零基礎玩轉AI，華為雲ModelArts讓未來生活觸手可及

伴隨人工智慧（AI）繼續在產業中快速奔跑，神奇的AI技術在各大行業開始普遍運用，越來越多的行業開始搭上智能升級的大潮。但是繁瑣複雜的AI開發流程卻阻礙了許多傳統構建人工智慧化的發展。

那麼AI在日常工作、生活中的普及離我們遠嗎？接下來，我們就一起去看看小王同學是如何運用AI、雲技術一路打怪升級的，說不定，你「未來」的工作、生活也會如此吧。

但首先不得不提的是華為雲ModelArts

ModelArts是面向開發者的一站式AI開發平台，提供海量數據預處理及半自動化標註、大規模分散式訓練、自動化模型生成及端-邊-雲模型按需部署能力，幫助用戶快速創建和部署模型，管理全周期AI工作流。

讓我們在日常生活中看一下這個ModelArts到底是何方神聖。

救標註數據的小王一命——ModelArts 數據管理

上班剛打完卡，老闆就丟給小王10萬張無標籤的圖片，要求小王為這些數據打上標籤。

給10萬張圖片打標籤，看似簡單的工作，實際上並不簡單。

華為雲EI深度學習服務團隊負責人也說：

「頭疼的就是數據的採集和數據的處理。光是數據準備就要佔掉整體開發時間的 70%。」

為什麼數據的處理這麼難？效率為什麼這麼低呢？

包括小王公司在內的許多公司都是從交易數據、物聯網感測器產生的海量數據、安全日誌到圖像、語音數據中提取有效信息，這幾乎是大海撈針式的方法。

因為，這些都是未標註的數據，而目前實現人工智慧的主要方法是機器學習，大部分應用都是有監督的學習，這就需要大量的標註樣本去訓練人工智慧演算法模型。

所以，AI 演算法並不是丟一堆數據能夠從中學習到各種有用的知識，而是背後有大量的人工在標註數據。

小王就是這個人工之一，看似簡單的工作每天卻花費了不少時間精力，小王很是苦惱，開始反思自己。

第一，就輸入關鍵詞找圖而言，網上的海量圖片實在是太多了，用人力去識別的話，真是老費勁了；

第二，自己確實面對如此多的美圖，還是會忍不住開個小差，三心二意地選不下來啊。

難道一個小小的助理生活就如此不堪，連最基礎的工作也做不好嗎？

小王不想就這麼放棄。

那麼，要不試一試企業剛引進的華為雲ModelArts

在數據管理方面，ModelArts首先會將數據進行預處理，用 AI 的演算法去標註數據，即自動化標註和半自動化標註。

接著，ModelArts 可對數據採樣和篩選，預標註，縮減需要標記的數據量。

這就大大降低了工作量。

有了華為雲ModelArts的幫助，給10萬張圖片打標籤就變得很輕鬆了，就算是一百萬張，也沒有那麼複雜。

小王的無人結算麵包店——ModelArts 模型訓練和自動學習

做了多年助理的小王終於不滿意自己在原地踏步的現狀，決定出去闖一闖。

靠著多年的勤懇工作，也算小有積蓄，又借了錢，開了幾家連鎖麵包店。

然而令人煩惱的是，相較於其他的支出，她發現支付人工的費用佔了支出的相當大的比例。

囊中羞澀的小王急的睡不著覺，煩惱啊。

有沒有可能實現無人結算呢？

首先從收銀台的人工費用節省入手，這個崗位主要負責結算。換言之，如果可以自動識別麵包種類及數量，就能實現無人結算。

那麼相應的措施是什麼呢？

第一，調用圖像識別服務，雖然易用，但識別準確率低，無法準確區分麵包種類，經常識別錯誤，效率太低不說，經常會有顧客抱怨動作太慢；

第二，定製化模型，雖然可以提高識別的準確率，但對於大多數企業、個人來說，聘請專家制定模型費用高、周期長、後續更新難；而自行開發又由於專業要求高難以實現。

哎？那就再試一試華為雲ModelArts？

ModelArts是一個特定AI應用的低門檻、高靈活、零代碼的定製化模型開發工具，目的是讓每個開發者都可以快速上手。

除此之外，它最大一個優點是——可以自動學習，真是深得小王心意。

拿小王的麵包店來說，識別麵包定製模型為例，只需標註少量的店內面包照片，通過自動學習界面引導和簡單操作即可完成模型訓練及部署，相對常規模型訓練，自動學習訓練所需要的數據量更少、訓練更快。大多數模型準確率在80%以上。

