不懂AI的我，是如何搞開發的？

十三 2020-10-14 03:44:43 來源：量子位

金磊 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

高達86%，這就是目前市場對「定制開發AI模型」需求的占比。

但在這個過程中，企業用戶和開發者往往存在著以下諸多問題：

• 缺少模型訓練經驗
• 數據采集和標注成本較高
• 模型適配與部署流程非常繁瑣
• 模型優化迭代周期長

那么，是否存在一種工具，能夠「一站式解決」上述問題呢？

百度EasyDL了解一下。

簡單來說，EasyDL極大降低了深度學習的應用門檻：

把AI開發這件事情，搞得像使用「家用電器」一樣簡單。 而且訓練產出的AI模型質量，如同高級工程師產出的一樣專業。

但其實，百度早在2017年底便推出了EasyDL，2018年初正式開放，與此同時提出了一個愿景——Everyone can AI。

那么時隔近三年，這一愿景走到了哪一步呢？

像用家電一樣的AI，能有多靠譜？

先來整體看下EasyDL所具有的三大特點：

• 極簡的交互和使用流程，最快15分鐘即可完成模型訓練；
• 高精度的訓練效果，比如圖像分類模型的線上平均準確率在99%以上；
• 部署方式豐富，全面支持云、端、邊部署。

首先是EasyDL的易用性、低門檻。

使用流程只有簡單的四步，分別是「創建模型」、「準備數據」、「訓練模型」和「部署應用」。

并且，在整個過程當中，都是可視化圖形操作，這就大大降低了企業、開發人員的使用門檻。

用百度AI平臺研發部技術總監忻舟的話來說就是：

不用一行代碼也可以基于需求和數據，定制自己的AI解決方案。

在工業制造的生產質檢領域，以「愛包花飾」為例，在監測箱包生產過程中的殘留異物（針、金屬零部件等）時，使用EasyDL訓練箱包質檢模型，在完全無需了解AI算法細節前提下，也訓練出了準確率90%的模型。

再以「瀚才獵頭」為例，幾名人力資源專家在不了解AI算法的情況下，使用EasyDL，完成了簡歷數據的結構化處理和自動分類模型，大大提升了工作人員在簡歷檢索方面的效率。

但簡單，并不意味著會忽略掉專業性。相反，二者是「兼容且并行」。

依舊是「瀚才獵頭」的案例，作為一家高級管理人員代理招募機構，其儲備了200萬條不同行業的企業和人才信息。

但一個非常「致命」的問題就是：200萬條數據因簡歷檢索的低下，使人才庫的利用率不足10%。

而在使用EasyDL之后訓練多個模型推進簡歷數據的結構化處理，僅在「候選人職能」和「候選人職級」兩個模型上的識別率便達到了95%以上。

而以關鍵詞搜索的任務中，瀚才獵頭以往每天只能找到60-70份合適的簡歷。但現如今，20分鐘就可能達到600-1000份，而且精準度達到了95%。

一言蔽之，百度EasyDL不僅讓企業在「定制AI模型」上，使用起來像家用電器一般簡單，并且還能像高級AI工程師一樣專業。

除此之外，EasyDL還支持公有云API、私有服務器部署、設備端SDK、軟硬一體方案等豐富的模型部署方式。

例如在軟硬一體方案部署上，EasyDL提供了6款軟硬一體方案，支持專項適配與加速，覆蓋高中低全矩陣，模型識別速度可提升10倍。

不僅豐富，還非常快——最快僅5分鐘即可集成。

而EasyDL這一切的優異特性，離不開其背后的技術硬實力。

EasyDL的能力是如何實現的？

表面上看起來、用起來越是簡單的工具、平臺，那它背后的設計可能越是復雜。

百度EasyDL也是如此。

平臺內部采用了諸多復雜的深度學習算法和工程技術，而這一切，都是為了保證其簡單、易用、低門檻的使用效果。

EasyDL之所以能夠在模型方面達到高精度，一個重要原因是其基于百度自主研發的深度學習平臺飛槳。一站式模型訓練和服務體驗，則融入了更多百度長期積累的獨有技術和工程化能力。

