Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

华为云ModelArts:降低AI应用门槛,加速技术落地,让企业级开发不再难

应用行业 AI 落地的挑战,需要「企业级 AI 开发平台」。

最近两天,正在深圳举行的华为全球分析师大会 HAS 2020 上,AI 再次成为热点话题:医院借助华为云 EI 医疗智能体来辅助医学影像量化分析,马来西亚食品公司用华为云 AI 开发平台 ModelArts 构建 AI 模型筛选辣椒,物流公司用华为云 OCR 开发套件来快速录入各类物流单据,煤炭公司用华为云 EI 工业智能体来完成原料的配比…… 

华为云 CTO 张宇昕在演讲中表示,2020 年 AI 领域发生的最大变化就是它已经开始逐步渗透到各行业的生产系统。但对于行业应用来说,想要把人工智能融入传统业务系统中,提高生产效率,并不是一帆风顺,我们还面临着一些挑战和难题。

例如在工业界:生产设备产生海量数据,但如何去筛选出有价值的数据;行业的机理模型与 AI 深度学习如何结合进一步提升控制精度;行业知识如何获取和表征,如何变成数据参与 AI 的计算,发挥价值?

这些行业落地的挑战,都需要对 AI 平台进行持续的创新和升级来应对。

华为云 EI 企业智能打造了四层体系,支持 AI 在行业落地:EI 智能体、企业级 AI 应用开发套件、一站式 AI 开发管理平台 ModelArts、基础技术创新

行业应用 AI 挑战巨大

需要全面高效的 AI 开发平台

在工业领域中,很多人工智能应用会面临样本数据少,但精度要求却很高的矛盾。每天分布在生产设备上的各种传感器都会生成海量检测数据,但实际上产品的最终质量是由工艺参数、材料特性、生产设备等上千参数共同影响的——对质量预测分析有直接意义的检测数据样本比例通常很小。

很多工业流程中的动态过程,已经由专业人士在一定程度理想化进行了建模,其过程对于复杂系统非常费时费力,原理不同的神经网络已显现出良好的效果,但对于工程来说却存在「黑箱」的问题。

另一方面,人工智能方案与绝大多数公司传统的业务系统存在隔阂——专业领域的数据种类过多,结构复杂,是普通人工智能开发流程中比较少见的。而如何从行业数据中获取对于 AI 模型推断有用的知识,对于人工智能领域来说也是亟需探索的新方向。

这一切,都需要我们构建出一套全面高效的 AI 开发平台。只有基于强大的技术能力和丰富的平台沉淀基础之上才会生长出各种可以落地的行业智能体。

华为云 EI 智能体

领先的行业 AI 落地能力

得益于华为在行业领域有超过 10 年的技术积累,华为云 EI 智能体基于华为云通用 AI 服务、ModelArts 一站式 AI 开发平台的强大 AI 能力,与合作伙伴和客户共同进行了广泛的行业 AI 落地实践,已在多个行业取得巨大进展和丰富成功经验。

EI 医疗智能体,在疫情期间,华为云的技术团队从病毒基因组分析,AI CT 辅助诊断,抗病毒药物筛选等多个场景提供服务,为全球抗疫贡献了科技力量,将传统的数月的药物筛选时间缩短到几个小时,并将筛选结果免费对公众开放,极大的推进了抗病毒药物研发进程。

EI 交通智能体,目前正在深圳多个路口进行跨区信号灯联动控制,预计可以提升平均车速 18%。

EI 工业智能体,已经在石油、化纤、煤焦化、钢铁等多个行业有实践应用。借助 AI 实现钢铁品质检测和分类,可以减少检测工程师一半以上的工作量,检测效率提升 80%。

另外还有 EI 水智能体,EI 地理智能体、EI 供暖智能体、EI 气象智能体、EI 园区智能体等多个 EI 智能体都已在行业中起到的降本增效的明显作用。

这些行业中的积累持续沉淀到 AI 开发平台中,正在驱动 AI 开发平台持续创新升级。

「企业级」AI 开发平台

降低 AI 行业落地门槛 

通过华为在 2B 行业的持续累积,华为云一站式 AI 开发管理平台 ModelArts 内沉淀了丰富的行业 know-How 知识,ModelArts 创新提供流程式 AI 开发模式,通过简单的工作流编排即可快速实现 AI 服务上线,将行业 AI 开发经验模板化,行业企业利用模板化的视觉套件,NLP 套件,OCR 套件,知识图谱套件可以实现 AI 服务快速上线,大幅提升 AI 开发效率。极大降低企业在 AI 应用的难度,加速 AI 应用落地。某种程度上说,ModelArts 已经不止是一站式 AI 开发管理平台,更是一个「企业级 AI 开发平台」。

