12歲女孩零編程經(jīng)驗開發(fā)系統(tǒng)千人用，80歲初代程序員300多天打卡學AI

金磊 夢晨 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

純小白，對AI感興趣，想學習AI或是嘗試做些有趣的小應(yīng)用，有可能嗎？

文科生一枚，自學了Python，但是對AI一無所知，能學深度學習嗎？

沒有代碼基礎(chǔ)，又想借助AI為現(xiàn)在的工作解決問題、做出改變，能實現(xiàn)嗎？

對于AI新手，如何入門AI，一直是個令人頭禿的問題。

而對于那些有一定技術(shù)基礎(chǔ)的人，想要用AI在實際工作生活中實現(xiàn)點什么，似乎也并不容易。

不過，也不是沒有辦法。

不信？來看看下面四位的故事。

師傅領(lǐng)進門

正值豆蔻之年的郭佳慧，是第一個故事的主人公。

去年疫情期間，才12歲的郭佳慧所開發(fā)的AI模型功能，是檢測口罩佩戴。

講真，神童的故事聽多了，似乎并沒有想象中的那么驚艷。

但如果說，當時做岀AI開發(fā)項目的她不會編程呢？

沒錯，淡定。

先來看下郭佳慧開發(fā)的作品。

這個系統(tǒng)會根據(jù)照片中口罩的樣子，判斷出口罩佩戴是否規(guī)范。

例如在這個例子中，我們仔細觀察后，才能發(fā)現(xiàn)口罩在鼻梁處沒有壓緊。

而這個應(yīng)用，卻能在短時間完成檢測，并提示：

沒有壓鼻梁條。

郭佳慧之所以開發(fā)這個AI系統(tǒng)，是看到了地鐵工作人員每天監(jiān)督乘客是否準確佩戴口罩，很是辛苦。

而市面上雖然有很多諸如此類的檢測系統(tǒng)，但想必很多人試過，捂?zhèn)€嘴、拿袖子擋就能蒙混過關(guān)。

但佳慧的系統(tǒng)能精準識別各類不標準口罩佩戴情況。

那么隨即而來的一個問題便是：

既然不會編程，如何開發(fā)這么精準的檢測口罩佩戴系統(tǒng)呢？

其實，郭佳慧一開始并不喜歡編程，奈何，自己卻有一個“別樣”的身份——碼二代。

先不提看懂代碼這件事了，就連代碼中的很多英文單詞，對于一個小學生來說也頗具挑戰(zhàn)。

追溯到去年疫情期間，郭佳慧的父親給停課在家的女兒，報了一個在線免費的培訓直播課。

在這個課程中所使用到的AI開發(fā)平臺，讓學生不需要看懂代碼，只需要搜集標注數(shù)據(jù)樣本，簡單操作就可以完成模型開發(fā)。

一段時間之后，郭佳慧對編程的心態(tài)也發(fā)生了大轉(zhuǎn)變：

太好玩了。

例如郭佳慧發(fā)現(xiàn)，利用這個AI開發(fā)平臺，可以輕松實現(xiàn)機器自動識別她最喜歡的MM巧克力豆，個數(shù)、顏色，哪怕是有遮擋情況下也能被識別到。

這也是她第一次親身體驗到了AI的神奇之處。

對于一個十幾歲的學生來說，上手門檻是走進AI的一大難題。

郭佳慧采用的，是百度飛槳的EasyDL零門檻AI開發(fā)平臺。

如其名，一大特色便是連編程小白都可以輕松上手。

但簡約不等于簡單。

據(jù)了解，EasyDL中絕大多數(shù)模型的精度都達到了90%，而且只需要15分鐘即可訓練完成。

概括來講，整體流程就是簡單四步走——創(chuàng)建模型、準備數(shù)據(jù)、訓練模型和部署應(yīng)用。

而且整個過程還是圖形可視化交互的那種，用官方的話來講就是：

不用一行代碼也可以基于需求和數(shù)據(jù)，定制自己的AI解決方案。

易上手、低門檻，是小白新手在做AI開發(fā)時對工具和平臺最基本的要求。

對于那些頭疼入門AI和深度學習的“特殊”開發(fā)者來說，還有什么也必不可少？

再來看第二個故事。

這一次的主人公徐伯權(quán)，可以算是中國第一代程序員。

1958年清華大學獲批設(shè)立自動控制系，徐老在次年進入該系計算機專業(yè)，是第二屆學生。

那時的計算機還是電子管構(gòu)造，徐老參與了我國第一臺硅晶體管計算機的設(shè)計。

那個年代“軟件開發(fā)”還叫做“程序設(shè)計”，徐老從機器語言學起，到匯編、再到FORTRAN，后來在工作中也接觸過當時用于開發(fā)人工智能的邏輯語言Prolog。

徐老從那時起就對AI產(chǎn)生了興趣，但工作任務(wù)繁重，一直沒能抽出時間深入學習。

徐老從小熱愛技術(shù)，年輕時自己組裝過電視機，退休后也沒放下，有什么電子產(chǎn)品經(jīng)常買來玩玩，也一直在關(guān)注世界和我國的科技發(fā)展。

