AI大勢之下,越來越多的企業(yè)積極擁抱AI。然而,現(xiàn)實與憧憬還有很大的距離。眾多傳統(tǒng)行業(yè)要實現(xiàn)AI應(yīng)用還遠沒有想象中的那么簡單。

從企業(yè)中有人開始思考“我們面對的問題能不能用AI來解決”,到真正的實現(xiàn)高效、高質(zhì)量的大生產(chǎn),把AI技術(shù)的價值帶入到企業(yè)的生產(chǎn)活動當中,是否存在一條可以參考、可以實踐的路徑?

百度集團副總裁、深度學習技術(shù)及應(yīng)用國家工程實驗室副主任吳甜在WAVE SUMMIT 2021深度學習開發(fā)者峰會上,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踐路徑。她指出,企業(yè)應(yīng)用AI會經(jīng)歷三個階段。

百度集團副總裁、深度學習技術(shù)及應(yīng)用國家工程實驗室副主任 吳甜

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;當進行了驗證成功落地后,會從個人實踐轉(zhuǎn)變成建設(shè)團隊來學習和應(yīng)用AI,稱之為AI工作坊應(yīng)用階段;當企業(yè)逐漸進行大量的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),就進入了AI工業(yè)大生產(chǎn)階段,更長期看,還會實現(xiàn)社會化協(xié)同生產(chǎn)。

企業(yè)在應(yīng)用AI的這三個階段會遇到的主要問題是什么?如何有效解決,以實現(xiàn)進階呢?吳甜用現(xiàn)實事例給出了產(chǎn)業(yè)一線的經(jīng)驗分享。

首先,在“AI先行者探路階段”,先行者們看到業(yè)務(wù)場景中的問題,考慮引入AI來解決,真實場景問題往往有別于實驗室中的。以一個智能質(zhì)檢的案例為例,企業(yè)希望用AI替代人工質(zhì)檢,需要高準確率、低漏檢率,對算法要求非常高。這個案例需要在大物件上找到非常小的瑕疵和缺陷,是大尺幅里小目標的檢測。還需要模型體量小,預測速度快。另外,缺陷類型復雜,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。面對這個場景問題的時候,首先需要有在這樣場景上真正實踐過的模型才能夠快速的解決問題,還需要有適配這個場景的調(diào)優(yōu)工具。飛槳基于大量產(chǎn)業(yè)實踐打磨的PP-YOLOv2模型解決了上述問題,對先行者來說就具備了一個條件可以快速的進行模型驗證。

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)場景適配的硬件支持上,算力、存儲容量、模型支持程度、軟硬件結(jié)合優(yōu)化,設(shè)備價格等因素讓部署變得復雜。為此,飛槳平臺提供了多端多平臺部署環(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團隊以相互獨立的方式在進行創(chuàng)新工作。以一家工業(yè)制造業(yè)企業(yè)的AI團隊為例。這個團隊由12人構(gòu)成:4名機械化工工程師,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,最便捷的是無代碼開發(fā)方式,可以快速上手,門檻非常低。對于可以進行代碼開發(fā)的工程師,可以使用場景類套件快速復用。若團隊研發(fā)人員具備AI算法能力,還可以在算法類套件上進行算法模型配置。再進一步,若團隊研發(fā)人員能夠在模型庫上進行代碼改寫,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行研發(fā),就可以實現(xiàn)更深度的模型自研工作?？梢哉f,飛槳打造了針對不同類型開發(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、場景類套件、算法類套件,還有模型庫,以及動靜統(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景的定制化建模需求。面對這四個挑戰(zhàn),飛槳平臺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,對模型和服務(wù)進行科學有序的管理,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開展工作。放眼更長期,將會形成社會化的協(xié)作生產(chǎn)。

飛槳自正式對外開源至今,已完成第一個技術(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)和場景,而這組數(shù)據(jù)還在增長。

人工智能對世界經(jīng)濟、社會進步和人類生活產(chǎn)生的影響愈加深刻,以深度學習為核心的新一代人工智能技術(shù)已經(jīng)具備了非常強的通用性,顯現(xiàn)出標準化、自動化和模塊化的特征。在此過程中,飛槳作為成熟完備的產(chǎn)業(yè)級開源開放平臺,更進一步扮演著夯實中國科技發(fā)展的創(chuàng)新底座的“基石”角色。與產(chǎn)業(yè)共進的同時,“飛槳也將持續(xù)面向科學研發(fā)提升靈活性,助力前沿探索,希望為產(chǎn)學研一體化貢獻力量,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,共同推進人工智能的發(fā)展?！眳翘鹫f。