环顾四周:人工智能仍处于起步阶段,标准化是实现算法量产的有效手段

出品 | 搜狐科技 作者 | 梁昌均 “AI行业发展了这么多年,有这么多人涌进来,是不是已经到了一个比较成熟的…

出品 | 搜狐科技

作者 | 梁昌均

“AI行业发展了这么多年,有这么多人涌进来,是不是已经到了一个比较成熟的阶段?我觉得恰恰相反。”在11月10日的旷视举办的一场沟通会上,旷视研究院算法量产负责人周而进认为,AI行业目前仍然处在一个非常初级的阶段,最典型的一个特征就是分工非常不明确,本质上还是作坊式的生产模式。

他提到,芯片行业,有公司专门做设计,有公司专门做生产、封装、测试,是一个非常成熟化的行业,也有非常明确的分工,每个工种都有非常专业的工作职责范围和培训标准,但今天AI生产远远没有到这个阶段。

这是在过去很长一段时间里,人工智能面临的发展难题。而随着AIoT时代的带来,AI可以说几乎覆盖千行百业,但真正Work的算法仍然供不应求。如何解决算法生产及落地应用挑战,让人工智能在海量场景中发挥更大的作用,是AI企业在AIoT时代需要解决的难题。

周而进认为,当前,在AIoT市场算法供给、落地过程中,主要存在5大挑战:行业数据匮乏、算法通用性低、IoT设备繁杂、Software2.0的挑战以及算法供给质量参差不齐。

面对这些挑战,行业也在不断探索解决方案。目前,行业绝大多数算法都是定制化生产模式,根据需求进行算法定制化开发,但往往成本较高、算法交付质量参差不齐;预训练大模型能为算法带来良好的泛化性,但其背后需要大量算力支持,并且难以解决具体的细分场景问题;能够解决部分问题的云端AI开发平台,虽然易上手、零代码,但是只实现了流程数字化,对策略选择自动化等进阶功能的支持有限。

周而进表示,这几条路旷视都走过,包括也做了很多关于大模型相关的工作。“我们非常相信大模型这件事情本身具有很大的潜力,但是它不是万能的。”他表示,算法量产不是单一的产品,需要对AI生产模式的理念革新和生产力进化,而在AIoT 时代,算法研发也需要升级思维模式。

据介绍,传统的算法生产模式包括需求分析、数据收集、模型训练和落地部署等核心环节,这个过程中分工很难明确,缺乏全能型的人才,有着高昂的培训和人才储备成本,同时每一个项目的经验也无法沉淀为方法。

因此,周而进认为,大规模的算法落地是一个系统问题,很难揪出中间的某一个点,专打它就能把这个问题解决。而这个系统涉及到四个方面:数据、模型、迭代和评测,每个环节都面临各种挑战。比如,如何实现高质量数据的发现和生成,如何选择合适的模型,如何保持系统持续迭代并稳定运行,如何解决算法的可解释性等都是面临的具体问题。

面对这些挑战,应该如何解决?旷视给出的答案是标准化,只有标准化才有可能让算法生产的所有环节实现自动化,进而提高算法生产的效率。周而进认为,算法生产过程的标准化,是解决复杂且碎片化的算法生产的有效手段。这个过程包括了数据生产的标准化、算法模型的标准化和推理框架的标准化。

为此,旷视推出了适配算法量产的AI基础设施——算法生产平台AIS(AI Service)。AIS基于旷视Brain++体系,可以支持100多种业务模型训练,最快2小时即可完成训练,并已支持 30 种设备的管理。

周而进还特别强调,这个过程并不是通过牺牲质量来换取生产效率的提升或者生产成本的下降,而是通过真正科学的审视复杂系统中的每一个问题,把系统做解耦,对于每一个模块做标准化设计,从而得到高质量、真正work,并且效率非常高的一套生产体系,大幅降低算法生产的成本和门槛。

这也带来了人才研发结构的变化。旷视提出了适合当下算法需求的5:3:2研发矩阵,即5个行业工程师基于AIS算法生产平台进行相应的业务交付,3个算法研究员聚焦于算法的创新与探索,2个工程师不断打磨相应的基础设施并进行AI生产力工具的开发。

在沟通会现场,旷视还重点展示了其在非物质文化遗产“建盏”溯源领域的成果,推出了建盏产业内首个基于盏纹识别的建盏 AI 溯源系统,有效打击仿造伪造等行为,推动建盏产业的规范化发展和数智化升级。 此外,旷视通过算法量产已经帮助能源、教育、零售、运动健身等行业的多个客户在日常生产与经营中运用AI技术,实现降本增效。

为您推荐

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据