为了不被踢出AI的组织，视觉深度模型都开始接私活了？
发布时间：2021-11-01 15:50:42 所属栏目：大数据 来源：互联网
导读：中国青年报客户端讯（中青报中青网记者 王海涵）中国人工智能发展有自身的长板，政策支持、海量数据、应用环境等优势使行业应用生态呈现向好趋势。与此同时，行业的发展必须解决顶尖人才较少等短板问题！10月25日上午，中国工程院院士高文在视频连线时抛出自
|
中国青年报客户端讯（中青报中青网记者 王海涵）“中国人工智能发展有自身的‘长板’，政策支持、海量数据、应用环境等优势使行业应用生态呈现向好趋势。与此同时，行业的发展必须解决顶尖人才较少等短板问题！”10月25日上午，中国工程院院士高文在视频连线时抛出自己的观点，立刻吸引了观众们的兴趣。
10月23日-26日，主题为“AI共生新征程”的第四届世界声博会暨2021科大讯飞全球1024开发者节在合肥举行。与会专家围绕人工智能人才培养、技术革新、高质量就业等问题展开探讨。其中，行业青创人才和领军人物培养的话题引人关注。
“今年的开发者创业比赛，参赛团队数达22472支，其中40%来自新一线城市，87%是30岁以下的创业者。从创业年龄，我们看到了生态的可持续性。”科大讯飞董事长、扎根人工智能领域20余年的刘庆峰说，未来，要让人工智能切实解决社会重大命题，但不得不考虑的是如何让更多行业人才有用武之地？刘庆峰持有的一个观点是行业繁荣必将让才华的种子破土。
为了整合产业资源，科大讯飞在合肥、长春、洛阳、天津、西安等地成立双创基地，为更多创业者赋能。
此外，近几年的全国两会上，作为全国人大代表的刘庆峰多次呼吁培育人工智能源头创新人才。他建议强化数理、计算机、通信等与人工智能强相关的基础学科教育，鼓励引入创新项目、举办应用竞赛、建立科普平台，在不同地区、不同学科基础的高校开展不同方向的学科教育，打造不同方向的重点实验室；相关部门研究新政策，推进国内外一流的院校和企业联合建立项目，共同面向前瞻领域培养行业人才。
“我们除了政策、数据优势，还有丰富的应用环境。但还得加速算法的原始创新，比如核心芯片、元器件和传感器等方面的创新。国内顶级的人工智能学者人才相对较少，人才培养需要相关交叉的发展作为支撑。”高文也指出，基于此背景，很多学校都设立了人工智能专业，这对于培养行业青年人才是有好处的。但除此之外，必须要考虑如何培养领军人才。
他认为，行业领军人才的培养，不仅要靠市场这块“试金石”，还要依靠高校院所、国家实验室等机构共同发力，培育从基础研究到算法开发的复合型人才。“希望产学研各界能够携手共进，从不同层面完善人工智能发展的生态链，将中国巨大的市场和数据优势转化成技术产业发展的胜势。”
创新工场创始人李开复则从另一个角度提出破题之道。他观察到，今天，大量创业机会存在于AI自动化、先进计算架构、新能源技术和生命科学技术等领域，也催生了一批领军企业和年轻人才。
“我们期待，有越来越多科学家投身创业实践。”他同时坦言，“科学家创业面临重重挑战，一个成功的科技型公司的创办者，必须要懂技术，还要懂产业，才能把公司做好。”
李开复说，科学家特别重视科技的突破和创新，学术研究风格严谨，愿意花多年时间坐穿冷板凳来钻研一项技术，但一个成功的创业家需要追求商业回报，快速迭代技术和产品。“这两个追求之间有一定冲突，需要找到平衡点。”
李开复建议，可能需要多方共建一个平台，为科学家搭配或雇佣一个实力强劲的企业运营者，挖掘技术背后的商业价值，并在彼此间建立互通互信机制，将科学家成熟的技术“转移”出来。“在此机制下，科学家能继续在高校院所潜心研究，企业运营者负责把公司带着往前走，牵引技术和产业的发展。”
10月25日，就人才问题，安徽省人民政府省长王清宪拿本省举例：围绕服务好青年创新创业人才和团队，安徽将全面优化政务服务环境，加快构建产业链、供应链、创新链、资本链、人才链、政策链等“多链协同”的产业生态。
他指出，扶持的重中之重是完善金融和资本服务，更加关注各类创新创业主体的融资需求，着力用金融和资本活水浇灌人才创新之花。
痛点和机遇并存 我国人工智能行业呼吁解决人才短板只要是成熟且完成度较高的技术，慢慢就不会被大家当做智能来看待了。
