【51CTO.com原創稿件】云計算、大數據、區塊鏈、物聯網及人工智能是數字新技術的核心，在新一輪數字技術革命到來之際，誰能率先掌握這些熱門技術，無疑將在數字經濟發展的長河中擁有更多話語權。這五大數字技術中，區塊鏈和人工智能相較于其他數字技術，還處在初級階段，如何借助云計算和大數據等技術，將區塊鏈及人工智能迅速落地，成為各界關注的焦點。

5月15日，由國內領先的中立云服務商UCloud主辦的Think in Cloud 2018在北京富力萬麗酒店隆重舉行。Think in Cloud（以下簡稱“TIC”）已連續舉辦四屆，是中國云計算行業的***盛會。除UCloud高層和技術專家外，還邀請了眾多互聯網及傳統領域創新公司的CEO、CTO、行業和技術專家以及諸多云生態體系中的合作伙伴到場分享，傳達最前沿的技術熱點與行業洞察，吸引了云計算、大數據、人工智能、區塊鏈、物聯網等諸多行業領域的投資、管理、技術、運維等五千人余人參會。 

[[229741]]

TIC 2018人工智能的應用實踐專場

近兩年，人工智能產業迅速興起，AI技術逐漸被運用于各行各業。無論是初涉人工智能應用的傳統互聯網企業，抑或是人工智能領域的創業公司，如何快速、高效地落地AI應用都是巨大的挑戰。在5月15日下午的人工智能的應用實踐專場上，來自UCloud、馭勢科技、第四范式、褚時科技的專家，以及企業人士、媒體記者齊聚一堂，聚焦人工智能的實際應用與實踐，探討如何利用云計算技術助推機器學習、深度學習、視覺計算等AI技術和應用迅速落地。

公有云助力AI應用快速落地

究竟什么場景需要AI賦能？如何快速、低投入地驗證AI技術？如何快速展開AI應用業務？如何高效實現AI應用迭代？UCloud AI平臺技術專家宋翔在開場演講中為在場觀眾一一解答。接觸AI的人都知道，AI有大量的框架、各種各樣的技術算法和實現方式，實施過程中會用到各種底層的資源，從AI技術驗證、開展AI應用業務，到AI應用迭代整個過程將會遇到各種各樣的問題。 

[[229742]]

UCloud AI平臺技術專家 宋翔

宋翔總結AI的挑戰來自三大方面：一是基礎環境，在AI入門階段基礎環境是非常大的挑戰，涉及AI框架、算法庫、GPU技術庫、存儲等各種設備，各類交叉選擇之后的環境更加復雜，如何選擇適合自己的研發環境是一大挑戰；二是AI系統建設，這個過程中需要考慮算法兼容性、平臺擴展性、分布式化、縱向擴展、高可用以及容災能力等問題；三是投入產出問題，如何用較少的投入得到較高的回報？如何通過調研精確需求，控制研發成本，如何降低資源成本和運營成本，讓研發人員更關注算法，都是AI所面臨的挑戰。

如何應對這些挑戰呢？UCloud認為解決這些問題的核心方法就是實現平臺化，包括環境分離、分布式化、可擴展性和資源共享四個方面。環境分離方面有兩個主要方向，一是通過容器的封裝把軟件和運行環境隔離，把存儲和計算隔離，讓更多的存儲資源可以接入到AI環境中去；二是數據分離，因為對AI來說，訓練過程中的數據非常重要，只需要提供本地存儲的接口即可訪問各種數據層，實現良好的數據訪問。 

AI訓練平臺

同時，平臺化能做到良好的資源共享，例如通過UCloud的AI訓練平臺和在線服務平臺，用戶想做AI訓練，只需要把任務提交到訓練平臺，就可以在平臺上自動的完成任務，而無需要關心這個任務是否失敗、到底在哪臺機器上跑等一系列問題，可以大大簡化AI算法人員使用平臺的復雜度；對于算法人員或業務人員來說，有了在線服務平臺，當他實現算法之后，可以用這個平臺快速地部署自己分布式的在線任務，而無需自己搭建一個分布式的環境或服務。 

