這個互聯網大廠，想為中國培養500萬AI人才。
文 | 園長
編 | 石燦
北京東南角的亦莊經濟開發區的道路上，有不少頭頂類似攝像頭裝置的轎車往來穿梭。這景象看起來平平無奇，但這些車都有一個共同特點：不用司機，自動駕駛。
重慶的一家“魚菜共生”工廠里，養大口黑鱸魚的廢水澆灌著碼放15層的韭菜、茼蒿，蔬菜栽培、病蟲害巡檢、魚生命體征監測、魚餌投喂全部自動完成，人只需定期檢查維護設備。
云南麗江，在“城市大腦”的指揮下，數百個攝像頭自動識別、上報城市內垃圾暴露、機動車違停、街面違規經營等行為，大大提高城市治理的效率，降低了管理成本。
從智慧農業到先進制造，再到城市管理和智能交通，無人駕駛、無人工廠和智慧城市這些未來感十足的技術背后，都離不開一個“核心科技”——AI，也就是人工智能。雖然距離科幻作品中機器人滿街跑的時代仍有不短的距離，但最近幾年，AI正在各個場景實實在在地進入人們的生活。
在AI落地的過程中，“人”，也就是訓練、使用、操作AI的那些人，仍在起著至關重要的作用。而人社部在2021年7月發布的一份報告，卻揭示了一個令人擔憂的事實：目前，我國人工智能人才的供需比只有1:10，如果再不加強培養，2025年的人才缺口將達到1000萬。
AI人才培養的數量和質量，成了制約AI賦能當代生產、生活的關鍵因素。
在國內，一批AI領域的探索者已經注意到了這個問題，AI人才的培養，開始漸漸走上正規。
2021年12月27-29日，百度舉辦了以“創造者精神”為主題的Create大會，其中，專門有一場論壇是留給AI人才培養的。在這場論壇中，“硅谷鋼鐵俠”馬斯克的母親梅耶·馬斯克對話百度女科學家，計算機C語言教學“開山鼻祖”譚浩強、前國家乒乓球領隊姚振緒以及來自大學校園的普通開發者都帶來了自己的分享。
本來，這些來自不同領域的人們可能不會產生聯系，但因為百度，他們走到了一起，共同探討AI人才發展的現實、路徑和未來。
從零開始的AI開發，有多難？
在百度Create大會AI人才培養論壇上，來自孟加拉國的河南理工大學大四留學生尼希德展示了他的成果：
通過AI識別雞糞。
這項“成就”聽起來就充滿了鄉土的味道。2018年，尼希德來到中國讀大學。在老師的指導下，他走上了學習人工智能的道路，學習機器學習和推薦系統等課程。
學習的過程中，尼希德意識到，“要真正理解人工智能的意義，我們不僅要學習理論，還要將理論應用到實際的生產生活中。”他開始大量參加競賽，編程比賽、機器人比賽、創意課題展示......也在這些比賽中獲得了一些獎項。
后來，尼希德決定參加C4-AI大賽（中國高校計算機大賽-人工智能創意賽）。這是一個頗為權威的全國性大賽，由全國高等學校計算機教育研究會主辦，浙江大學、百度公司聯合承辦，競爭相當激烈，很能體現選手的個人水平。
正當尼希德為做什么而苦惱的時候，他的指導老師王春陽建議，“你為什么不試試用人工智能做一些你家鄉真正需要的東西？”
孟加拉國是個人口1.6億的南亞農業國，但技術相對落后，每年約有30%的家禽因為疾病爆發而死亡，給當地居民的生產生活帶來巨大損失。
如果可以用AI自動識別雞糞便的形狀和顏色，也就意味著能夠自動判斷雞的健康狀況，而隨著技術的發展，鴨、鵝等禽類的健康狀況也可以進行識別。這將有效地防止疾病在家禽中傳播，也可以將一部分勞動力從繁重的飼養工作中解放出來。
尼希德認定，這是一個“家鄉真正需要的東西”。