比如我问身边的老母亲老父亲老阿姨们，手机指纹解锁、手写输入、地图导航、游戏NPC、美颜相机等等是不是人工智能，他们纷纷流露出了质疑的小眼神儿：
这么常见朴素不做作，怎么能是AI呢，最起码也得挑战一下那些看起来不可能完成的任务吧，比如能撒娇的智能客服，360度旋转跳跃闭着眼的机器人，扫一眼就能看病的大白，动不动就血虐人类的智能体什么的。
行……吧……如此看来，最“危险”的要数计算机视觉了。
估计再过不久，人脸识别、看图识物、假脸生成，就要被“开除”出AI的队伍了。
为了不被踢出AI的队伍，视觉深度模型都开始接私活了？
近年来，深度神经网络彻底升级了计算机视觉模型的表现。在很多领域，比如视觉对象的分类、目标检测、图像识别等任务上，深度神经网络（Deep Neural Network，DNN）完成的比人类还要出色，相关技术解决方案也开始频繁出现在普通人的生活细节之中。
这就够了嘛？并没有！视觉模型表示自己除了在图像任务里很好用，非图像任务也是一把好手。
前不久，深度学习开发者，Medium知名博主 Max Pechyonkin在其博客中，介绍了将视觉深度学习模型应用于非视觉领域的一些创造性应用。
咱们就通过一篇文章，来了解一下求生欲极强的视觉模型是如何在其他领域发光发热的吧。
生活不易，DNN卖艺
由于有迁移学习和优秀的学习资源，DNN在计算机视觉领域的应用落地远超于其他任务类型。
加上各种开放平台和公开的预训练模型加持，任何人都可以在数天甚至数小时内，将视觉深度学习模型应用于其他领域。
两年前，就有外国农民开发出了自动检测黄瓜的智能程序，北京平谷的桃农也用上了自动检桃机。
背后的技术逻辑也很容易理解：先选用一个简单的卷积神经网络（CNN）模型（可以在开放平台上轻松地找到），将各种带有标签的图片扔进去，跑出一个baseline，主要是为了确定数据集是否合适，图像质量和标签是否正确，需不需要调试等等。
OK以后，就可以投喂处理过的图像数据集了，一般图像越多、标注质量越高，模型的性能和准确率就越好。
听起来是不是学过高中数学就能搞定？
既然技术门槛并不高，其应用范围自然也就被无限延伸。面对很多非视觉类的原始训练数据，视觉模型也表示“不怂”。
其中有几个比较有意思的应用案例：
1.帮石油工业提高生产效率
石油工业往往依赖于一种名叫“磕头机”的设备开采石油和天然气，通过游梁活动让抽油杆像泵一样将油从地下输送到表面。高强度的活动也使抽油机极容易发生故障。
为了不被踢出AI的队伍，视觉深度模型都开始接私活了？
传统的故障检测方式是，邀请非常专业的技术人员检查抽油机上的测功计，上面记录了发动机旋转周期各部分的负载。通过卡片上的图像，判断出哪个部位出现故障以及需要采取什么措施来修复它。
为了不被踢出AI的队伍，视觉深度模型都开始接私活了？
这个过程不仅耗时，而且只能“亡羊补牢”，无法预先排除风险。
而石油公司正在试验，将视觉深度学习应用到故障检测中。
贝克休斯（Baker Hughes）公司就将测功计转换成图像，然后作为数据集传给ImageNet预训练好的模型中。结果显示，只需采用预训练好的模型并用新数据对其进行微调，机器自动检测故障的准确率就达到了93%，进一步优化则接近97%！
为了不被踢出AI的队伍，视觉深度模型都开始接私活了？
（左侧是输入图像，右侧是故障模式的实时分类。系统在便携设备上运行，分类时间显示在右下角）
应用了视觉算法训练出来的新模型，不需要等待专业人员的排期和诊断，就可以自行判断绝大多数故障并立即开始修复。听起来是不是很棒很奈斯？
2.帮金融网站进行在线风控
金融网站与欺诈团伙的斗智斗勇，往往是一场“道高一尺魔高一丈”的技术军备竞赛。想要区分访问者是普通客户还是潜在风险客户，仅仅依靠IP过滤、验证码等互联网技术显然不够了。
但如果金融网站的系统能够根据鼠标使用模式来识别用户行为，就能够预先规避欺诈交易的发生。要知道，欺诈者使用电脑鼠标的方式是独一无二而且非常异常的。
但如何得到一个深度学习鉴别模型呢？Splunk就将每个用户在每个网页上的鼠标活动转换为单个图像。用不同的颜色编码代表鼠标移动的速度，红点和绿点则代表使用了鼠标键。这样，就得到了大小相同、且能够应用图像模型的原始数据了。 （编辑：萍乡站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
