人工智能作為當代很具代表性的使能技術，理應受到各行各業(yè)的歡迎，但現(xiàn)階段，縱觀人工智能應用成熟和廣泛的領域，仍然以公安、交通、金融、教育等專業(yè)性領域為主，而其他的行業(yè)對于人工智能的應用需求雖然廣泛存在，但由于場景的多樣性、需求的高度分散使得人工智能的滲透相對較淺。

從技術實現(xiàn)的角度而言，現(xiàn)階段的人工智能技術發(fā)展水平已經毫無疑問能夠滿足中小型行業(yè)輕量級、個性化的AI應用需求，但在技術方案和各式各樣的場景之間依然存在著一系列的瓶頸和門檻問題，諸如數(shù)據(jù)瓶頸（數(shù)據(jù)采集、數(shù)據(jù)標注）、算法訓練瓶頸、模型評估和發(fā)布的平臺等等。對于一些中小型行業(yè)用戶而言，盡管他們可能構想了一套又一套理想的AI應用方案，但如何獲取上述這些資源來實現(xiàn)方案的落地是個問題。

在過去幾年里，互聯(lián)網科技領域、人工智能以及智能安防產業(yè)圈的幾大頭部企業(yè)陸續(xù)推出了AI開放平臺，這些AI開放平臺的一個共同的特性就是均以“普惠AI”為核心理念，而推進AI普惠的一個關鍵便是降低AI應用的門檻，其中就包含幫助用戶實現(xiàn)零基礎訓練出一套自定義的AI應用模型。

在2019年深圳安博會上，華為、百度云、海康威視這幾家都有詳細展示自家的AI開放平臺在自定義AI應用模型方面的服務，也讓我們看到了AI開放平臺相比于傳說中的奇妙更接地氣的一面。

短、平、快，零基礎自定義一套AI應用模型

海康威視AI開放平臺在助力用戶自定義AI應用模型方面，主要有5大服務流程：明確用戶需求-數(shù)據(jù)標注-導入標注后的數(shù)據(jù)做模型訓練-模型部署-應用上線，自定義一套AI算法應用時間周期要多久呢？海康給出的答案是不超過一個小時。

在此前安防知識網對?？低暩呒壐笨偛?、研究院院長浦世亮的專訪中，浦世亮也特別提到了?？低曉贏I開放平臺上的思考，他認為，AI技術在一個場景中的落地往往需要漫長而專業(yè)的開發(fā)過程，從數(shù)據(jù)的收集標注、算法設計、訓練、集成到上線往往需要歷經數(shù)月。而現(xiàn)在通過AI開放平臺，可以利用各種自動化的工具，使得AI算法的開發(fā)過程，變得非常簡易。一個零算法基礎的用戶，可以在一個小時之內完成整個算法的訓練及部署。

舉一個例子，比如一家連鎖商店的老板需要通過AI技術檢測商鋪門口是否堆有垃圾，但商戶本身沒有技術能力。這種情況下，只需要商戶注冊成為?？礎I開放平臺的合作伙伴，在線上傳幾十張自己拍攝的店門口的垃圾圖片，并通過平臺上的標定工具標定垃圾信息，同時選定攝像機，將標定后的垃圾數(shù)據(jù)進行算法訓練后關聯(lián)到選定攝像機，商戶即可自行給普通的攝像機DIY出可實現(xiàn)垃圾堆疊檢測的AI能力，整個過程只需半小時左右。

安博會上百度云也重點展示了其VideoMind算法訓練平臺。這套平臺同樣可提供從新建模型、創(chuàng)建標簽、上傳數(shù)據(jù)、標注數(shù)據(jù)、訓練模型、評估校驗、發(fā)布模型全流程服務。開發(fā)者幾乎可以零開發(fā)搭建一套業(yè)務demo，據(jù)介紹只需2~3天時間即可完成部署，省去業(yè)務系統(tǒng)基礎功能的重復開發(fā)、以及基于AI的業(yè)務功能的開發(fā)成本。

據(jù)了解，VideoMind已經支持四類模型訓練：場景分類模型，如識別出視頻中是工廠、農田、還是建筑工地等;實體分類模型，如識別出視頻中出現(xiàn)的是貨車、跑車還是卡丁車等；自然攝像頭實體檢測模型，如識別出街邊的違章停車、無照游商、亂丟垃圾現(xiàn)象等；人體屬性檢測，如識別出工人是否戴安全帽，法官是否穿法袍等。

華為ModelArts2.0開放平臺可以以全流程的自動化升級已有的AI開發(fā)模式，助力用戶完成數(shù)據(jù)準備、算法開發(fā)、模型訓練、模型管理、模型推理全鏈條自定義AI應用模型。

