神童！12岁女孩零编程经验开发系统千人用
神童！12岁女孩零编程经验开发系统千人用
对于 AI 新手，如何入门 AI，一直是个令人头秃的问题。
而对于那些有一定技术基础的人，想要用 AI 在实际工作生活中实现点什么，似乎也并不容易。
不过，也不是没有办法。
不信？来看看下面四位的故事。
师傅领进门
正值豆蔻之年的郭佳慧，是第一个故事的主人公。
去年疫情期间，才 12 岁的郭佳慧所开发的 AI 模型功能，是检测口罩佩戴。
讲真，神童的故事听多了，似乎并没有想象中的那么惊艳。
但如果说，当时做岀 AI 开发项目的她不会编程呢？
没错，淡定。
先来看下郭佳慧开发的作品。
这个系统会根据照片中口罩的样子，判断出口罩佩戴是否规范。
例如在这个例子中，我们仔细观察后，才能发现口罩在鼻梁处没有压紧。
而这个应用，却能在短时间完成检测，并提示：
没有压鼻梁条。
郭佳慧之所以开发这个 AI 系统，是看到了地铁工作人员每天监督乘客是否准确佩戴口罩，很是辛苦。
而市面上虽然有很多诸如此类的检测系统，但想必很多人试过，捂个嘴、拿袖子挡就能蒙混过关。
但佳慧的系统能精准识别各类不标准口罩佩戴情况。
那么随即而来的一个问题便是：
既然不会编程，如何开发这么精准的检测口罩佩戴系统呢？
其实，郭佳慧一开始并不喜欢编程，奈何，自己却有一个“别样”的身份——码二代。
先不提看懂代码这件事了，就连代码中的很多英文单词，对于一个小学生来说也颇具挑战。
追溯到去年疫情期间，郭佳慧的父亲给停课在家的女儿，报了一个在线免费的培训直播课。
在这个课程中所使用到的 AI 开发平台，让学生不需要看懂代码，只需要搜集标注数据样本，简单操作就可以完成模型开发。
一段时间之后，郭佳慧对编程的心态也发生了大转变：
太好玩了。
例如郭佳慧发现，利用这个 AI 开发平台，可以轻松实现机器自动识别她最喜欢的 MM 巧克力豆，个数、颜色，哪怕是有遮挡情况下也能被识别到。
这也是她第一次亲身体验到了 AI 的神奇之处。
对于一个十几岁的学生来说，上手门槛是走进 AI 的一大难题。
郭佳慧采用的，是百度飞桨的 EasyDL 零门槛 AI 开发平台。
如其名，一大特色便是连编程小白都可以轻松上手。
但简约不等于简单。
据了解，EasyDL 中绝大多数模型的精度都达到了 90%，而且只需要 15 分钟即可训练完成。
概括来讲，整体流程就是简单四步走——创建模型、准备数据、训练模型和部署应用。
而且整个过程还是图形可视化交互的那种，用官方的话来讲就是：
不用一行代码也可以基于需求和数据，定制自己的 AI 解决方案。
易上手、低门槛，是小白新手在做 AI 开发时对工具和平台最基本的要求。
对于那些头疼入门 AI 和深度学习的“特殊”开发者来说，还有什么也必不可少？
再来看第二个故事。
这一次的主人公徐伯权，可以算是中国第一代程序员。
1958 年清华大学获批设立自动控制系，徐老在次年进入该系计算机专业，是第二届学生。
那时的计算机还是电子管构造，徐老参与了我国第一台硅晶体管计算机的设计。
那个年代“软件开发”还叫做“程序设计”，徐老从机器语言学起，到汇编、再到 FORTRAN，后来在工作中也接触过当时用于开发人工智能的逻辑语言 Prolog。
徐老从那时起就对 AI 产生了兴趣，但工作任务繁重，一直没能抽出时间深入学习。
徐老从小热爱技术，年轻时自己组装过电视机，退休后也没放下，有什么电子产品经常买来玩玩，也一直在关注世界和我国的科技发展。
到了 2016 年，AlphaGo 战胜李世石的消息，勾起了他当年用汇编语言写下棋程序的回忆。
