文/當(dāng)下君

對(duì)于AI大規(guī)模落地這件事,目前國(guó)內(nèi)的氛圍喜憂參半。

近憂遠(yuǎn)慮的人,一般反而是真正的AI行業(yè)資深人士,或者是資深投資人,他們看到了場(chǎng)景限制、數(shù)據(jù)制約、人才短缺、成本高昂等方方面面的具體困難,他們的憂慮是有道理的。

的確,AI在落地中面臨的問題非常之多,而且,應(yīng)用場(chǎng)景分散太嚴(yán)重是AI應(yīng)用落地的一大瓶頸。AI并不是萬能的,在使用上經(jīng)常受限于場(chǎng)景、數(shù)據(jù)、開發(fā)能力、企業(yè)擁抱新技術(shù)的態(tài)度等等問題。

一部分人認(rèn)為,隨著用戶對(duì)AI應(yīng)用的訴求變得越來越個(gè)性化,AI企業(yè)所提供的產(chǎn)品和解決方案也呈現(xiàn)定制化,AI企業(yè)必須貼地而行,盡可能多的參與到產(chǎn)業(yè)垂直場(chǎng)景和工程落地中才能生存。而另一部分人認(rèn)為,較好的辦法是,打造一個(gè)開放的AI平臺(tái),提供綜合性的方案來解決AI落地面臨的諸多挑戰(zhàn),而分散場(chǎng)景的定制化問題,平臺(tái)應(yīng)該交給生態(tài)伙伴解決,或通過提供更好的工具讓客戶自己實(shí)現(xiàn)。

后一條路聽起來很美,但實(shí)踐起來也很苦,百度就是后一條路上的代表企業(yè),而其對(duì)于AI融入社會(huì)化大生產(chǎn)的實(shí)踐和推動(dòng),堪稱現(xiàn)實(shí)版的《探險(xiǎn)日記》。

1

孤獨(dú)的探路先行者

AI的落地,并不總是轟轟烈烈,也有雪落無聲。

6月24日,世界銀行執(zhí)行董事會(huì)批準(zhǔn)給中國(guó)提供貸款4．3億美元,其中的1．5億美元貸款將用于寧波的垃圾分類。

寧波開啟了先進(jìn)的垃圾管理、循環(huán)利用和預(yù)防措施,在國(guó)內(nèi)屬于領(lǐng)先位置。

簡(jiǎn)單說,寧波的垃圾處理,在分類后如何進(jìn)一步處理,已經(jīng)非�，F(xiàn)代化,此次的世行資金,主要用于寧波全品類智能回收箱的落地,解決消費(fèi)者如何分類投放,進(jìn)而完善閉環(huán)。

機(jī)會(huì)往往留給有準(zhǔn)備的人,寧波蔚瀾就是這樣一家企業(yè)。此前,它是一家生產(chǎn)物聯(lián)網(wǎng)配電柜的企業(yè),公司負(fù)責(zé)人范世杰非常關(guān)注市場(chǎng)動(dòng)態(tài),在2018年底,當(dāng)他看到央視開始宣傳垃圾分類時(shí),立刻產(chǎn)生了一個(gè)念頭——垃圾分類柜這種東西,本質(zhì)上和物聯(lián)網(wǎng)配電柜的差別不大。

新型的垃圾分類箱很快做了出來。居民對(duì)可回收垃圾的分類意識(shí)明確,但廚余垃圾分類就出現(xiàn)了困難。很常見的一個(gè)問題就是,居民在分類時(shí)不夠精細(xì),把其它垃圾混雜在廚余垃圾里,這就涉及到兩個(gè)動(dòng)作——需要對(duì)垃圾進(jìn)一步分揀,還需要提醒居民下次注意類似問題。

為什么說廚余垃圾是一道門檻?主要是因?yàn)檫@種垃圾的形態(tài)、外觀都很復(fù)雜,傳統(tǒng)的視覺識(shí)別手段的精準(zhǔn)度有限,成為產(chǎn)品的軟肋。