他和兩位同樣來自孟加拉國的同學開始收集數據，也就是雞糞的照片。這正是訓練AI的原料。為了讓數據更準確，要給每個數據打上兩三個標簽。換算成時間，就是要“凝視”每張雞糞照片兩分鐘，而照片的總量接近1000張。將近一個半月，他們都在做這件事。
完成了數據的收集和標注，就該百度“EasyDL”（百度大腦推出的零門檻AI開發平臺）上場了，借助它，開發者可以完成對雞糞的顏色、形狀和大小的分類，從而達到識別雞的健康狀況的目的。
“EasyDL降低了人工智能學習的門檻。在EasyDL上不需要很難的編碼，也不需要去構建算法架構。所以任何人都能通過這個平臺來實現自己的創意想法。”
在AI人才培養論壇上，尼希德用自己的親身經歷如是說。對AI開發者如此友好的平臺，在國內基本找不到競品，在國際上也只有谷歌一級的“大廠”才會提供類似服務。
尼希德在百度AI開發者大會人才論壇上演講
后來，這個AI雞糞識別項目，獲得了C4-AI大賽的二等獎。“回想我祖國，我認為人工智能可以用于改善各行各業和日常生活，比如醫療、交通、農業、電子商務、課堂管理等。”對于尼希德和他的祖國來說，AI的意義都相當重大。
在尼希德的故事里，有一個人扮演了至關重要的角色，那就是他的中國大學老師王春陽。尼希德剛來到中國時，不懂中文，學習基礎也不如身邊的中國學生，AI上知識更是零基礎。
幸運的是，他的這位指導老師剛好參加過百度的深度學習培訓。老師從百度那里取來了AI的火種，再把這火種傳遞給了尼希德。在老師的影響下，他有機會接觸并掌握了飛槳的使用；更幸運的是，百度飛槳EasyDL足夠“零門檻”，讓這個一開始連EasyDL界面都看不懂的外國人，做出了能在國內大賽獲獎的項目，實現了AI技能的從零到一。
尼希德的故事還在續寫。河南理工大學的老師自發組織了一批孟加拉國學生，撰寫孟加拉語的EasyDL使用手冊。他想讓更多的孟加拉國學生，進入百度AI的人才培養鏈條中，培養更多的尼希德。
百度的AI能力，也在幫助越來越多的開發者實現自己的“從零到一”。在百度飛槳開發者社區我們看到，開發者于航在PaddleLite主干網絡加入了超過10萬張口罩人臉數據進行訓練，將識別是否佩戴口罩的模型準確度提升到了96.5%；開發者夏凡借助飛槳平臺開發了“鸚鵡識別”程序，能夠自動識別鸚鵡的保護級別和物種分類信息。
這些開發者的故事告訴我們，因為百度的AI能力，開發者AI學習的從零到一變得不再困難重重。
給開發者加速，能多快？
“這可以說是開掛了。”
在AI人才培養論壇上，大學生開發者高鴻志這樣形容百度飛槳平臺對于AI開發上的能力。
高鴻志就讀于東北大學自動化專業，和尼希德一樣也在讀大四。他是甘肅省古浪縣人，家在騰格里沙漠邊緣。小時候，黃土漫天的沙塵暴給他留下了深刻印象。想要根除沙塵暴，治理荒漠化，必須多種抗風沙的植物。但在沙漠中種樹談何容易，不僅需要在松散的沙地上費力挖坑，還要人力搬運樹苗和水。
“我們自動化學生的使命，不就是用機器去代替人工，完成那些艱苦的重復性勞動嗎？”
從小就對沙塵危害有著切膚之痛的高鴻志，迫切希望用智能機器更高效地種樹。他的目標不僅僅是一個會挖坑填坑、會安插樹苗的簡單機器人，而是包括沙漠栽樹機器人、護養機器人集群以及控制它們的物聯網，共同組成“栽、護、管”一體化的智能解決方案，真正實現用機器代替人工。
作為一名自動化專業的學生，高鴻志和他的伙伴們的長處是做硬件，組裝底盤、車輪、履帶、箱體，再把電路板一塊塊焊接到主體上，這都不是問題。
