钨丝woosmart|新基建下百度人工智能的“底层”实力( 二 ) 半个月前

文章图片
为了判断虫害，章伟等人需要把专门收集虫子的诱捕器放到森林里面，不光要赶在扬飞期（虫子飞出来繁殖期）之前，其次要定期看诱捕器上的收集杯里面有没有害虫，去判断是否要采取防治措施，走完2个监测点，基本上天就黑了。
更让章伟头疼的是，收集到的虫子并不全是有危害的红脂大小蠹，同学们还要进行区分。这时北京林业大学智能感知实验室主任孙钰提出了一个办法:“如果人工智能技术能应用到森林病虫害的实地监测中，也许能解决人不够用的问题。 ”
于是，这个叫做“AI识虫”的智能虫情监测项目立项了。
刚开始， “AI识虫”项目需要解决的问题比想象中的多，比如林区的传输信号较差，如果识别虫子要靠拍下图片，上传云端的老方法，显然是不现实的。那么， “离线识别”是唯一的选择。

文章图片
基于百度飞桨PaddlePaddle开发的红脂大小蠹检测模型
基于百度飞桨PaddlePaddle开发的红脂大小蠹检测模型
团队接触了国内外多个AI开放平台，最终使用了百度的深度学习开源平台飞桨（PaddlePaddle）。飞桨平台不仅解决了虫子的识别问题，还可以用一个像摄像头一样的小硬件PaddlePi,把识别虫子的人工智能算法写到嵌入式平台上，算法运行后，章伟只需要坐在实验室里，在每年预计的虫灾到来前部署完毕，就可以等着摄像头识别昆虫，最终完成数据的上传。 “百度飞桨和PaddlePi的结合，将整个系统形成了一个闭环” ，孙钰感叹这套系统的方便与高效。
据孙钰描述，飞桨这个开源平台就相当于一个成体系的教学资源，不仅提供深度学习框架，还提供各种简化调试和支持大规模训练的模型、工具组件。自2016年8月底百度开源了飞桨后，因其灵活易用等特点，迅速成为全球开发热度增速最快的开源深度学习平台，百度也因此成为国内率先将人工智能技术开源的科技公司。
章伟则表示:“完全没想到，我这样一个林学院的学生，通过这个开源平台间接获得了AI的能力。 ”“AI识虫”项目的成功，代表了诸多领域试图AI化的努力，正是很多团队在不同场景中进行AI应用，让人工智能不光深入了民间，也深入了人心。

文章图片
也正是因为此前的诸多探索， AI在疫情期间悄无声息的“惊艳”了我们。在北京地铁AI口罩检测方案中，百度飞桨3天内快速部署， 7天完成两次模型升级，实现了在地铁站实时视频流中，准确地对未戴口罩以及错误佩戴口罩的情况进行检测。这是在复产复工的关键阶段，人工智能为出行安全助力的一个典型案例。
这次疫情展示了高科技在不同需求下作出快速响应和迅速迭代的能力。 AI测温、智能外呼、疫情问答机器人等功能之所以能迅速上线，可进行大规模数据计算、拥有学习能力的人工智能功不可没。
PARTTHREE
点亮AI的传灯者
作为新兴学科，人工智能自然存在着“人才荒” 。也有很多人跃跃欲试：有人想要通过学习从事人工智能相关工作；有的研究者则希望能快速突破技术的瓶颈。而中国的人工智能想要真正走到制高点，除了娃娃们和年轻人，更离不开深入理解人工智能的教师和高级人才。
一位来自中国人民警察大学的老师，在报名参加面向高校教师进行AI培训的“百度深度学习师资培训班”之前，一直是自己暗自摸索。他发现AI不光要从底层一步步学，也会涉及到非常大的参数变化，学校里的电脑很难处理得了这么大的模型。这样的经历是学习人工智能中的常态，高校人工智能专业的老师们就像一座座“孤岛” ，他们使用的平台不同、教材不同，彼此之间信息也不流通，只能埋头苦修。