有了自動學習，小王就無需專業的AI基礎、不需要編寫任何代碼，只需簡單操作即可訓練出屬於自己的定製化模型。

因此，在技術運用成熟以後，考慮節省人工費用，實現無人結算是完全可能的嘛。

全國連鎖小王牌麵包店——ModelArts一鍵部署

既然節省了人工費用，小王野心勃勃，當然繼續擴大規模。

然而，她要面對的問題是，假如百分之百實現無人結算，那又該如何監督麵包店的日常運營是否平穩運行呢？

既然已經運營了AI技術，別說這一個連鎖店，現如今，縱觀整個 AI 產業，不僅僅是雲，還會有邊和端都需要部署的場景。

然而，在 AI 規模化落地的場景下，模型部署會非常複雜，需要寫代碼集成到應用系統，維護、更新。

比如說，智慧交通領域，更新後的模型，需要一次性同時部署到各種不同規格、不同廠商的攝像頭上，這是一項非常耗時、費力的巨大工程。

即便小王的連鎖麵包店沒有交通網那樣複雜，但同樣涉及到不同的地點、時間等等細節問題。即便裝了監控，也不足以應對由大規模擴張帶來的難題。

那…再試一試華為雲ModelArts

對於類似智慧交通領域這樣的場景，模型的部署確實需要龐大的覆蓋面和不斷的及時。ModelArts可以一鍵推送模型到所有邊緣、端的設備上，雲上的部署還支持在線和批量推理，滿足大並發和分散式等多種場景需求。

換言之，像小王這樣的開發者或更大規模的開發者，可以在 ModelArts 上獲得一些高並發、自動彈性伸縮的特性。

能夠根據用戶制定的策略，自動調整雲伺服器的計算資源，跟隨用戶的業務需求變化。

在業務需求下降時自動減少雲伺服器，節約資源和成本；在業務需求高峰時自動增加雲伺服器，保證業務平穩健康運行。

一句話，ModelArts一鍵部署到雲、端、邊，支持各種上線場景。

小王的成功經驗，足以說明ModelArts在個人、企業的運用有多麼的便利。

華為雲城市峰會2019以「選擇不凡」為主題。

意圖就在於探討了如何以「雲 智能」賦能城市及產業數字化轉型，助力企業實現不平凡的發展。推動城市及產業生態進化，共同構築未來智慧城市。

然而，我們也看到零基礎上手的特點，對個人的工作也有相當大的好處。

當然，華為雲ModelArts遠遠不止上面提到的功能，或者說使用的範圍遠不止於此。

就數據管理方面來說， ModelArts 已經在自動駕駛領域有非常多的應用，包括人車模型、信號燈模型等等，這些模型在自動駕駛的場景裡面，可以快速地提升數據處理的效率，實時地處理數據。

在未來，ModelArts 也將面向通用計算機的其他領域。

1. 就模型訓練來說，自動模型的對象有圖像分類、物體檢測、預測分析和聲音識別，可運用於工業、零售、安防等領域。

2. 圖像分類、物體檢測：可應用於質檢領域殘次品的自動檢測、園區人員穿戴規範檢測，物品擺放合規的無人巡視，商超的自動識別計價。

3. 預測分析：用戶畫像分析，實現精準營銷；自動設備預測性維護，根據設備實施運行數據分析，早期故障識別，減少設備停機率。

4. 聲音識別：生產或安防場景的異常聲音監控。

5. 就自動學習來說，自動學習目前已完成如運輸車種類識別，施工現場穿戴安全裝備及設備安裝和常規檢測等諸多成功案例。ModelArts自動學習將不斷提升模型的準確度和運行速度，擴充定製類型，包括文本分類、行為識別等場景模型的定製化開發。

而在斯坦福大學發布 DAWNBenchmark 最新成績中，在圖像識別（ResNet50-on-ImageNet，93% 以上精度）的總訓練時間上，華為雲 ModelArts 排名第一，僅需 4分鐘。

在這個匯聚谷歌、亞馬遜 AWS、fast.ai 等高水平隊伍的國際權威深度學習模型基準平台上，華為雲ModelArts 第一次參加國際排名，便實現了低成本、快速又極致的 AI 開發體驗，其海量數據預處理及半自動化標註、大規模分散式訓練、自動化模型生成以及端 - 邊 - 雲模型按需部署能力，更是體現了當前中國業界深度學習平台的領先性。

因此，一站式AI開發平台ModelArts絕不是某些領域的應用，而是接近於都市日常工作、生活的必備「技能」。

不管是使用者、開發者還是華為雲ModelArts的「消費者」，都應該關注一下。

在「杭州·選擇不凡 華為雲城市峰會2019」上，華為雲展示了最新產品和解決方案、以及在多個行業的應用落地。聚焦「互聯網、新金融、軟體開發」三大方向，順應數字技術推動產業變革和經濟發展的趨勢。如此之多企業的轉型成功，離不開華為不凡的技術。正如這次峰會的主題「選擇不凡」，華為雲將賦予各行各業數字化轉型動能，助力企業實現不平凡發展。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！