真正的考驗在于，如何給這臺栽樹機器人“賦予靈魂”，讓他真正智能起來？比如，機器人的護養模塊要精準定位到每一顆樹苗，對視覺有著很高的要求。如何搭建目標檢測模型，并進行有針對性的訓練？對于不太懂AI的高鴻志和他的伙伴們來說，這成了一個令人困擾的難題。
無意間，高鴻志在飛槳公眾號上看到開源工具“PaddleDetection”，它是一個相當于0代碼的目標檢測開發工具，只需要運行相應的python文件，就可以實現模型訓練、預測等功能。
這讓栽樹機器人的研發進程，跨過了深度學習模型的搭建、訓練和預測等一系列費時費力的步驟，開發者只需將自己的數據集處理成為規定格式，就可以輕松使用集成好的模型配置文件，一鍵運行腳本訓練模型。
更令人驚喜的是，原本需要幾萬張數據才能達到的效果，現在通過套件內部集成的超大規模預訓練模型做遷移學習后，預計只用1000張左右的數據，就能達到95%以上的準確率了。這讓開發者可以集中精力尋找數據集。
飛槳提供給開發者的還不止工具上的便利，在數據收集上，飛槳開發者社區同樣助力良多。因為疫情，高鴻志他們沒法去沙漠實地拍攝梭梭苗的數據集。抱著試一試的心態，他在飛槳開發者社區求助，希望能找到住在沙漠附近的開發者幫忙采集數據。通過飛槳的工作人員，高鴻志果然聯系到一位住在甘肅省民勤縣的開發者，一次性幫搜集了一千多張沙漠植株的數據集，解決了這個大問題。
之后，高鴻志和他的同伴用百度大腦的開源工具Easydata做智能標注，2個小時就標注了1000多張數據；用PaddleDetection做模型訓練，2天時間，識別率就達到95%。
測試中的沙漠種樹機器人
在學校的沙地上，這款栽樹機器人開始了第一次落地實驗。它的履帶碾過沙土，樹苗真的可以一束一束種到沙土里。在經過幾個版本的迭代之后，這款機器人已經具備種樹、養護、避障等功能，并有自己適配的控制系統、AI感知能力和云端數據監測系統。
當開發者完成了從零到一的“入門”，進入了AI人才鏈條，如何面對更進一步的AI實戰？高鴻志用自己的故事給出了這個問題的答案。在飛槳平臺的支持下，更多學科與AI結合的可操作性變得更強、成本更低，助力更多學科背景的開發者攻克AI技術的應用難點，提升使用AI技術的效率。
對于一些傳統型企業來說，百度的AI能力同樣能夠加速智能設備的研發，幫助企業的開發者跨越AI技術障礙。比如，中國南方電網的技術攻關團隊就引入飛槳深度學習開源框架，為智能巡檢機器人提供視覺賦能，用機器人巡視代替了原有的人工巡視，大大降低了運維成本、提升了企業的智能管理水平。
當AI走進行業，有多強？
AI技術總要走出實驗室和比賽場，在行業前沿發揮作用。曾經傳統的體育行業，已經是AI技術發揮作用的前沿領域。
比如在中國的體育強項乒乓球運動上，百度AI大有希望通過賦能乒乓球訓練的方式，讓乒乓球運動員的技戰術水平和臨場應變能力更上一層樓。
前國家乒乓球領隊姚振緒告訴刺猬公社（ID：ciweigongshe），他們正在和百度合作，試圖通過AI對運動動作進行精確識別、統計，根據統計數據對比賽的得失做出判斷。
對于乒乓球訓練而言，這些數據在經過研究之后，可以幫助運動員發現動作的準確與否、發力早晚，甚至幫助運動員判斷如何正確地把力量集中到球上，通過合適的摩擦制造出正確的弧線，提高擊球的成功率。
過去，這樣的統計只能用人工的方式完成。這就造成了兩個弊端。一是慢，由于乒乓球的瞬間變化很多，記錄者很難在短時間內進行統計，因此無法作為臨場應變的依據；二是不夠準確，姚振緒舉了一個例子，有時候人工往往只記錄最后一板球的失分，卻不能發現，這次失分是因為之前的某一板球就出現了失誤，從而導致被動造成失分。