华为给我们举了一个例子:青岛盈智科技公司是一家主要做物流系统的设计和研发的公司。物流企业源自全球各地的单据版式数以万计,物流参与各方需要耗费人力执行大量的纸质单证信息的手工录入等操作。

通过使用 ModelArts 提供的 OCR 套件,这家公司将原来需要 7 天的开发工作,变为现在只需三步操作即可在三分钟内实现新的版式面单识别。整体识别准确率>95%,平均识别时间<1s。即使在旋转,褶皱等不利的图片质量下,仍能做到高精确度的有效识别。提升物流企业的业务处理效率 10 倍以上。

平台技术创新

挑战各类复杂应用场景

AI 开始逐步渗透到各行业的生产系统,更加复杂的应用场景开始出现。随着数据红利消耗殆尽,以深度学习为代表的感知智能遇到天花板,认知智能将是未来一段时期内 AI 发展的焦点,是进一步释放 AI 产能的关键。而知识图谱是实现认知智能的关键技术,是实现机器认知智能的使能器。

为了应对 AI 应用在行业复杂场景面临的新挑战,华为云进行了大量技术创新:

  1. 知识计算华为云中独有的基于多源数据的知识图谱构建服务,降低了图谱构建和维护的成本,提升了图谱构建的效率。以中石油油气层识别应用为例,通过知识图谱流水线服务和 AI 计算能力,通过自主研发知识驱动的神经储层评价模型将测井领域知识图谱中实体、关系、属性表达成向量形式,并构建深度神经网络模型,有效的提升了油气层识别效果相比传统方法提升约 5% 和效率提升 70% 以上,并提供油气潜力层智能推荐能力,为试油层决策提供了定量的依据。

  2. 多模态 AI 应用开发:通过利用多模态之间的互补性,剔除模态间的冗余性,从而学习到更好的特征表示,在复杂行业场景下可以提供更高精度的预测结果。HiLens 中的多模态应用开发框架,提供了多模态数据接入、数据处理、模型推理能力,开发者只需少量代码即可开发出 AI 技能。

  3. 端云协同开发云计算擅长全局、长周期的大数据处理与分析,能够在业务决策支撑领域发挥优势。而边缘计算更靠近数据源头,能够提供实时高效的数据处理。端云协同将同时将放大边缘计算和云计算价值。华为云 HiLens 端云协同多模态 AI 应用开发平台无缝集成华为云 ModelArts,可以随时调用华为云 AI 能力。通过 ModelArts 开发的 AI 模型可自动转换,无缝部署到 HiLens 设备上,便捷实现云端开发、云端模拟、端侧部署。

ModelArts 的最新「企业级 AI 开发平台」定位,是华为加速人工智能产业落地的一大步。华为表示,其云 EI 智能体已在超过 8 个行业上将 AI 应用于企业生产系统智能升级,以期大幅提升企业效率,创造更多价值。华为对此还开展了「全球 AI 伙伴计划」,正与合作伙伴打造联合解决方案。

面向未来,华为云希望可以吸纳更多合作伙伴和开发者加入,共同携手让 AI 真正普惠千行百业,践行普惠生态。

5 月 18 日,基于 ModelArts 一站式 AI 开发平台的「2020 年华为云 AI 实战营」正式开营,截至 9 月 24 日的 4 个多月时间里,华为云将通过 ModelArts 开放免费算力供学员小伙伴使用,华为云 AI 专家将通过直播互动的形式,配合代码讲解和课后作业,帮助学员小伙伴掌握图像分类、物体检测、图像分割、人脸识别、OCR、视频分析、自然语言处理和语音识别八大热门 AI 领域的模型开发能力。

产业华为云ModelArts华为AI
相关数据
华为机构

华为创立于1987年,是全球领先的ICT(信息与通信)基础设施和智能终端提供商。

https://www.huawei.com/cn/
知识图谱技术

知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出,主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

图像分类技术

图像分类,根据各自在图像信息中所反映的不同特征,把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读。

推荐文章
暂无评论
暂无评论~