2021年12月11日，由雷峰網 & AI 掘金志主辦的第四屆中國人工智能安防峰會，在深圳正式召開。

本屆峰會以「數字城市的時代突圍」為主題，會上代表城市AIoT的14家标杆企業，為現場和線上觀衆，分享迎接數字城市的經營理念與技術應用方法論。

在下午場的演講環節中，雲天勵飛首席科學家王孝宇發表了精彩演講。

王孝宇認為，AI的研發模式有兩大關鍵點：

• 用什麼樣的數據訓練模型；

• 模型如何基于數據得到更好的結果。

過去的研發模式大都以模型為中心，依賴專家，找數據、标注數據，然後讓AI博士調參，如同工業化時代的“擰螺絲釘”，導緻AI無法大規模産業化。

同時，過去的研發範式，大都集中于用更好的技術建立更好的模型。但幾年之後，業界發現所用的技術越來越趨同，标準化的條件成熟了

事實上，對比不同研發模型，可以發現對AI研發和應用來說，高效地獲取最好的數據，比模型本身要重要得多。

究其原因是技術叠代快，容易被趕上，但數據叠代慢，因此如何在最短時間内得到可以使模型達到最優效果的數據集，這才是最重要的。

因此鑒于人力成本和模型标準化條件的成熟，雲天勵飛在内部打造了一套标準化、流程化、平台化的模型研發方式。

雲天勵飛大規模算法研發的流程是：

第一步，獲取初始模型。通過分布式标注平台定義任務，再利用被千億、百億級的數據訓練出來的大模型和無監督學習，配合少量數據的标注，得到不錯的初始模型。

第二步，數據叠代。在海量還沒有标注好的數據中，用技術、算法找到真正有用的數據，用主動學習算法做數據擇優。

第三步，模型訓練。在雲天勵飛的平台上用一鍵化方式，完成調整參數、數據挖掘等工作，降低對訓練模型人員的從業要求。同時讓數據、研發軌迹、開發技巧都沉澱在平台上，動作可複用，流程可追溯，降低AI人員高流動性帶來的負面影響。

他認為視覺AI目前還處在拓荒階段，是一片沙漠，沒有變成綠洲，隻有等到其變成綠洲時，才能“長”出很多AI企業，而雲天勵飛建立的這套平台，就是加速沙漠變綠洲的驅動底座。

以下是王孝宇演講全文，雷峰網AI掘金志作了不改變原意的整理與編輯：

很高興與大家一起分享雲天勵飛從事AI研發十幾年來總結的一套模型研發範式，我這次的演講題目是——AI大規模産業化實踐。

首先做下自我介紹。我畢業之後去了矽谷，在NEC Labs做無人車、人臉方面的研究。2015年，我和另外幾人一起去洛杉矶，幫Snap公司創建了AI研究院。2017年，回國之後，我來到了雲天勵飛。

2017年的時候，人工智能開始火爆起來，有非常多的應用，像聊天機器人、無人車、人臉識别，健康領域，智慧家居、AR等。但是隻有人臉識别有人相信，其他的，不管是業界還是投資人，都認為是騙子，覺得做不出來什麼東西。

時隔五年，再回頭來看行業，我覺得很有意思。聊天機器人在每個社交網絡平台，像阿裡、京東，現在在電商平台上都有應用。無人車，慢慢也有Robotaxi的落地，現在也有很多企業在這方面興起。在健康領域，五年前我們還在讨論IBM沃森的失敗，當時折騰了很大的動靜，但現在有很多這方面的優秀企業興起。

當時美國一些知名的AR公司也倒閉了，但現在很多公司把自己的名字改成元宇宙，又火了起來，AR又讓大家看到了希望。

這些變化其實印證了我的一個觀點：不要高估AI帶來的改變，也不要低估AI帶來的影響，我們是在這片沙漠裡墾荒的一批人。

在墾荒的過程中，我們回過頭來看AI，落地應用的最大瓶頸是什麼？

人才太貴了。

六年前，我們招聘AI博士的時候，給到40萬美金一年，光是養一群技術人員，每年的人力成本就是一個巨額數字。但是現在，這項成本正在降低，究其原因，是AI的研發模式發生了變化。