讓范世杰感到幸運(yùn)的是,公司新招來了AI技術(shù)總監(jiān)杜一品,大家都知道AI的人才奇缺,有完整的AI開發(fā)經(jīng)驗(yàn)的人更少。

對(duì)于這種現(xiàn)象,百度集團(tuán)副總裁吳甜稱之為“AI先行者探路”階段。

吳甜在解讀百度飛槳深度學(xué)習(xí)平臺(tái)與產(chǎn)業(yè)伙伴的廣泛合作中所觀察到的AI落地實(shí)踐路徑時(shí),把這條路描繪為三個(gè)階段,也就是AI先行者探路階段、AI工作坊應(yīng)用階段和AI工業(yè)大生產(chǎn)階段。

企業(yè)中的AI先行者,深諳業(yè)務(wù)場(chǎng)景中亟待解決的難題、有想法,想要突破傳統(tǒng)的業(yè)務(wù)現(xiàn)狀,希望借助AI的力量走出一條不一樣的路。

杜一品正是如此,蔚瀾并沒有完整的AI團(tuán)隊(duì),但是,他也有一些底氣,因?yàn)檎莆樟诵碌墓ぞ摺�—飛槳企業(yè)版EasyDL。

EasyDL是一個(gè)零門檻AI開發(fā)平臺(tái),開發(fā)一個(gè)AI模型的流程中,涉及的數(shù)據(jù)處理、特征提取、模型選擇、參數(shù)調(diào)節(jié)、訓(xùn)練部署等環(huán)節(jié),都實(shí)現(xiàn)了高度的自動(dòng)化,經(jīng)過簡(jiǎn)單學(xué)習(xí)即可運(yùn)用。

杜一品用EasyDL輕松完成了廚余垃圾識(shí)別模型,另一個(gè)問題隨之而生,垃圾箱端側(cè)的識(shí)別需要比較高的AI算力,如果回傳到云端計(jì)算,就需要企業(yè)添置大量的服務(wù)器、GPU卡等資源,這極大的增加了利潤(rùn)本身薄如刀鋒的垃圾回收企業(yè)的成本。

就在這個(gè)時(shí)候,飛槳工程師給他支招,不需要購(gòu)買龐大的AI計(jì)算設(shè)備,只需要一個(gè)百度的“EdgeBoard嵌入式AI計(jì)算卡”再搭配兩個(gè)普通的攝像頭就可以解決“成本高”的問題。最終,蔚瀾也正是采用飛槳工程師的建議成功實(shí)現(xiàn)了AI的初次實(shí)踐落地。杜一品說了一句很感概的話:“我們的設(shè)備成本只增加了大約2-3%,就讓我們從自動(dòng)化時(shí)代進(jìn)入了智能化時(shí)代,原來AI也不那么貴。”

蔚瀾的智能垃圾回收箱因?yàn)閺N余垃圾智能識(shí)別這一項(xiàng)能力,在市場(chǎng)上贏得了競(jìng)爭(zhēng)時(shí)間窗口。這就是AI的力量。

事實(shí)上,像杜一品這樣的AI先行者還有很多。

王健(化名)是一家新能源電池企業(yè)的資深工程師,他最頭疼的問題,就是電池的質(zhì)檢環(huán)節(jié)。

對(duì)電池進(jìn)行質(zhì)檢,除了通電測(cè)試外,很重要的一個(gè)工作其實(shí)是非標(biāo)準(zhǔn)化的,得用肉眼去看,要仔細(xì)觀察——金屬焊接產(chǎn)生的顆粒是否掉在表面、有沒有漏涂、焊接工藝是否一致等等。但是,傳統(tǒng)以肉眼為核心的檢驗(yàn),存在準(zhǔn)確率低、人才培養(yǎng)困難、生產(chǎn)環(huán)境中有害成份可能影響質(zhì)檢員健康等問題。

