮肤科合作,构建了皮肤疾病全病种分类系统,最终历时半年时间,闯过初赛、复赛,在总决赛中斩获创新组特等奖。
皮肤病种类繁多,即使是同种疾病,在不同患病时期以及拍摄条件下的视觉呈现也不一样。
除了视觉特征以外,还需要结合感染源、感染途径等作为依据,分类难度很大。
数据方面有湘雅医院积累多年的临床图像和病史数据做保证,算法呢?
何小宇与团队在飞桨的PaddleHub中找到了开源的目标检测和图像分类预训练模型。
配合Fine-tune API就能结合数据快速完成迁移学习。分两步实现了相当于皮肤科专家医生水平的分类系统,覆盖541类常见的皮肤疾病。
皮肤病发病率高,据统计全球约11%人口患有各类皮肤疾病。而我国注册的皮肤科专业医生仅2万余人,医患比例悬殊。
除了在大赛上得奖,AI知肤宝项目还获得千万级孵化基金支持,目前已联网全国618家医院,辅助了10000余名医生进行初步病情的诊断。
何小宇的队友孙铭蔚同学在颁奖典礼上分享了参赛经验:
飞桨深度学习平台对我们的作品起到了很大的帮助,快捷稳定、操作简单灵活,并且各类应用文档问题可以很快地找到成熟解决方案。
△今年已经办到第四届
对何小宇来说,参赛获奖是对研究生生涯的圆满收尾。
比起枯燥的实验室研究,这场比赛让他感受到了AI的乐趣,也让自己跟进了三年的一个项目有了一个很好的收尾,同时也锻炼自己的逻辑跟团队组织能力。
他后续完成的亚洲人种皮肤病临床图像数据集论文,还获得了医学影像计算机辅助诊断领域的最高学术会议,MICCAI 2019 LABELS Workshop的最佳论文奖。
谈到未来,何小宇想继续自己的研究方向,争取用实际行动为“AI+医疗”贡献自己的一份力量。
不仅要落地,还要遍地开花
第四个故事来到产业界,看看在帮助AI落地产业中,AI平台还能有什么妙招。
AI的一大关键价值,就是能代替人做各种危险和重复的工作。
比如高压电网的线路检修,经常需要在高空作业,面对复杂的电器环境。国家能源局通报,每年电力人身伤亡事故平均有三四十起。
15年起在电力供应领域创业的梁兴博,一直想找到替代方案。
近几年国家电网逐渐加速布局人工智能,梁兴博觉得这个机会,他要抓住。
不过他的公司并没有AI相关人才,AI工程师的月薪起码3万以上,雇佣四五个工程师,每年就是200万左右人力成本,作为创业公司,他很难承受这个代价。
2020年8月,一则“EasyDL X 乌镇举办产业智能创新大赛”的消息引起了他的注意。
除了飞桨EasyDL平台本身零门槛,比赛还提供了公开课帮助无AI技术背景的参赛者快速上手。
其中就有梁兴博关注的安全生产主题课程,还能获得与国家电网研究院的副总工交流切磋的机会。
梁兴博毫不犹豫报了名。除了数据处理与训练AI,他在课程中还学到了AI模型在不同场景下如何部署。
最终,梁兴博开发的智慧输电线路系统从255个参赛项目中脱颖而出,获得企业组第一名。
他采集标注万余张照片进行训练,构建了输电线路隐患模型、烟火检测模型、输电线路故障检测模型。
系统已在某省输电线路测试运营,监测准确率达到了85%以上。正式投入使用之后不仅可以解放一线检测人员,综合成本还能够下降一半左右。
除了电力,这次比赛还吸引了金融、水利、工业制造等多个领域的企业参加,涌现出纺织产业面料搜索筛选、发动机漏液识别、水源覆盖面积及表面水质检测等诸多创新。
梁兴博认为“有了飞桨这样的平台,我们这种创业公司,实现AI升级转型也不再是奢望”。
……
在百度飞桨深度学习开源平台上,孩童、老人、学子、企业开发者……不分年龄、经验、背景,都能便捷、快速地入门AI,用AI实现自己的梦想。
AI的普及者
AI的入门与开发实践,并不是常人眼中的那般遥不可及。
相反,已然是全民皆可的节奏。
在这背后,深度学习开源开放平台是推动这波节奏的关键。
就好比在每一个时代,都会出现不同“趁手”的“工具”,让人们脑中的想法成真:
傻瓜相机的出现,让人不需要懂摄影就能留住生命中美好的瞬间。
WordPress的出现,让人不需要懂代码就能建立自己的网站。
……
而在AI时代下,像飞桨这样深度学习开源平台的出现,除了推动“AI学习开发全民化”进程外,更重要的一点,是让产业、生活中的实际问题更高效地被解决,让我们每个人都能被科技关爱到。
例如用无人机监管农作物的生长情况,让每亩地节省100元成本,农户收入提高10%。
再例如把老师傅30年的经验,凝练成一个算法,让铸造熔炼每年节省原材料10%、配料时间减少90%。
上述的这些案例,都是基于国产AI“操作系统”——飞桨所解决的现实问题。
如果想在你的履历上刷上“AI开发者”,或者把困扰已久的问题通过AI的方式解决。
现在,课程、工具、实践平台都有了。
试一试?或者有什么别的难题或idea,也欢迎分享交流~