随着 AI 技术的突飞猛击，让徐老重拾对 AI 的热情，打算试试深度学习，他先是自学了 Python，然后开始尝试 Tensorflow。
不过国外网站访问和技术使用都不太方便，让徐老挺苦恼的。
一年多以前，徐老了解到百度飞桨 AI Studio 学习平台，听了听这上面的课，觉得通俗易懂，适合入门。
就这样，曾经也是学霸的徐老加入到了 AI 打卡学习的队伍里。
这一年里，他学习、开发得如何？
一张学习热力图解释一切。
每天早上徐老先是出门锻炼身体，回来后就是学习 AI，已经成了他日常生活的一部分。
他最关注的方向是强化学习，经常在 AI Studio 上找一些有趣的小游戏来动手改造。他把自己改造的 AI 五子棋发给过去的老朋友玩，看他们输多赢少，玩的很开心。
徐老还把飞桨平台介绍给在上大学的孙女，帮助她完成毕业设计，将技术传承下去。
说到对于年轻人学习 AI 有什么建议，徐老觉得已经有了这么好的开源平台，从课程到模型、数据都有，还需要的就是兴趣以及实践。
只要有兴趣，无论年龄、学历都可以来这学习。在开源平台上多实践、与别人交流。我希望越来越多的人来参加 AI 的队伍，这对国家的科技发展和振兴有很大帮助。
……
看来，一个好的 AI 平台必须要做到：
只要你想，任何人都能在这里入门 AI。
但单是“领进门”是不够的，投身 AI 还需要更长远、更深入的目标。
修行在个人
第三个故事，我们来看看科班出身的硕士生，是怎么和 AI 结下不解之缘的。
主人公何小宇就读于中南大学。
有时爷爷要从老家湖南汨罗来到小宇上学的长沙来看病。何小宇经常得帮爷爷在学校附属的湘雅医院挂号。
湘雅医院作为长沙著名的三甲医院，挂号难、看病难的问题少不了。
何小宇切身体会到了医疗资源缺乏、分布不平衡的问题。
自己就读的是自动化专业，是不是能学以致用，做点什么来改变这些情况？
带着这个疑问，何小宇考上了本校的研究生，加入了人工智能与机器人实验室。
何小宇本科的毕业论文就是机器视觉相关。在研究生阶段，又深入学习了神经网络。
最后何小宇确定了自己的研究方向——模式识别和智能控制算法在智慧医疗方面的应用。
2019 年，正直研三升博一阶段的何小宇赶上了第二届中国高校计算机大赛-人工智能创意赛。
何小宇与两位同学丘文杰和孙铭蔚组队，开发了“AI 知肤宝”在线问诊小程序，与湘雅医院皮肤科合作，构建了皮肤疾病全病种分类系统，最终历时半年时间，闯过初赛、复赛，在总决赛中斩获创新组特等奖。
△右 2 为何小宇
皮肤病种类繁多，即使是同种疾病，在不同患病时期以及拍摄条件下的视觉呈现也不一样。
除了视觉特征以外，还需要结合感染源、感染途径等作为依据，分类难度很大。
数据方面有湘雅医院积累多年的临床图像和病史数据做保证，算法呢？
何小宇与团队在飞桨的 PaddleHub 中找到了开源的目标检测和图像分类预训练模型。
配合 Fine-tune API 就能结合数据快速完成迁移学习。分两步实现了相当于皮肤科专家医生水平的分类系统，覆盖 541 类常见的皮肤疾病。
皮肤病发病率高，据统计全球约 11% 人口患有各类皮肤疾病。而我国注册的皮肤科专业医生仅 2 万余人，医患比例悬殊。
除了在大赛上得奖，AI 知肤宝项目还获得千万级孵化基金支持，目前已联网全国 618 家医院，辅助了 10000 余名医生进行初步病情的诊断。
何小宇的队友孙铭蔚同学在颁奖典礼上分享了参赛经验：
飞桨深度学习平台对我们的作品起到了很大的帮助，快捷稳定、操作简单灵活，并且各类应用文档问题可以很快地找到成熟解决方案。
△今年已经办到第四届
对何小宇来说，参赛获奖是对研究生生涯的圆满收尾。