AI在線推理平臺

宋翔提到，有了這些平臺和技術，研發人員在做橫向擴展和縱向擴展時變得更加簡單，分布式平臺在資源使用率提高的同時，也不需要太多的成本去管理這些資源。***，宋翔還列舉了三個UAI-Inference以及UAI-Train在互聯網社交、廣告及AI培訓領域的典型案例，分享UCloud在人工智能技術領域的實踐經驗。

嵌入式設備上的實時深度學習方法實踐

馭勢科技人工智能技術負責人潘爭分享了馭勢科技在嵌入式設備上的實時深度學習方法實踐，以及UCloud GPU服務器在自動駕駛領域的應用情況。視覺感知具有信息更豐富、視野更寬闊、基建更配合、硬件更便宜幾大特點。潘爭介紹到，從2010年開始，每年一屆的ImageNet計算機視覺挑戰賽通過不停的調優深度學習網絡，2017年已經將識別的錯誤率降到2.5%以下，可見視覺識別的進步之大。 

馭勢科技人工智能技術負責人 潘爭

視覺感知在做模版時可以不計成本，但是當技術落地成為產品時卻需要進行諸多考量，如在自動駕駛領域要做到低成本、低功耗、合車規、實時性以及精度讓用戶滿意等等。其中，合車規是自動駕駛領域的特別需求，汽車的壽命有十余年，汽車里的所有硬件都需要滿足安全標準，電子器件從零下四十度到零上七八十度都要正常運行，車規級的要求十分嚴苛。 

[[229743]]

PVANet+fasterRCNN物體檢測

馭勢科技希望用嵌入式的GPU平臺去完成視覺感知所需要的計算，達到像激光雷達一樣甚至更低的成本。要做到這一點，就需要做諸多的網絡壓縮優化工作，同時在嵌入式的GPU上做運算，精度也要足夠高，這就引出了在效率和精度之間如何取舍，達到一個比較平衡的網絡選擇的話題。潘爭介紹，以人車檢測性能為例，完成這樣的檢測任務已經不再需要成百上千層的網絡，在相對密集的場景中，馭勢科技可以把所有的人、車檢測出來，更好的輔助自動駕駛。***，潘爭還向參會嘉賓分享了嵌入式GPU+CPU加速以及低成本車規級的FPGA加速技術在自動駕駛領域的應用情況，得到了與會嘉賓的一致好評。

基于云計算構建機器學習系統

UCloud實驗室負責人兼高級研發總監葉理燈在會上介紹了云計算的發展歷程，Serverless產品及架構，如何構建機器學習在線推測系統，以及其在頭像識別、OCR和AI應用市場領域的實際應用案例。他提到，Serverless具有免運維，可彈性擴展，高可用，按需付費等特點，對開發者來說，構建一個APP無需考慮架構，直接用Serverless即可，這是一項巨大的進步。 

UCloud 實驗室負責人兼高級研發總監 葉理燈

葉理燈表示，構建AI機器學習系統需要進行Build、Train和Inference三個步驟。選定算法及參數，進行訓練之后的模型變成在線服務就是Inference的過程。在線推測系統包含底層計算平臺，APP Engine層，以及通過SDK進行數據流的控制。 

在線分類系統

UCloud的UAI-Inference提供海量計算節點，自動負載均衡，動態擴縮容，適用于圖像識別、自然語言處理等多個AI領域。葉理燈分享了來自社交用戶的頭像識別案例，可自動識別用戶是否上傳頭像、頭像是人還是風景，從而根據不同信息推薦不同的內容。 