到了2016年，AlphaGo戰(zhàn)勝李世石的消息，勾起了他當年用匯編語言寫下棋程序的回憶。

隨著AI技術(shù)的突飛猛擊，讓徐老重拾對AI的熱情，打算試試深度學習，他先是自學了Python，然后開始嘗試Tensorflow。

不過國外網(wǎng)站訪問和技術(shù)使用都不太方便，讓徐老挺苦惱的。

一年多以前，徐老了解到百度飛槳AI Studio學習平臺，聽了聽這上面的課，覺得通俗易懂，適合入門。

就這樣，曾經(jīng)也是學霸的徐老加入到了AI打卡學習的隊伍里。

這一年里，他學習、開發(fā)得如何？

一張學習熱力圖解釋一切。

每天早上徐老先是出門鍛煉身體，回來后就是學習AI，已經(jīng)成了他日常生活的一部分。

他最關(guān)注的方向是強化學習，經(jīng)常在AI Studio上找一些有趣的小游戲來動手改造。他把自己改造的AI五子棋發(fā)給過去的老朋友玩，看他們輸多贏少，玩的很開心。

徐老還把飛槳平臺介紹給在上大學的孫女，幫助她完成畢業(yè)設(shè)計，將技術(shù)傳承下去。

說到對于年輕人學習AI有什么建議，徐老覺得已經(jīng)有了這么好的開源平臺，從課程到模型、數(shù)據(jù)都有，還需要的就是興趣以及實踐。

只要有興趣，無論年齡、學歷都可以來這學習。在開源平臺上多實踐、與別人交流。我希望越來越多的人來參加AI的隊伍，這對國家的科技發(fā)展和振興有很大幫助。

……

看來，一個好的AI平臺必須要做到：

只要你想，任何人都能在這里入門AI。

但單是“領(lǐng)進門”是不夠的，投身AI還需要更長遠、更深入的目標。

修行在個人

第三個故事，我們來看看科班出身的碩士生，是怎么和AI結(jié)下不解之緣的。

主人公何小宇就讀于中南大學。

有時爺爺要從老家湖南汨羅來到小宇上學的長沙來看病。何小宇經(jīng)常得幫爺爺在學校附屬的湘雅醫(yī)院掛號。

湘雅醫(yī)院作為長沙著名的三甲醫(yī)院，掛號難、看病難的問題少不了。

何小宇切身體會到了醫(yī)療資源缺乏、分布不平衡的問題。

自己就讀的是自動化專業(yè)，是不是能學以致用，做點什么來改變這些情況？

帶著這個疑問，何小宇考上了本校的研究生，加入了人工智能與機器人實驗室。

何小宇本科的畢業(yè)論文就是機器視覺相關(guān)。在研究生階段，又深入學習了神經(jīng)網(wǎng)絡(luò)。

最后何小宇確定了自己的研究方向——模式識別和智能控制算法在智慧醫(yī)療方面的應(yīng)用。

2019年，正直研三升博一階段的何小宇趕上了第二屆中國高校計算機大賽-人工智能創(chuàng)意賽。

何小宇與兩位同學丘文杰和孫銘蔚組隊，開發(fā)了“AI知膚寶”在線問診小程序，與湘雅醫(yī)院皮膚科合作，構(gòu)建了皮膚疾病全病種分類系統(tǒng)，最終歷時半年時間，闖過初賽、復賽，在總決賽中斬獲創(chuàng)新組特等獎。

皮膚病種類繁多，即使是同種疾病，在不同患病時期以及拍攝條件下的視覺呈現(xiàn)也不一樣。

除了視覺特征以外，還需要結(jié)合感染源、感染途徑等作為依據(jù)，分類難度很大。

數(shù)據(jù)方面有湘雅醫(yī)院積累多年的臨床圖像和病史數(shù)據(jù)做保證，算法呢？

何小宇與團隊在飛槳的PaddleHub中找到了開源的目標檢測和圖像分類預訓練模型。

配合Fine-tune API就能結(jié)合數(shù)據(jù)快速完成遷移學習。分兩步實現(xiàn)了相當于皮膚科專家醫(yī)生水平的分類系統(tǒng)，覆蓋541類常見的皮膚疾病。

皮膚病發(fā)病率高，據(jù)統(tǒng)計全球約11%人口患有各類皮膚疾病。而我國注冊的皮膚科專業(yè)醫(yī)生僅2萬余人，醫(yī)患比例懸殊。

除了在大賽上得獎，AI知膚寶項目還獲得千萬級孵化基金支持，目前已聯(lián)網(wǎng)全國618家醫(yī)院，輔助了10000余名醫(yī)生進行初步病情的診斷。

