<mark id="oztn4"></mark>
0
無人豬場，需要EasyDL。
“母豬正在生產中，無法實時知道有幾只豬崽，健康情況如何”，一位坐擁上數千頭豬的河南養豬大戶最近總是陷入這樣的焦慮。
席卷全國各地的豬瘟剛剛過去，為了加強防護，他的豬場幾乎開啟了無人養殖的模式，這也為他帶來了很多頭疼的問題。
工作人員進出一次豬棚，需要消毒、檢測，全副武裝，對于大規模養殖來說，成本、耗時不說，更重要的風險很高，他清楚地記得一頭豬感染豬瘟，導致豬棚內上百只豬死亡的畫面。
在嚴格的控制人員進出的情況下，像“豬口普查”，“健康檢查”等工作也變更難了。
回想起去年這個時候的焦慮，這位養豬大戶輕松了不少。現在的他通過AI技術，可以在家中實時監控豬棚內的狀況、判斷豬崽的健康狀態。
不僅降低了管理的風險和成本，提高了效率，而且還避免了因其他工作人員經驗不足，而對豬崽健康狀況的判斷失誤，這也是大規模養殖普遍存在的一個痛點。
而這項AI技術就是百度的零門檻AI開發平臺—EasyDL。
EasyDL是基于百度飛槳深度學習平臺推出的高效易用的零門檻、一站式AI開發平臺，支持智能數據、模型開發、服務部署等全流程服務。目前已經支持圖像分類、物體檢測、圖像分割、音視頻分類、語音識別自訓練、表格數據預測、文本分類、情感傾向分析等任務類型，可以幫助中小企業結合業務需求，解決效率和成本的問題。
怎么理解呢？
比如，上述豬崽體檢方面，用戶只需將病豬的圖像數據導入EasyDL平臺，訓練定制化AI模型，就可以將“人為診斷經驗”復制為機器學習經驗，再經過物體檢測技術，無需人眼觀察也可以準確判斷豬崽的健康狀態。
如此來說，EasyDL可以理解成：根據定制化場景需求，通過學習“有經驗的專家知識”，來代替人類解決規模化的復雜問題，進而提升成本和效益。
值得一提的是，百度AI平臺研發部總經理忻舟，在接受雷鋒網采訪時多次提到：
“EasyDL的目標是降低AI門檻，讓零算法基礎的用戶，不用一行代碼也可以基于需求和數據，定制自己的AI解決方案”。
這一點在AI養豬、肉牛稱重，工業質檢、橋梁檢修等諸多成功案例中都有所體現，而且也普遍受到了用戶的好評。
但忻舟也強調：
“簡單不意味著妥協，EasyDL會始終秉持最初的研發理念：簡單且專業”。
自2017年底上線，到如今近三年的技術研發和迭代，EasyDL在數據服務、模型精度、部署服務等方面不斷升級，已經能夠處理更多、更復雜的應用場景。
在這里，忻舟為我們分享了一個典型案例：EasyDL幫助一家專業獵頭公司解決了其核心業務問題。
這家公司名為瀚才獵頭，自創立以來一直面臨著一個核心問題：200萬條數據的人才庫，利用率只有不到10%。
作為一家獵頭公司，如何高效地為客戶推薦合適的人才是他們的核心業務，也是其在行業發展中的核心競爭力。
瀚才獵頭有5位創始人，在業務發展過程中積累了很多重要的客戶資源和龐大的人才庫，但其非結構化數據庫和傳統簡歷初篩方法，讓這些資源和優勢沒有得到很好的發揮和利用。
而這個局面在使用EasyDL后發生了改變。以前按照關鍵詞搜索的方法，每天只能找到60-70份合適的候選者簡歷，現在經過數據結構化處理后，20分鐘就可能達到600-1000份，而且精準度達到了95%以上。
整個效率提升了200倍，節省了時間、人力成本的同時，200萬簡歷庫也得到了充分的利用。
一位創始人坦言，他們之所以選用EasyDL，不僅是因為數據結構化的效果好，更重要的是其零開發門檻、一站式服務的特性，節省了自己配置技術團隊，做數據處理、算法研發和算力支持的成本。
那么，無任何開發經驗的HR是如何完成AI模型訓練和部署的呢？
EasyDL操作流程只需以下四步：創建模型、數據準備、模型訓練和應用部署。
他們根據業務需求，按照“職級”和“職能”兩級分類對200萬數據的人才庫進行了結構化處理：
創建模型：登錄EasyDL平臺，完成注冊和模型選擇。
數據方面：200萬人才數據，手動標記1萬條，再通過EasyData智能標注完成剩余199萬條數據標注。
模型訓練：導入全部數據，在平臺內置的文心（ERNIE）預訓練模型基礎上進行訓練。
部署方面：訓練好的模型可直接生成供調用的API，而且有完善的SDK代碼包可以使用。