AI的研發模式，有兩個關鍵點。首先，有什麼樣的數據訓練模型；其次，如何用各種技術基于數據來讓模型取得更好的效果。

過去，大家把重心放在模型上，需要數據就要找，不停标注，标注完以後，就是專家幹的事了，天天調模型參數、損失函數、優化器，很多AI博士畢業之後就幹這個事。

這個事其實跟工業化時代擰螺絲釘的工作沒太大區别，但沒有博士相關的學習經曆，還幹不了這個事，所以很難規模化、産業化。

我們之前的研發範式，都是集中用更好的技術建立更好的模型上的，但現在不是那麼回事了。

12月8日，Andrej Karpathy 發了一個推文，他是李飛飛的學生，畢業之後去了特斯拉，擔任無人駕駛總監。他說，現在的AI技術都趨同了，大家都一樣。

什麼意思？

以視覺為例，五六年前，做自然語言處理的有一套技術，做圖像識别的也有一套技術，但是做了五年之後，大家發現做的技術是一樣的。不管是視覺、語音還是自然語言處理，大家用的都是同一套技術框架和模型架構來解決問題。

最近，機器學習領域的國際頂尖會議NIPS也提到：慢慢的，那些通用模型的結構，已經占據所有任務的主導地位了。

這有點像通信或編碼時期，大家剛開始是百花齊放的，後來慢慢的，大家都用同一套技術架構解決所有的問題，也就是走向了标準化階段。

如果把這兩個模型研發的過程放在一起做比較，我認為更重要的，不是模型有多好，而是數據有多優質。

有句話說得好：“巧婦難為無米之炊”，你的廚藝再好，沒有素材做不出任何東西，所以有好的數據才是最重要的。

在雲天勵飛十多年的研發過程中，我們發現，如何高效地獲取最好的數據，比模型本身要重要得多。

因為技術是很容易趕上的，今天這個技術不行，可能再過三個月、六個月會有新技術出現，會不停地更新叠代。但數據的叠代效率往往沒那麼高，而且我們也發現，在研發過程中，90%以上的時間是放在數據上的，而不是做模型。

由此帶來研發觀念的轉變：之前我們的觀念是招聘最好的人，開發最好的技術，達到最好的效果。但實際不是這樣的，如何在最短的時間内，得到可以使模型達到最優效果的數據集，這才是最重要的。

雲天勵飛從創立到現在，從來沒有一個研發任務是，把數據收集好，模型做一遍就結束了，這個模型永遠要在用戶的實際場景中叠代。

怎麼在實際場景中叠代？

需要在做的不夠好的地方，把數據收集起來。也就是說，數據集的分布會慢慢讓模型的精度達到最好。

雲天勵飛對研發部門KPI的制定，不僅僅是訓練出了多少模型，或者說模型的精度是多少。而且明确把數據集的産生作為KPI的導向之一，它其實更重要。

優秀的開發者和一般的開發者之間，對數據的認知是不一樣的，優秀的開發者對數據有非常良好的認知，模型被數據cap得很明顯，在最短的時間内拿到最好的數據，才能做到最好的模型精度。

為什麼說模型大規模生産？

因為現在面向城市治理算法的應用，已經不僅僅是幾個算法模型了。大家經常一看，有幾百個模型的需求，但企業不可能招幾百個人做這個事，所以需要大規模地跑這些技術，必須要有平台化的東西進行研發。

所以雲天勵飛在内部打造了一套标準化、流程化、平台化的研發方式。

什麼叫流程化？

流程化的英文叫Streamline。不需要切換上下文就可以把所有的事情做完，現在美國的創業非常流行這樣做，RPA也是同樣的思路，做機器人流程自動化，把業務的流程放在無縫銜接的框架下完成。

隻有在這種情況下，效率才是最高的，不需要一會兒做這個事，一會兒做那個事，頻繁切換會影響工作效率。

标準化（standardization），把裡面跟模型相關的非标準化的部分全部呈現在技術上，整個平台上隻剩下标準化的東西。

這樣做的好處是什麼？容易學習，所以不需要博士做這個事情，可能本科生甚至是高中生就可以幹這個事，從而把博士資源放在更緊要的地方。

平台化（platform），這也是整個軟件行業的趨勢。

這張圖是我們大規模算法研發的流程：

第一步，搜集數據，這時候數據是沒有标注的。

第二步，做數據标注；

第三步，模型訓練；

第四步，data mining，有了初始模型後，在海量沒有标注的數據裡找到可以提高性能的數據；

第五步，再進行标注。

如果把這個平台分成三步，前兩步就是做初始模型的建立，後面就是做完整閉環，像飛輪一樣，它在不停地轉，每轉一次都可以得到更好的精度。這個轉法是在我們平台上實現的，不需要專家級别的人專門來做。