王健是一個(gè)樂于鉆研新技術(shù)的人,他發(fā)現(xiàn),飛槳的官方課程,是他在互聯(lián)網(wǎng)上能找到的、現(xiàn)有的、最有效的能夠幫助他快速進(jìn)行應(yīng)用研發(fā)的入門課程,于是他開始了自學(xué),進(jìn)而他開始思索,認(rèn)為百度飛槳在視覺方面的強(qiáng)大能力,可以是解決肉眼質(zhì)檢效率低、標(biāo)準(zhǔn)化程度低的一個(gè)新辦法。

王健是先行者,但同樣是一個(gè)AI新手,他想辦法聯(lián)系到了百度飛槳,并獲得了強(qiáng)大的支持。在合作的過程中,包括從模型選型到訓(xùn)練優(yōu)化,再到部署以及與原有系統(tǒng)的集成,飛槳團(tuán)隊(duì)不僅提供了編程框架和模型庫產(chǎn)品,還與王健在項(xiàng)目落地的各個(gè)環(huán)節(jié)展開了多次的交流和答疑,給予了全方位的技術(shù)建議和支持。

“我們希望,把產(chǎn)品線上的電池缺陷漏檢率從小于百萬分之一,優(yōu)化到小于十億分之一、單張產(chǎn)品圖像缺陷檢測(cè)平均時(shí)長(zhǎng)小于2毫秒”,王健說:“但這不是一件容易的事,涉及的細(xì)節(jié)有300多個(gè),包括黑斑、劃痕、黑點(diǎn)、厚涂、凹點(diǎn)等等�！�

對(duì)于這些問題,飛槳“平臺(tái)式賦能”的優(yōu)勢(shì)就顯現(xiàn)出來,因?yàn)樗麄儞碛械牟皇且患�或幾件“武器�?而是一整個(gè)“武器庫”,通過百度飛槳深度優(yōu)化過的PP-YOLO和ResNet系列算法,王健團(tuán)隊(duì)提升了算法精度,加之飛槳 PaddleX 全流程開發(fā)工具的選用,大大地降低了應(yīng)用深度學(xué)習(xí)技術(shù)進(jìn)行產(chǎn)業(yè)落地的難度。

“最后,相較于傳統(tǒng)的算法,應(yīng)用了飛槳模型庫的檢測(cè)算法,過殺率降低了 66．7%,缺陷漏檢率小于1DPPB,在多個(gè)產(chǎn)品線上進(jìn)行遷移部署的效率也得到了全面提升”,王健滿意的說,他也從這個(gè)項(xiàng)目中深深受益,成為了公司里AI技術(shù)改造的帶頭人。

杜一品和王健的經(jīng)歷,正是典型的“AI先行者探路”階段向“AI工作坊應(yīng)用”階段轉(zhuǎn)化的案例——總有那么一些人會(huì)愿意嘗試新的技術(shù),盡管這個(gè)過程或許很孤獨(dú)。

所謂的孤獨(dú),不僅僅是沒有人可以交流、討論、共創(chuàng);也可能是因?yàn)锳I技術(shù)不被決策層理解,而僅僅靠技術(shù)人員是很難推動(dòng)一類新技術(shù)落地的。

但一旦進(jìn)行了驗(yàn)證,成功落地后,就會(huì)從個(gè)人實(shí)踐,變成企業(yè)有內(nèi)驅(qū)力,來建設(shè)團(tuán)隊(duì)學(xué)習(xí)和應(yīng)用AI,從而進(jìn)入?yún)翘鸱Q之為“AI工作坊應(yīng)用”階段。

先行者探路往往是孤獨(dú)的,飛槳的陪伴讓他們不再感覺是在獨(dú)行。

2

AI探險(xiǎn)之旅,需要不斷進(jìn)階的能力

目前,絕大多數(shù)企業(yè)的AI實(shí)踐,還都處于前兩個(gè)階段。

必須指出,百度并不是被動(dòng)的等待企業(yè)在應(yīng)用AI上自行進(jìn)化,對(duì)三個(gè)階段的總結(jié)也不是靜態(tài)的總結(jié),相反,百度飛槳正是發(fā)現(xiàn)不同的企業(yè)分布在三個(gè)不同階段,所以通過這些豐富多樣的需求,主動(dòng)打磨飛槳的技術(shù)和產(chǎn)品,使它能更好的滿足處在不同階段的企業(yè)的實(shí)際業(yè)務(wù)需要,進(jìn)而幫助企業(yè)成長(zhǎng)到下一個(gè)階段。