頭像識別

用戶自己搭建這樣的系統會有很多負擔，既要考慮高可用，也不知道具體需要申請多少虛擬機來完成這個任務。有了在線推測系統，只需要將每次訓練的模型推給UCloud，用戶就可以很快地構建自己的系統，而且無需運維。此外，葉理燈還還介紹了UAI-Inference在OCR、AI應用市場等實際應用場景的落地情況，讓參會聽眾受益頗多。

AI技術在客服領域的應用實踐

第四范式智能客服負責人、資深數據科學家刑少敏分享了《AI技術在客服領域的應用實踐》。第四范式是國際領先的人工智能技術與服務提供商，由其開創的“遷移學習”被業界認為是“下一代的人工智能技術”。 當前，隨著社會經濟的發展，客服的成本逐漸提高，人工客服無法24小時在線，為智能客服提供了廣闊的市場。 

[[229744]]

第四范式智能客服負責人、資深數據科學家 刑少敏

智能客服的常見功能包括單輪問答、多輪對話和人機協作三類。實際上，智能客服只用來解決高頻簡單的問題，疑難問題則是交給人工客服完成，因此大部分場景下仍然需要人機協作，也就是機器人+人工進行回答的模式，只有少部分由機器人直接推薦答案。 

智能客服技術難點

智能客服有其基本的工作流程，需要將問題進行自然語言處理，經過意圖識別，以及自定義的知識庫和知識圖譜，當用戶問題提交時，通過模板或機器翻譯，轉換成知識圖譜查詢語言，從知識圖譜工具里查出結果，進行檔案的包裝，返回給用戶，就是一個完整的問答過程。這是以人為主，機器為輔的方式。 

第四范式智能客服

第四范式的智能客服能夠實現以機器人為主，以人為輔，也就是無縫的人機協作。在前期，人話占問答的一大部分，人工回答以后，機器進行學習，隨著機器學習的知識越來越多，知識庫越來越豐富，機器能回答的會話也將成倍數增長，大大節約了用戶的客服成本。

AI技術在教育領域的應用

“近兩年培訓機構有一些來自家長的需求，他們希望有一個能夠陪小孩對弈的系統，且系統的難度可控，AI技術如何在教育領域應用，其實需要一些小技巧。” 北京褚時科技CEO李曙光提到。在自動口語評測領域，基于GOP的評測技術，例如英語流利說，是通過語音模型分數對比發現有問題的讀音，這項技術主要用于跟讀環節。還有Freetalk口語評測技術，類似托福、雅思的開放式題目，可以運用這項技術進行口語考試的自動打分和批改，分析用戶的發言、語音語調、語法和流利度等等。目前機器在打分上已經可以取代人工，大幅地降低了教師的重復勞動。 

[[229745]]

北京褚時科技CEO 李曙光

人工智能對于培訓機構而言，不單單是節省成本的問題，由于大部分學生缺乏練習環節，因此AI技術還能幫助學生提高學習成績。自動作文評測技術讓老師更愿意為學生布置作文作業，學生通過這項技術，一篇作文可以不斷練習40至50次，不僅降低了老師的工作強度，也提高了學生的學習成績，一舉兩得。自動作文評測基于海量的人工批改數據研發，實現了語法錯誤檢查、自然語言處理分析特征提取以及自動打分引擎，打分緯度除了語法，還有用詞、文章脈絡、句子之間連貫程度等更加復雜的方面。 

手寫識別

褚時科技在手寫識別方面采用UCloud云服務器，進行訓練和部署，主要用于學生手寫作文的場景，涉及到文本的預處理、切割算法以及解碼等多個環節。

無論是炫酷的無人駕駛，人機協作的智能客服，還是自動評測及手寫識別，這些AI應用的背后都離不開云計算提供的優質數據分析平臺以及穩定的技術支撐。當前,人工智能的落地場景越來越豐富，人工智能能夠如此快速的落地，離不開云計算的支持，人工智能融入“云”端已是大勢所趨。相信在明年的TIC大會上，能看到更多來自不同行業的AI實踐干貨分享，讓我們共同期待吧！

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】