安博會上，華為展出的ModelArts2.0擁有十余項新特性及服務，包含智能數(shù)據(jù)篩選、智能數(shù)據(jù)標注、智能數(shù)據(jù)分析、多元模型自動搜索、ModelArts SDK、圖神經網絡、強化學習、模型評估/診斷、模型壓縮/轉換、自動難例發(fā)現(xiàn)、在線學習等，覆蓋AI模型全生命周期。

據(jù)現(xiàn)場工作人員介紹，ModelArts可自動學習，不斷提升識別的準確度和運行速度，還可以不斷擴充模型類型，包括文本分類、行為識別等場景模型的定制化開發(fā)。

不同平臺在算法訓練服務方面背后的核心技術

這三大算法訓練平臺，幾大流程步驟雖然大同小異，不過不同的平臺在不同環(huán)節(jié)上都有針對性的核心技術來解決響應的問題。

比如在處理數(shù)據(jù)瓶頸的問題上，針對數(shù)據(jù)樣本少的問題，?？低旳I開放平臺提供了基于領域模型的遷移學習能力。AI開放平臺訓練了大量不同應用領域的領域模型，根據(jù)用戶的任務，開放平臺會自動選擇的一個領域模型作為訓練基礎，然后在這個訓練基礎上利用場景數(shù)據(jù)進行遷移學習，這樣可以讓用戶能夠用極少量的數(shù)據(jù)得到一個可用算法。

對于數(shù)據(jù)樣本單一的問題，海康威視AI開放平臺還開發(fā)了虛擬數(shù)據(jù)引擎，它可以利用三維建模、光線追蹤、對抗學習等技術生成虛擬數(shù)據(jù)來豐富訓練樣本，虛擬數(shù)據(jù)引擎可以幫助用戶豐富訓練樣本，大大降低了用戶的數(shù)據(jù)成本。

在數(shù)據(jù)標注方面，華為ModelArts 2.0采用了混合智能標注技術，據(jù)了解，這樣可以讓標注效率獲得至少5倍以上的提升。還有智能數(shù)據(jù)篩選，即通過AI的方式自動過濾和篩選出對訓練模型無效的數(shù)據(jù)。比如視覺類場景中失焦、過曝的圖片以及不符合應用需求的一些無關圖片等等。

而在模型訓練環(huán)節(jié)，華為ModelArts 2.0采用了多元搜索技術，可以將自動數(shù)據(jù)增強、超參自動搜索、神經網絡架構搜索等技術進行融合，以幫助用戶快速構建AI模型。與此同時，小樣本/半監(jiān)督學習、強化學習、聯(lián)邦學習等前沿技術的融合應用，不僅可以降低對訓練數(shù)據(jù)的需求，同時還能夠讓模型隨著數(shù)據(jù)的增長和變化，實現(xiàn)在線持續(xù)學習和進化，真正提供企業(yè)級的可進化的AI。

在完成模型訓練后，算法在產品端的移植工作也需要投入大量研發(fā)工作。為了提升從算法到產品的研發(fā)效率，海康威視開發(fā)了自動編譯工具（AI編譯器），利用神經網絡圖優(yōu)化、匯編優(yōu)化、指令編譯優(yōu)化等技術手段實現(xiàn)了算法在各類芯片平臺上的自動優(yōu)化及部署。

AI開放平臺提供自定義AI應用模型服務的意義

將算法訓練以工具的形式開放給廣大的零散的用戶，這是企業(yè)對于AI賦能意義接地氣的詮釋，也是實現(xiàn)價值轉換的基礎途徑。

AI開放平臺提供了數(shù)據(jù)標注、算法訓練、模型評估、應用發(fā)布和部署的一系列能力，而廣大的行業(yè)用戶他們對于細分的業(yè)務需求有著充分的了解，而通過這一類AI開放平臺，則可以很好的聚合平臺以及用戶雙方的優(yōu)勢，讓AI技術能夠深度融合到實際業(yè)務需求當中，實現(xiàn)定制化的AI應用。

與此同時，通過AI開放平臺這一固定平臺，可以進一步放大AI技術工具的通用性，讓這些能力成為可共享的資源，一定程度上也為海量的、零散的小型行業(yè)應用需求提供了一個公共的入口，縮短了中小行業(yè)用戶在這方面需求響應的距離和速度，讓傳統(tǒng)的可能需要以項目方式進行的方案能夠短、平、快的快速完成方案設計和應用部署。

并且，伴隨著平臺對各項個性化AI應用模型訓練經驗的積累，多元化數(shù)據(jù)的持續(xù)“投喂”以及業(yè)務應用邏輯的聚合積累，也將不斷為平臺輸送“養(yǎng)分”，強化平臺在算法訓練方面的普適性，從而讓模型訓練的速度更快，也能夠完成越來越復雜的應用類型的訓練。