比起枯燥的实验室研究，这场比赛让他感受到了 AI 的乐趣，也让自己跟进了三年的一个项目有了一个很好的收尾，同时也锻炼自己的逻辑跟团队组织能力。
他后续完成的亚洲人种皮肤病临床图像数据集论文，还获得了医学影像计算机辅助诊断领域的最高学术会议，MICCAI 2019 LABELS Workshop 的最佳论文奖。
谈到未来，何小宇想继续自己的研究方向，争取用实际行动为“AI＋医疗”贡献自己的一份力量。
不仅要落地，还要遍地开花
第四个故事来到产业界，看看在帮助 AI 落地产业中，AI 平台还能有什么妙招。
AI 的一大关键价值，就是能代替人做各种危险和重复的工作。
比如高压电网的线路检修，经常需要在高空作业，面对复杂的电器环境。国家能源局通报，每年电力人身伤亡事故平均有三四十起。
15 年起在电力供应领域创业的梁兴博，一直想找到替代方案。
近几年国家电网逐渐加速布局人工智能，梁兴博觉得这个机会，他要抓住。
不过他的公司并没有 AI 相关人才，AI 工程师的月薪起码 3 万以上，雇佣四五个工程师，每年就是 200 万左右人力成本，作为创业公司，他很难承受这个代价。
2020 年 8 月，一则“EasyDL X 乌镇举办产业智能创新大赛”的消息引起了他的注意。
除了飞桨 EasyDL 平台本身零门槛，比赛还提供了公开课帮助无 AI 技术背景的参赛者快速上手。
其中就有梁兴博关注的安全生产主题课程，还能获得与国家电网研究院的副总工交流切磋的机会。
梁兴博毫不犹豫报了名。除了数据处理与训练 AI，他在课程中还学到了 AI 模型在不同场景下如何部署。
最终，梁兴博开发的智慧输电线路系统从 255 个参赛项目中脱颖而出，获得企业组第一名。
他采集标注万余张照片进行训练，构建了输电线路隐患模型、烟火检测模型、输电线路故障检测模型。
系统已在某省输电线路测试运营，监测准确率达到了 85% 以上。正式投入使用之后不仅可以解放一线检测人员，综合成本还能够下降一半左右。
除了电力，这次比赛还吸引了金融、水利、工业制造等多个领域的企业参加，涌现出纺织产业面料搜索筛选、发动机漏液识别、水源覆盖面积及表面水质检测等诸多创新。
梁兴博认为“有了飞桨这样的平台，我们这种创业公司，实现 AI 升级转型也不再是奢望”。
……
在百度飞桨深度学习开源平台上，孩童、老人、学子、企业开发者……不分年龄、经验、背景，都能便捷、快速地入门 AI，用 AI 实现自己的梦想。
AI 的普及者
AI 的入门与开发实践，并不是常人眼中的那般遥不可及。
相反，已然是全民皆可的节奏。
在这背后，深度学习开源开放平台是推动这波节奏的关键。
就好比在每一个时代，都会出现不同“趁手”的“工具”，让人们脑中的想法成真：
傻瓜相机的出现，让人不需要懂摄影就能留住生命中美好的瞬间。
WordPress 的出现，让人不需要懂代码就能建立自己的网站。
……
而在 AI 时代下，像飞桨这样深度学习开源平台的出现，除了推动“AI 学习开发全民化”进程外，更重要的一点，是让产业、生活中的实际问题更高效地被解决，让我们每个人都能被科技关爱到。
例如用无人机监管农作物的生长情况，让每亩地节省 100 元成本，农户收入提高 10%。
再例如把老师傅 30 年的经验，凝练成一个算法，让铸造熔炼每年节省原材料 10%、配料时间减少 90%。
上述的这些案例，都是基于国产 AI“操作系统”——飞桨所解决的现实问题。
如果想在你的履历上刷上“AI 开发者”，或者把困扰已久的问题通过 AI 的方式解决。
现在，课程、工具、实践平台都有了。
试一试？或者有什么别的难题或 idea，也欢迎分享交流~
来自: 驱动之家