如果能用機器解決人工統計慢和不準的問題，對于乒乓球運動員的訓練和比賽，將具有相當大的指導意義：在比賽時，運動員可以根據數據反饋調整技戰術和心態；訓練時，也可根據反饋規范動作、強化練習等等。
但其實現難度同樣可想而知。
首先，由于動作識別一般基于比賽轉播畫面，乒乓球運動員時而面對攝像頭、時而背對攝像頭，容易遮擋動作識別；其次，運動員動作持續時間短且連續、密集，不同的技術動作，可能只有手腕擺動的角度和幅度的不同，同一種技術動作，不同運動員的揮拍路線也不盡相同，因此實現精確定位相當困難。
想要提高識別精度，僅僅數據標注這一環節就相當“專業”，需要標注者懂乒乓球技術。參與此次項目的知名乒乓球裁判吳飛向刺猬公社表示，對于一場比賽，她需要從發球時選手用的是側旋發球還是逆旋發球，對局中的擺短、劈長等等一一標注，后來為了加快速度，他們還邀請了一批體育大學的研究生去做數據集的標注工作。
而當吳飛看到項目的Demo時，第一感覺是“驚艷”。那是一場馬龍對陣樊振東的比賽，統計精度可以細化到每一板球的得失分和具體的技術動作，比如是搓球還是進攻，是正手拉還是反手拉等等。它的精度也相當高，起止回合準確率達到97%以上，動作識別達到了80%以上。
吳飛在百度AI開發者大會人才論壇上演講
這，是吳飛和百度的工程師們經過50多次實驗，嘗試了20多種優化策略組合之后的的成果。曾經以為AI離自己很遠的吳飛，也借助百度飛槳平臺的AI能力，從乒乓球裁判、技戰術分析的科研人員成長為AI開發者。
“現在已經進行了大量的技術動作的分析和判斷，找出同樣效果且略有差別的動作，把這些動作分別歸類整理。”姚振緒說，“百度的年輕AI工作者接受這個挑戰，無數次地、不厭其煩地去識別一個個動作。”
姚振緒還表示，AI技術和體育運動的技術結合是當今的潮流和趨向，也是體育科技的高地。“哪一個國家把這方面的工作做在前面、做好了，一定對這個國家的體育運動有很大的幫助。”
而當技術進一步成熟，AI技術還能用在指導普通乒乓球愛好者的訓練上，助力全民健身。吳飛告訴刺猬公社，當更多“動作庫”建立之后，AI可以向乒乓球愛好者提供反饋，對比糾正動作，比如手腕、肘肩的走向和位置等等。
除了乒乓球，百度AI還助力了我國另一個體育強項——跳水。在百度和國家跳水隊的合作中，AI技術能夠對訓練視頻進行摘要、動作抽取、姿勢糾正等處理，快速整理歸納，方便對運動員的姿勢、動作等進行針對性的指導，也可以在賽前集中回顧、觀看。在奧運會賽前幾個月的訓練中，這套AI技術輔助運動員的訓練效率提升了20%。
百度的AI能力正在行業前沿不斷突破，這個體系培養出的AI人才，也正在為一個又一個傳統行業帶來新的可能——從制造業、農業的智能化轉型到城市管理、金融服務的智慧升級，擁有了良好的AI人才基礎。
“未來5年為社會培養500萬AI人才”，在Create2021AI人才分論壇上，百度CTO王海峰再次提及這一目標。通過建設飛槳教育生態、成立百度松果學堂，百度將持續助力優秀AI人才的成長，“人人皆可成才”，培養懂技術、有產業實踐經驗的復合型AI人才。
助力大批AI人才成長的百度，也將在“智能時代”里成為不可或缺的人才源泉，發揮出越來越大的影響力。
上一篇：梅姨當總統了，小李和大魔王睡了，地球炸了，老美自黑也是沒Sei了
下一篇：過年不看喜劇還過什么年？！！！
責任編輯：