何小宇的隊友孫銘蔚同學在頒獎典禮上分享了參賽經(jīng)驗：

飛槳深度學習平臺對我們的作品起到了很大的幫助，快捷穩(wěn)定、操作簡單靈活，并且各類應(yīng)用文檔問題可以很快地找到成熟解決方案。

對何小宇來說，參賽獲獎是對研究生生涯的圓滿收尾。

比起枯燥的實驗室研究，這場比賽讓他感受到了AI的樂趣，也讓自己跟進了三年的一個項目有了一個很好的收尾，同時也鍛煉自己的邏輯跟團隊組織能力。

他后續(xù)完成的亞洲人種皮膚病臨床圖像數(shù)據(jù)集論文，還獲得了醫(yī)學影像計算機輔助診斷領(lǐng)域的最高學術(shù)會議，MICCAI 2019 LABELS Workshop的最佳論文獎。

談到未來，何小宇想繼續(xù)自己的研究方向，爭取用實際行動為“AI＋醫(yī)療”貢獻自己的一份力量。

不僅要落地，還要遍地開花

第四個故事來到產(chǎn)業(yè)界，看看在幫助AI落地產(chǎn)業(yè)中，AI平臺還能有什么妙招。

AI的一大關(guān)鍵價值，就是能代替人做各種危險和重復的工作。

比如高壓電網(wǎng)的線路檢修，經(jīng)常需要在高空作業(yè)，面對復雜的電器環(huán)境。國家能源局通報，每年電力人身傷亡事故平均有三四十起。

15年起在電力供應(yīng)領(lǐng)域創(chuàng)業(yè)的梁興博，一直想找到替代方案。

近幾年國家電網(wǎng)逐漸加速布局人工智能，梁興博覺得這個機會，他要抓住。

不過他的公司并沒有AI相關(guān)人才，AI工程師的月薪起碼3萬以上，雇傭四五個工程師，每年就是200萬左右人力成本，作為創(chuàng)業(yè)公司，他很難承受這個代價。

2020年8月，一則“EasyDL X 烏鎮(zhèn)舉辦產(chǎn)業(yè)智能創(chuàng)新大賽”的消息引起了他的注意。

除了飛槳EasyDL平臺本身零門檻，比賽還提供了公開課幫助無AI技術(shù)背景的參賽者快速上手。

其中就有梁興博關(guān)注的安全生產(chǎn)主題課程，還能獲得與國家電網(wǎng)研究院的副總工交流切磋的機會。

梁興博毫不猶豫報了名。除了數(shù)據(jù)處理與訓練AI，他在課程中還學到了AI模型在不同場景下如何部署。

最終，梁興博開發(fā)的智慧輸電線路系統(tǒng)從255個參賽項目中脫穎而出，獲得企業(yè)組第一名。

他采集標注萬余張照片進行訓練，構(gòu)建了輸電線路隱患模型、煙火檢測模型、輸電線路故障檢測模型。

系統(tǒng)已在某省輸電線路測試運營，監(jiān)測準確率達到了85%以上。正式投入使用之后不僅可以解放一線檢測人員，綜合成本還能夠下降一半左右。

除了電力，這次比賽還吸引了金融、水利、工業(yè)制造等多個領(lǐng)域的企業(yè)參加，涌現(xiàn)出紡織產(chǎn)業(yè)面料搜索篩選、發(fā)動機漏液識別、水源覆蓋面積及表面水質(zhì)檢測等諸多創(chuàng)新。

梁興博認為“有了飛槳這樣的平臺，我們這種創(chuàng)業(yè)公司，實現(xiàn)AI升級轉(zhuǎn)型也不再是奢望”。

……

在百度飛槳深度學習開源平臺上，孩童、老人、學子、企業(yè)開發(fā)者……不分年齡、經(jīng)驗、背景，都能便捷、快速地入門AI，用AI實現(xiàn)自己的夢想。

AI的普及者

AI的入門與開發(fā)實踐，并不是常人眼中的那般遙不可及。

相反，已然是全民皆可的節(jié)奏。

在這背后，深度學習開源開放平臺是推動這波節(jié)奏的關(guān)鍵。

就好比在每一個時代，都會出現(xiàn)不同“趁手”的“工具”，讓人們腦中的想法成真：

傻瓜相機的出現(xiàn)，讓人不需要懂攝影就能留住生命中美好的瞬間。

WordPress的出現(xiàn)，讓人不需要懂代碼就能建立自己的網(wǎng)站。

……

而在AI時代下，像飛槳這樣深度學習開源平臺的出現(xiàn)，除了推動“AI學習開發(fā)全民化”進程外，更重要的一點，是讓產(chǎn)業(yè)、生活中的實際問題更高效地被解決，讓我們每個人都能被科技關(guān)愛到。

例如用無人機監(jiān)管農(nóng)作物的生長情況，讓每畝地節(jié)省100元成本，農(nóng)戶收入提高10%。

再例如把老師傅30年的經(jīng)驗，凝練成一個算法，讓鑄造熔煉每年節(jié)省原材料10%、配料時間減少90%。

上述的這些案例，都是基于國產(chǎn)AI“操作系統(tǒng)”——飛槳所解決的現(xiàn)實問題。

如果想在你的履歷上刷上“AI開發(fā)者”，或者把困擾已久的問題通過AI的方式解決。

現(xiàn)在，課程、工具、實踐平臺都有了。

試一試？或者有什么別的難題或idea，也歡迎分享交流~