第一步，獲取初始模型。

首先我們有分布式标注平台，開發人員可以定義一個任務。比如做街道下水道井蓋有沒有被人拿走的檢測，也許我們會标注10-20個數據。

标注之後怎麼辦？這是學術界和工業界很火的大模型和無監督學習。

為什麼我們在這裡面放了大模型和無監督學習？剛才我們講到，一開始我們想做井蓋被人拿走的事實檢測，我們一開始可能沒有這麼多标注好的數據，可能隻有100個，但數據标注的效率可能是萬分之一。

如果你想标1萬個這樣的數據，需要标1億個data，這個量非常大。怎麼辦？

先标100個，為什麼要用大模型和無監督學習配合這個數據去跑模型？就是為了讓你初始模型的精度達到最高。

無監督和大模型最好的方式，本來100個數據訓練出來的精度隻有30%，用大模型和無監督學習的方法訓練之後，精度可以達到80%，那挖掘數據的效率可以提高10倍，也就是說我少标了10倍的數據，一切都是為了後面數據叠代的效率來做的。

為什麼大模型和無監督學習可以提高這個性能？雖然它自己沒有标注數據，但它是被千億、百億級的數據訓練出來的，知道井蓋是什麼樣的，這種特征的編輯其實已經實現了，再配合少量數據的标注，就可以得到一個還不錯的初始模型。

為什麼要得到還不錯的初始模型？因為數據叠代的效率會更高，首先是為了第一步方便。

第二步，我們不說模型叠代，而是數據叠代，因為我們認為模型的訓練已經被标準化了，在平台上，點個按鈕它就訓練好了，不需要有模型訓練的知識，我們專家的系統已經把它做好了。

所謂的數據叠代，就是在海量還沒有标注好的數據中，找到能夠提高模型性能的數據，進行主動學習。

傳統模型研發的範式是缺數據再去标，但發現标過來的數據跟以前的分布是一樣的，對模型的分布沒有太大用處。所以需要用技術、算法找到對自己真正有用的數據，右邊我們從海量數據中找出了9張有用的數據。

模型挖掘怎麼做？在左邊平台界面，點一個按鈕，選一個數據集，可以自動在這裡面挖掘，從幾億的數據裡找到幾張跟井蓋相關的數據做訓練，我們是用主動學習算法做數據擇優的。

數據叠代之後，要做模型訓練，在這個平台上用一鍵化的方式去做，這就是我們花幾百萬招過來的博士應該幹的事情，他們不應該天天調參數、挖數據，這些事情應該讓平台去幹。

這一步，隻要你點訓練，它可以自動訓練，背後怎麼訓練？是由開發者去開發的。但是在整個平台上去進行操作的人，不需要知道大規模模型訓練，這降低了訓練模型人員的從業要求，隻要他知道這是怎麼回事，把數據拿進去就可以訓練，無代碼一鍵完成模型開發。

做這種平台研發環境的好處是什麼？數據沉澱在平台上，動作可複用，流程可追溯。這裡面有幾個界面：數據集管理、模型管理、任務管理。

數據集管理，就是一些标注好的數據集，以及挖掘、生成的數據集；模型管理，就是訓練好的模型；任務管理，可以是标注任務，也可以是挖掘任務，也可以是訓練任務，所有研發的軌迹全部停留在這裡面。

為什麼要做這個事？很簡單，因為人力成本太高，企業無法招聘太多人從事每一個算法的研發。有了這套平台之後，我們可以實現非算法人員開發模型的方式，讓算法工程師做更高級别的技術，這些平台話、流程化的事情，可交給一般的技術人員或者學生來做。

整個過程中，我們認為沉澱更多的是數據價值，這比模型的價值更大。

為什麼數據的價值比模型的價值更大？

數據沒有了，模型是訓練不出來的，你不會再得到提高，即使得不到模型，數據在這兒，所以很容易再訓練一個模型出來。

數據的重要性遠遠高于模型的重要性，所謂持續性的研發，沉澱出來的是有價值的數據，而不是其他。

因為模型很容易重新訓練，或者用不同的數據叠代。但數據日積月累需要很長的時間。在整個平台上，通過數據不停的挖掘、訓練、标注、叠代，會一輪一輪增加新的數據，為每個任務沉澱出非常優質的數據集。