可以看到，以上操作過程無需任何代碼基礎，只要按照業務需求，完成數據處理和提交，選擇部署方式即可，而且精準度很高。不過1小時的AI模型訓練，幫助他們解決了自創業以來最頭疼的業務問題。
另外，需要強調的是，以上看似簡單，易操作的背后，是其內部復雜、先進的AI技術支持。
在數據處理環節，EasyData提供了數據采集、清洗、擴充、標注全方位服務。
根據2019年AI機器學習項目調研的報告，96%的企業都在“數據”一環遇到了難題，尤其是數據標注，耗時，而且準確度不高。
針對這一問題，忻舟介紹稱，EasyData提供了豐富的智能標注方案，支持物體檢測、圖像分割和文本分類三種數據類型的智能標注，只需標注少量數據，其余便可通過“智能標注”自動完成。在相同任務和同等模型效果下，數據標注量平均可以減少70%。
在上述簡歷庫的文本分類中，員工手動標記了1萬條，其余199萬全部是自動完成。
另外，在數據采集、清洗和擴充方面也經常出現問題。忻舟介紹稱，一家做果蔬智能識別系統的創業公司，他們的果蔬電子秤，在超市試運營時，經常會出現因物體遮擋、光線不足，導致數據采集質量差的問題。
在使用EasyDL后，通過對圖像數據進行相似度的去重去模糊，剪裁，旋轉，鏡像以及數據增強等處理，在50種水果的測試中，準確率達到了95%以上。
同時，EasyDL還在數據采集方面，提前對端設備進行了測評和適配，免除了使用者在設別選型、調試和集成開發工作上的成本，將采集效率從“周級”提升到了“小時級”。
最后，忻舟重點強調稱，EasyDL根據實際的用戶需求還提供了數據回流功能，在數據處理上形成了一個完整閉環，使數據處理更加高效。
在模型訓練方面，EasyDL內置了基于百度海量數據庫的超大規模視覺預訓練模型和文心ERNIE 2.0。“這也是EasyDL性能遠超其他AutoDL產品的獨特優勢”，忻舟強調稱。
瀚才的簡歷文本分類采用文心（ERNIE）預訓練模型，訓練效果達到了95%+。預訓練相當提前學習了大量NLP語料，在一定的背景知識下，再通過持續學習的語義理解框架，對輸入數據進行識別，可以有效提高識別的精準度。
在模型訓練上，百度還融合了自研的高性能自動數據增強（Auto Augment）、自動超參搜索（Auto Finetuner）和NAS（自動網絡架構搜索）等自動化建模技術，可以進行模型自動調優，降低算法工程師的調優成本，同時，模型精度也可以平均提升10%以上。
在服務部署環節，EasyDL提供了公有云 API、本地服務器部署、設備端 SDK、軟硬一體產品，4大部署方式，用戶只需經過簡單的設置，就可以將訓練好的模型轉換為滿足業務場景需求的服務。
其中，設備端 SDK，適配了NV Jetson 系列、Intel 神經加速棒、華為 NPU、華為 Atlas、高通 DSP、RK 等十幾種業界主流的端設備。
在軟硬件一體部署上，EasyDL適配了市面上6種高性價比的軟硬件，覆蓋高中低全矩陣，模型識別速度可提升十倍，例如EasyDL加小體積低功耗的英特爾芯片，在輕量級模型MobileNet V2上，25毫秒就可以完成端到端的預測和推理；英偉達Jason可以滿足中高性能和超高性能的場景化需求，而它在V2模型上只需要4毫秒。
2020年，EasyDL開始走向加速AI場景化落地的階段。
AI落地，是近些年人工智能產業發展的主旋律。一方面，計算機視覺、自然語言處理等技術已逐漸趨于成熟，急需走向現實場景發揮價值，另一方面，隨著社會的快速發展，中小企業的AI需求空間也在進一步突顯。
但要想在AI和需求之間達到最佳匹配，還存在很多挑戰。
從2017年正式上線，實現從0到1的躍遷，到2018年成功案例的大量出現，EasyDL在AI落地方面已經初見成效。忻舟表示，2020年，隨著技術的逐步成熟，EasyDL會加快落地速度，進一步提升AI落地能力。
具體來講，將繼續從以下三個難點入手：
AI門檻：這是所有企業尋求智能化轉型的首要痛點，尤其是對于中小企業而言，一方面不懂技術，不知道哪些場景需求可以通過AI來實現。即使了解，對于復雜的AI技術，學會應用也是一大難點。
另一方面，對于有技術團隊的企業來講，AI底層基礎設施要求很高，需要大量的資源、成本投入，而且最終達成的效果可能也未必能夠滿足需求。
從這兩點出發，EasyDL一直致力于開發零算法基礎，人人可用的AI開發平臺，同時，基于百度的海量數據和研發優勢提升模型訓練性能，打造從端到端的一站式服務，滿足算法工程師們的應用需求。