首先，EasyDL預置了百度超大規模數據訓練的預訓練模型。

在視覺任務中，圖像分類訓練任務內置百度基于海量互聯網數據，包括10萬+分類、6500萬圖片等訓練的超大規模視覺預訓練模型，平均精度可提升3.24%-7.73%。

在物體檢測訓練任務方面，內置百度基于800+標簽、170萬圖片，1000萬+檢測框訓練的超大規模物體檢測預訓練模型，平均精度可提升1.78%-4.53%。

在自然語言處理方面，EasyDL預置了由百度自研、業界效果最好的預訓練模型文心（ERNIE），將機器語義理解水平提升到一個新的高度。

EasyDL還提供了自動數據增強、自動超參搜索等AutoML/DL自動化建模機制，對零算法基礎的用戶降低AI使用門檻。

而且基于飛槳DGC加速機制，通過只傳送重要梯度（稀疏更新）的方式來減少通信帶寬使用，從而讓EasyDL提升了分布式訓練效率，相比傳統分布式訓練方式，有70%以上的訓練速度增益。

其次，在數據處理方面，EasyDL建設了EasyData智能數據服務平臺。

在數據標注和數據清洗，EasyData提供了11種數據標注模板，5種標準、高級的清洗方案。

EasyData還提供了軟硬一體、端云協同的自動數據采集方案，可以在數據采集時，免除繁瑣耗時的設備選型、調試和集成開發工作。

最后，在部署部署方面，EasyDL提供了公有云API、設備端SDK、本地服務器部署、軟硬一體部署四種方案。

其中，公有云API可以支持彈性擴縮容；設備端SDK目前EasyDL提供了端模型適配服務，支持了15+芯片類型，4大常用操作系統。

而這些，正是EasyDL強大能力的背后硬實力。

Why EasyDL？

因為有需求，這就是問題的答案。

人工智能引領的第四次工業革命正不斷地滲透到各行各業，大企業往往具備了一定的人才儲備、技術積累。

但相比之下，中小企業在智能轉型的過程中，往往處于碰壁的狀態，智能化門檻過高，包括高級開發人員成本、技術能力等等。

而中小企業在整個國民經濟的發展過程中，卻起著舉足輕重的作用。

因此，解決這樣的問題，便成為了一種「剛需」。

也正是因為這樣，EasyDL一經開放，便得到了中小企業的廣泛認可和支持。

而在2年多的時間里，EasyDL也一直在持續升級和打磨，使整體的產品體驗和功能更加完善。

這也是讓EasyDL與其它AutoDL平臺相比，具有較為突出的優勢，能夠獲得更好的效果。

不僅如此，EasyDL的更新迭代還在繼續。

例如，今年升級的最大亮點，就是五月份全新發布了EasyData智能數據服務平臺。

專注在AI開發場景在業內開放了提供一站式的數據采集、數據清洗、數據標注、數據回流的完整解決方案。

內置的超大規模預訓練模型也是今年核心的技術亮點升級之一，為提供更高精度的訓練效果。

而就在剛剛過去的9月，我們看到EasyDL又進行了一輪大幅升級。

在EasyDL經典版NLP方向新增了定制情感傾向分析、文本分類多標簽、文本實體抽取；全新推出表格數據預測分析的ML方向，進一步豐富了模型類型。

數據服務上在已有的智能標注基礎上重磅推出多人標注，讓數據標注的效率進一步大幅提升。

全新上線模型市場，支持個人或企業將EasyDL經典版訓練好的模型發布至市場進行售賣，并在業內首個創新性支持從市場已購買的模型結合數據進行再訓練，實現更佳的模型效果。

未來，EasyDL還將繼續發力：

• 除了擴展已有的 CV、NLP、ML、語音識別方向算法類型，還將推出OCR、視頻追蹤等定制化能力。
• 持續提升模型效果，提高訓練速度，加速模型推理。
• 在數據、模型、服務等各個方面，持續降低使用門檻。

至此，可以說百度EasyDL離最初的「Everyone can AI」的愿景更加近了一步。