也就是說，在這個平台上，數據變成了最重要的資産。

另外，所有的開發技巧也沉澱到平台上了。

如果大家搞研發管理，就會發現一個現象：部分人能做得特别好，部分人怎麼都做不好。這是因為，任務、指令都是一樣的，但不同的人研發經驗是不一樣的。

人才的素質屬于不可控因素，如果把這套技術能力進行沉澱，每個模型研發過程都能實現可追蹤，這樣就能讓做不好的人，通過學習，把事做好。

這樣做的另一個好處是，不會因為人才流失導緻既有的模型失效。

所有公司都會面臨人員流動這個問題，一位優秀員工離職之後，其模型很難複現，因為别人不知道這個模型怎樣叠代才達到現有的精度，上下銜接很困難，費時費力。

但是在這個平台上，就不會出現問題。模型訓練過程中所做的所有數據的标注、操作，全部都在這個平台上，主要進行相關操作，全部流程都可以重複，不需要重新做。

在座如果有做研發管理的，肯定會感覺這個東西用起來非常不錯。

現在，雲天勵飛内部的研發，除了一些非常高難度的，或者非要人工介入的算法研發（如人臉），其他的算法研發全部依賴于大規模算法開發平台。也就是說基本全部不需要算法工程師去做，都是标注人員在做。

以大堂搬運貨物檢測案例為例，每個工程師大概開發成本50萬，一個月的時間差不多5萬塊錢的投入，但現在隻需要1個标注人員，5-7天就可以做完從0到實用部署。

為什麼能力稍微差一點，時間反而縮短了？

這就是流程化，所有模型的訓練隻在一個平台上完成。以前的方式，來來回回對接的成本太高，但在這個平台上，點擊挖掘，自動尋找，再點标注，尋找标注人物，後台人員标注好，再點訓練，全部就完成了，整個流程即使和非常有算法經驗的工程師相比，這個平台也有4倍以上的提升。

我們憑借這個平台在深圳做了幾個項目，像龍華智能運算能力平台。

這裡面涉及的算法有上百個，公司不可能在短期内招聘幾百個算法人員進行研發，因為這套平台當時還沒有做得完備，所以讓2個算法人員、10個标注人員，在6個月的時間把20多個算法開發全部完成了，成本也降低了很多。

為什麼它需要這麼多的算法？

這其實是整個城市管理思路的轉變：以前是巡視型管理，需要實地巡查，才能發現、處理；現在布置相關攝像頭，就能在後台發現，從而解決。

這種管理思路的轉變，需要大量算法技術能力的支撐。雲天勵飛在龍崗算法倉做了一個項目，也是算法訓練與賦能平台，這裡面也有上百種算法的需求。

需要強調的是，這套研發平台沒有犧牲模型的精度，不同的人群訓練這套模型沒有太大差别，因為在這個平台裡，可以通過主動學習算法，基于數據集做快速叠代，從而得到比較高的檢測精度。

最後提一點，雲天勵飛為什麼要建立這套平台？

從行業看，視覺AI還處在拓荒階段，仍然是一片沙漠，沒有變成一片綠洲，隻有等到它變成綠洲的時候，才能長出一顆顆參天大樹，長出許多AI企業。

城市治理對于算法的需求是成千上萬的，每個算法都靠有經驗的人員去開發，成本會非常高昂，因此雲天勵飛開發了這套系統，縮減成本的同時，加快AI應用的進程。

可以設想，未來的城市，有一張網絡可以檢測方方面面，所有的事件都可以在城市大腦裡解決。

這背後的技術邏輯是，算法可以做智能調度。比如對着大海的攝像頭，不用把汽車檢測的算法集成到攝像頭上，當城市擁有一萬種算法時，可以在不同場景下，調度合适的算法，來解決問題。

雲天勵飛的願景是，通過知識圖譜和整個平台的研發，讓城市超腦實現自我進化，從而達到更高的智能化水平。

值得一提的是，雲天勵飛的自進化城市智能體的思路，已經被寫入深圳市政府工作報告中。雷峰網雷峰網

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部