IEEE Fellow、AI大牛田奇加入華為云！他為何而來？“加速AI基礎研究落地”

十三 2020-07-27 19:24:52 來源：量子位

金磊 發自 凹非寺
量子位 報道 | 公眾號 QbitAI

云+AI正在驅動的數字化、智能化變革趨勢，現如今與新基建相輔相成，早已深入人心。

作為面向企業、行業和產業的基礎變革，華為云入局時，最被外界看好的是其在企業級市場的基因和客戶服務能力，以及背靠華為30年ICT技術積累的技術實力。

如果把產品方案和客戶服務能力比作上層建筑，那么基礎技術自然是經濟基礎。

而且華為云，還在不斷加強“經濟基礎”。

這不，最新消息：AI大牛田奇已出任華為云人工智能領域首席科學家。

稍熟悉這位AI科學家履歷的人都知道，這也是華為云進一步加碼人工智能技術的信號。

誰是田奇？

美國伊利諾伊大學香檳分校博士、IEEE Fellow， 也是原UTSA計算機系正教授。

曾獲Google Faculty Research Award、UTSA校長杰出研究獎、多媒體領域10大最具影響力的學者。

發表文章約550余篇，包括250+ IEEE TPAMI、IJCV、CVPR/ICCV/ECCV、NeurIPS等國際頂級期刊和會議。

2018年，在AI人才的激烈爭奪中，田奇正式加盟華為，是華為諾亞方舟實驗室計算機視覺首席科學家，主導AI視覺方向的前沿研究。

但就在華為云最新的TechWave人工智能專題日上，他的身份發生了這樣的變化——首次以「華為云人工智能領域首席科學家」身份，公開亮相。

田奇加盟華為云會帶來怎樣的變化？

在量子位的采訪中，田奇開誠布公給出了答案：

我在高校做了17年的老師，華為很好地幫助我完成了從高校向公司的過渡。

考慮到下一段目標，是希望幫助公司具體部門構建商業技術競爭力，以及直接創造商業價值。

而華為云又是公司著力要建設的部門，有著諸多人工智能的業務場景。

于是，在機緣巧合之下，田奇便擔任了華為云AI領域的首席科學家，帶領團隊加強華為云的AI基礎研究實力。

而人工智能基礎研究最終還是需要在場景中落地，華為云EI成為了田奇發力的主戰場之一，用他的話就是，「華為云EI更加貼近AI落地和用戶」：

華為云EI借助十余年來在行業內積累的大量經驗，將計算機視覺、語音語義、決策優化領域的核心技術做到了創新和沉淀。

并且值得注意的是，田奇重點提到的華為云EI，也不斷在基礎研究方面交出成績單。

基礎科研實力「多項業界第一」，憑啥？

田奇介紹道，華為云在基礎研究方向主要包括三個方面：

• 計算機視覺
• 自然語言處理
• 語音交互

他認為若要用一個標簽來體現華為云在基礎研究中的實力，可以說是「多項業界第一」。

首先是在計算機視覺領域。

在全監督學習方面，田教授帶領的視覺研究團隊在大規模圖像分類數據集ImageNet-1000上，Top-1的精確度達到85.8%，在不使用額外數據集設置下達到了業界第一的水平。

而在此之前，谷歌在這個領域連續三年取得第一水平，華為視覺團隊也打破了谷歌的多年霸榜。

在無監督學習方面，華為視覺團隊在ImageNet-1000數據集上，目前自研算法在精確度上達到了75.0%精度，比Facebook的MOCO v2?（71.1%）提高了3.9%，并且在一系列下游任務測試中都取得了更好的泛化性能。

在弱監督學習方面，在剛剛結束的CVPR 2020 Webvision challenge 圖像識別競賽中，華為視覺研究團隊實現了82.97% top-5識別精度，獲得了此次挑戰賽冠軍。

在計算機視覺核心任務之一目標檢測上，依賴于自身強大的研發能力，華為視覺團隊提出了自適應數據增強技術，華為視覺團隊在業界公認MS-COCO 數據集上也拿到了bounding box 檢測業界第一，實現了單模型56.8%、多模型58.8%檢測精度，兩項指標均達到了世界第一，打破了Microsoft等公司在該領域多年的壟斷。