對(duì)于進(jìn)入到AI工作坊應(yīng)用階段的企業(yè),百度飛槳的做法就是幫助這些寶貴的“星星之火”在學(xué)中干、干中學(xué),最后使他們成為企業(yè)內(nèi)部AI之火燎原的“火種”。

但這個(gè)過程,并不容易。

如果你看過肯·福萊特的《世界三部曲》或者歐文斯通的《梵高傳》,你一定對(duì)上個(gè)世紀(jì)初的煤礦工人生活的危險(xiǎn)和悲慘印象深刻。

即使在新中國(guó),1949年的煤炭每百萬噸死亡率仍然高達(dá)22．54,而足足經(jīng)歷了60年后的2009年,這個(gè)數(shù)值才首次低于1,也就是每生產(chǎn)百萬噸煤的死亡人數(shù)少于一人。盡管如此,當(dāng)年煤礦死亡人數(shù)仍高達(dá)2700人。

“只要這個(gè)數(shù)字不歸零,我們就還要繼續(xù)努力,終有一日,我們會(huì)實(shí)現(xiàn) ‘井下無人開采’的夢(mèng)想”,華夏天信(北京)機(jī)器人公司總經(jīng)理高強(qiáng)告訴筆者:“在礦用機(jī)器人領(lǐng)域,我們需要通過成熟可靠的AI解決方案來打造智慧煤礦,平衡安全與效率�！�

華夏天信有一支精干的開發(fā)團(tuán)隊(duì),但這支團(tuán)隊(duì)在面對(duì)“輸煤膠帶機(jī)器人智能巡檢”的開發(fā)時(shí),也遇到了技術(shù)的攔路虎。

如果一個(gè)人沒有下過井,就很難想象里面是什么場(chǎng)景——在距地表幾百米的深處,輸煤膠帶晝夜不停的將煤炭運(yùn)送到地面,一般的輸煤膠帶動(dòng)輒幾公里,如果完全靠人力現(xiàn)場(chǎng)巡檢或遠(yuǎn)程攝像頭查看,那需要很多的巡檢工人,這樣不僅增加了井下人數(shù),耗時(shí)耗力,而且難免誤看漏看,存在安全隱患。

對(duì)于這個(gè)場(chǎng)景,最簡(jiǎn)單的方式是使用搭載通用檢測(cè)算法的攝像頭,可以進(jìn)行簡(jiǎn)單的人員入侵檢測(cè)、邊界檢測(cè)等,但這種方案無法滿足井下光線較弱的復(fù)雜場(chǎng)景。有人建議使用比較通用的AI能力平臺(tái),選擇適用的模型加以改造,但這需要很強(qiáng)的AI開發(fā)能力。也有人建議,直接使用一些第三方公司提供的API,但事實(shí)上,由于井下的網(wǎng)絡(luò)傳輸環(huán)境異常惡劣,做不到滿足實(shí)時(shí)性要求。

華夏天信找到了百度飛槳,這一次,他們?cè)陲w槳的“武器庫”里找到一個(gè)端到端目標(biāo)檢測(cè)開發(fā)套件PaddleDetection,通過數(shù)據(jù)增強(qiáng)、算法選擇等技術(shù)很好地解決了輸煤膠帶機(jī)器人實(shí)際遇到的場(chǎng)景難題,同時(shí)飛槳還打通了AI應(yīng)用的最后一公里,提供了多端多平臺(tái)推理部署工具鏈,幫助技術(shù)人員將AI應(yīng)用高效落地。