目前EasyDL的零門檻、專業性強等特性已經被中小企業廣泛接收，其官網顯示，使用EasyDL的用戶數已經超過70萬，覆蓋20多個行業場景，包括互聯網、工業、農業、醫療、物流、零售、教育、交通等；
定制化需求：各行各業有著豐富的定制化場景需求，其中，最為明顯可以說是零售行業，如商品檢測中的相似、遮擋檢測，智能結算中的 SKU 快速更新等，都需要定制化的AI解決方案。
在這方面，EasyDL除了提供通用版本外，還開發了零售行業版。為了應對更復雜場景的檢測需求，零售版主要新增了以下核心功能：
打造軟硬一體的全自動 SKU 采集箱，降低 SKU 數據采集成本，讓采集數據更加標準、規范。
自動圖像合成技術，基于SKU 單品圖和貨架圖，自動合成各類實景圖，模擬真實場景中物品的遮擋、旋轉、重疊等狀況，提高模型的泛化能力。
提供除商品檢測外的翻拍識別、貨架拼接、貨架層數識別、價簽識別等增值功能，并提供完善的 SDK。
基于以上技術，零售版已經在商品陳列審核、無人藥柜等多個場景下被廣泛使用。百度團隊透露，接下來，還會針對農業、工業等行業推出更多定制化版本。
AI技術能力：它是任何AI產品應用落地的基礎，也是核心。在這方面，基于百度飛槳開源深度學習平臺的EasyDL具備獨特的領先優勢。
一般來講，市場上AutoDL產品的核心競爭力，無外乎兩個方面：一是效率問題，AI應用最基礎的訴求就是如何幫助企業降低時間成本，搶占市場先機。
圍繞這一點，EasyDL在模型方面，基于飛槳的超大規模預訓練、并行訓練，顯著提升模型訓練速度；在數據服務方面，為數據采集提前適配主流硬件，并提供從采集到回流的完整解決方案，節省數據處理時間。EasyDL是業內首個提供一站式智能數據服務的產品。
最后值得一體的是，設備端的部署服務。忻舟介紹稱，邊緣端部署因為算力低、內存小的特性，近些年在行業內非常火爆，用戶需求非常大。因此，為企業提供高性能的邊緣端部署方案也是EasyDL的重點研發方向。
二是使用效果，這是滿足企業AI需求的關鍵性指標。從技術層面來看，可以具體理解為文本分類的準確性，物體檢測的精準度。
在這方面，EasyDL內置的基于飛槳的文心ERNIE和超大規模圖像預訓練模型發揮了獨特優勢，經檢測，在視覺任務中，通過百度數據庫10萬+分類、6500萬張圖片訓練的預訓練模型，平均精度可提升 3.24%-7.73%；在物體檢測任務中，經過800+標簽、170萬圖片，1000萬+檢測框訓練的預訓練模型，平均精度可提升1.78%-4.53%。
除此之外，百度團隊還升級了模型壓縮技術，通過降低端側模型體積，進一步提升模型性能。
最后談到EasyDL的進一步研發方向，忻舟表示，將繼續圍繞簡單、但更專業的理念來開展，具體來說涉及以下幾個方面：
覆蓋范圍：除了擴展已有的算法類型，如 CV、NLP,傳統ML方向，語言識別方向外，還將推出OCR、視頻追蹤等定制化能力。
技術優化：持續提升模型效果，提高訓練速度和精度，加速模型推理。同時結合不用場景，推出更多類型的預訓練模型。
易用性：在數據、模型、服務等方面，持續降低使用門檻。
另外，忻舟還重點提及了EasyDL的共享生態建設。他表示，希望更多企業能夠加入到EasyDL落地中來，通過真實的業務需求，探索更多AI應用空間，由此，EasyDL也能夠根據實際場景，不斷提升技術能力，為更多企業賦能。
出于這一目的，百度團隊近日還推出了“萬有引力計劃”，進一步降低AI門檻，助力中小企業降本增效。
毋庸置疑的是，AI應用場景巨大且豐富，但需要深度的探索和挖掘。
此次，為了顛覆各行各業對AI高門檻的認知，百度EasyDL面向所有中小企業推出了——萬有引力計劃。
該計劃旨在為萬家有AI需求的企業各提供一萬元專項基金，推動其智能化轉型。
通過EasyDL經典版免費完成模型定制、部署與應用，即可領取萬元專項代金券。
無需了解算法細節，最快10分鐘就可以訓練出高精度AI模型。如果AI落地效果突出，還有機會獲得最高十萬元的特殊補貼！
參與詳情見：百度EasyDL零門檻AI開發平臺。雷鋒網雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
