近日，國際計算機視覺領域頂級會議ICCV 2021舉辦的VIPriors挑戰(zhàn)賽落下帷幕，賽事聚焦前沿的AI神經(jīng)網(wǎng)絡學習等問題展開，試圖探索在少量訓練樣本情況下，如何提升AI模型學習效率。隨著神經(jīng)網(wǎng)絡和視覺轉換器的發(fā)展，給海量數(shù)據(jù)打標，已成為打造智能AI的基礎，但對數(shù)據(jù)的收集和打標都需要高昂的成本，尤其是對海量的數(shù)據(jù)進行訓練會消耗大量的計算資源，還會大幅增加“碳排放”。來自清華大學、復旦大學、北京郵電大學以及南洋理工大學、中佛羅里達等國內外知名高校和阿里巴巴、?？低?、字節(jié)跳動、網(wǎng)易、松下電器等國內外研究AI技術的知名企業(yè)一同參賽。最終，阿里安全團隊通過“數(shù)據(jù)增強”“動態(tài)網(wǎng)絡結構”“偽標簽方法”等方式結合解題，贏得了圖像分類賽道和工業(yè)檢測賽道的雙料冠軍。阿里團隊通過該方法，不僅降低了超過30%的AI模型算力成本，實現(xiàn)更低碳的AI計算，同時還提升了檢測模型的檢測精度。參賽選手阿里安全算法工程師慧明介紹，工業(yè)檢測賽道要求參賽者利用AI在1萬輛涉及多種型號的破損自行車中，定位到每輛自行車丟失的零部件，按每輛自行車標注22個關鍵零部件來算，1萬輛意味著總計有22萬個零部件的檢測量。“主辦方要求不能使用任何額外數(shù)據(jù)訓練AI算法模型，只能用這1萬張標注的自行車圖訓練出一個檢測性能最好的AI?！被勖鞅硎?，這對現(xiàn)實應用中，AI模型遇到不同的問題場景或新風險，具有非常強的少樣本訓練實踐參考意義。

ICCV2021 VIPriors使用的部分自行車賽題圖片最終，阿里安全算法專家們精心設計的檢測算法模型以均值平均準確率30.4%的成績獲得工業(yè)檢測賽道冠軍?；勖鹘榻B稱，該新一代安全架構核心AI技術已應用在阿里的圖片安全業(yè)務場景，并進行了商業(yè)化輸出，幫助更多用戶規(guī)避多變的內容風險。在“圖像分類”賽道上，阿里安全設計的動態(tài)網(wǎng)絡技術則實現(xiàn)了在少量樣本且不需要預訓練模型的前提下，提升了模型效果，這一“分類AI”也已經(jīng)投入使用，幫助阿里多個業(yè)務線節(jié)約超過30%的成本。上述技術對解決工業(yè)檢測問題也有廣闊想象空間，比如列車零部件缺失檢測。為保障列車運行安全，檢測工人依靠熟練的經(jīng)驗來檢查列車的零部件是否缺失，但人力終究有限，遺漏的可能性很高，未來有望通過AI算法實現(xiàn)排查檢測。阿里安全人工智能治理與可持續(xù)發(fā)展實驗室（AAIG）資深算法專家薛暉表示，AI等技術創(chuàng)新在保障網(wǎng)絡安全和工業(yè)安全上有很大的想象空間。每一次學術界和工業(yè)界的攜手試煉，是對未來依靠科技進步解決更多關系國計民生問題的開墾。