如此強悍的基礎硬實力，也加速了華為云在技術落地方面的進程。

在自然語言處理、知識圖譜方面，華為云將AI基礎技術應用到了行業，包括石油、醫療，以及在最近的防疫方面都做到了落地。

例如華為云基于AI的基因組分析，將測試病毒所需的時間從數小時減少到數分鐘。目前這些系統已經部署在40多個國家，100多家醫院，幫助當地國家抗擊病毒。

此外，AI輔助醫學影像分析，可以在數秒鐘內輸出COVID-19醫學影像量化結果，幫助醫生快速診斷（用AI幫助醫生讀肺部的CT片）。

在語音交互方面，主要是將對話問答技術用在了WeLink小微助手，回答一些銷售咨詢、故障排除、問答支持等等。

而上述一系列成績，也是華為云前進路上的一個個參照物。

但如果要理解華為云正在如何前進？又會給云市場帶來怎樣的變化？

還要接著往下看。

華為云的AI落地戰術

從華為云在AI基礎研究中的沉淀與突破，再到行業應用落地的加速，也正好反映出了行業發展的一個大趨勢——AI前沿算法產品化。

然而，在AI算法、框架不斷迭代、刷新紀錄，AI應用場景復雜的情況下，讓AI在落地的過程中困難重重。

因此，華為云面向政府、企業與開發者，提供全棧AI解決方案——華為云EI。

而從華為云EI近年來的表現，也再次證明此舉的正確性。

例如在AI平臺方面，華為云推出的ModelArts一站式AI開發管理平臺，可以幫助用戶進行包括AI開發和運行階段管理在內的全生命周期管理，在數據處理、模型訓練、模型管理、模型部署、AI市場等各個環節提供更為快速有效的解決方案。

HiLens端云協同AI開發應用平臺，由具備AI推理能力的端側設備和云上開發平臺組成，面向開發者、企業以及設備生產廠商，提供“端”、“云”、“芯”為一體的多種開發方式和視覺設備的端云協同管理服務，進一步降低開發門檻。

一站式數據運營平臺DAYU，面向數據工作者，覆蓋數據集成、開發、治理，主題模型設計、數據開放。支持30+數據源接入，超過10萬作業并發，用戶可以全流程托拽方式實現數據端到端開發治理，同時平臺分層開放，支持用戶方便的集成，快速構建行業數據化轉型平臺、幫助企業加快數據變現。

除此之外，華為云EI通過在十余行業，大量的項目探索，總結了行業AI技術落地的關鍵路徑——找準場景。

華為云EI將這條關鍵路徑分為三類：海量重復場景、專家經驗場景及多域協同場景。

物流行業屬于典型的海量重復場景，針對物流貨物的運輸、安檢場景，華為云EI利用了視覺技術，幫助德邦快遞實現了全面的自動化檢測，節省了大量的時間成本和人力成本，有效減少了貨物損耗。

針對多域協同場景，華為云幫助某機場解決航班靠橋率、旅客靠橋率、步行距離、地服消耗、滑行沖突率多等問題，實現核心指標靠橋率較人工提升了 5%，沖突率較人工降低10%，全面提升了指揮員工作效率和機場運行效率。

在專家經驗場景中，醫療領域是十分典型的，專家都是非常寶貴且稀少的資源。

華為云EI和金域醫學圍繞大數據、AI等多個方面便開展了合作，例如借助深度學習等AI技術對海量病理切片及專家標注數據進行學習、訓練。

基于金域醫學醫生的專業標注，以及華為云EI視覺團隊的網絡模型構建與訓練，合作項目已取得了階段性的突破，例如宮頸癌細胞學AI輔助篩查的敏感度超過99%，可媲美專家水平。

也正是如此的成績，讓華為云EI在這條賽道上依舊持續發力。

在今天的TechWave人工智能專題日上，華為云推出了業界首創AI邊緣訓練及推理方案——ModelArts Edge智能小站。

△華為云人工智能領域首席科學家田奇發布

ModelArts Edge智能小站

作為ModelArts平臺服務在邊緣側的延伸，ModelArts Edge智能小站擁有一體化全棧方式交付完整ModelArts平臺服務的能力，并且還具有以下特性：

全棧AI開發服務能力下沉/開箱即用：與華為云統一架構，繼承公有云大規模商用成熟架構，穩定可靠、開放兼容，能為客戶提供與華為云上ModelArts一致的服務。

不僅如此，田奇在華為云TechWave人工智能專題日上表示：

未來，華為云EI還將持續把華為的AI前沿算法產品化，并開放給各行業的AI開發者使用，通過技術創新驅動產業智能升級。

所以一言以蔽之，華為云EI的目標，就是要「讓AI無所不及」。

當然，或許你也有這樣的疑問：

如今的云市場，怎么跟AI等前沿技術變得如此緊密相關？

為何一向謀定而后動的華為，在云+AI的進擊上，如此堅定且高速行軍？

云格局之變

云是什么？一個廣受認可的定義是：

是一種基于互聯網的計算方式，通過這種方式，共享的軟硬件資源和信息可以按需求提供給計算機各種終端和其他設備，使用服務商提供的電腦基建作計算和資源。

但新技術加持、數字化轉型升級大趨勢之下，云計算早已不僅僅只是計算方式，而是承載AI、5G等各類新技術的直接載體，云服務是技術輸出的最直接手段。

而且觸達的也不再是互聯網公司科技公司，還是更廣大的產業，是產業智能化升級的核心方式，前景非常可觀。

在今年大熱的新基建浪潮中，更是對云、AI、5G等技術在產業智能化升級中的作用，給于了明確肯定。

而華為，更是當仁不讓。

在明確智能化變革之后，華為也早已明確了朝著云、AI、5G的戰略前進方向，要再次穿越技術周期，打贏“智能世界底座”之戰。

現在，加碼基礎科研，加速AI基礎技術落地行業市場，只是一個更加明確的信號。