人工智能(AI)是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學(定義)。人工智能利用機器學習技術，通過對現(xiàn)有的經(jīng)過處理(篩選、消噪、過濾等)的數(shù)據(jù)，不斷進行矯正(設置閥值等方法)機器模型的輸出，此過程稱為訓練，期望通過訓練可以得到在未來新數(shù)據(jù)上有良好表現(xiàn)的模型，從而投入生產(chǎn)。

隨著大數(shù)據(jù)分析技術的逐步普及，越來越多的行業(yè)開始擁抱人工智能，用“人工智能+”助力技術和產(chǎn)業(yè)的不斷升級和變革，人工智能已經(jīng)成為我們當前這個時代的標志。對于企業(yè)來說，如果想用人工智能來武裝自己，就必須搞清楚人工智能技術的核心。

人工智能的概念始于1956年的達特茅斯會議，由于受到數(shù)據(jù)、計算力、智能算法等多方面因素的影響，人工智能技術和應用發(fā)展經(jīng)歷了多次高潮和低谷。2006年以來，以深度學習為代表的機器學習算法在機器視覺和語音識別等領域取得了極大的成功，識別準確性大幅提升，使人工智能再次受到學術界和產(chǎn)業(yè)界的廣泛關注。數(shù)據(jù)、計算力和算法被認為是人工智能發(fā)展的三大核心要素，數(shù)據(jù)是基礎，算法是核心，計算力是支撐。

算法，而更像是一種優(yōu)化手段或者策略，它通常是結合多個簡單的機器學習算法，去做更可靠的決策。集成學習是一種能在各種機器學習任務上提高準確率的強有力技術，集成算法往往是很多數(shù)據(jù)競賽關鍵的一步，能夠很好地提升算法的性能。平臺提供Bagging、Voting等集成學習框架節(jié)點，使模型準確性和泛化能力得到明顯的提升。

目前，市場上的文本工具主要是以文本整體分析應用為主來設計功能，未從技術角度進行細致的功能劃分，這樣導致用戶對于文本的分析過于主題化，用戶在分析過程中無法過多的加入自己的構建思想，同時無法真正將文本挖掘技術與傳統(tǒng)結構化數(shù)據(jù)挖掘技術融合在一起。本平臺中的文本挖掘算法模塊以“拖拽式操作、精細化節(jié)點設計、結構化自由文本為目標”的設計理念為指導，將文本挖掘的各技術功能點進行粗細劃分，使得節(jié)點的功能更集中更明確，一方面兼顧使用的NLP技術的獨立性，另一方面兼顧節(jié)點所具功能的全面性，同時將文本挖掘模塊的最終產(chǎn)出是對應原始文本的結構化形式，這種結構化信息需要很好地涵蓋原始文本的有用內(nèi)容;同時，這種結構化的形式輸出也方便與平臺已有的其他建模分析節(jié)點串聯(lián)復用。

北京時間8月16日上午消息，據(jù)報道，目前，科學家最新研發(fā)一種AI算法，能夠檢測出癲癇患者早期癥狀，甚至包括經(jīng)驗豐富的資深醫(yī)師可能忽略的癥狀。

該AI算法能檢測出患有一種罕見疾病的患者，準確率達到60%以上，相比之下，核磁共振成像未發(fā)現(xiàn)任何隱性癥狀。這種罕見疾病是癲癇，據(jù)稱，英國和美國居民癲癇發(fā)病率達1%，該疾病會導致患者大腦出現(xiàn)不受控制的腦電流爆發(fā)，從而引發(fā)痙攣抽搐。

任何人都可能出現(xiàn)驚厥痙攣，但并不意味著他們必然都患有癲癇，通常癲癇患者確診之前可能不止一次出現(xiàn)痙攣抽搐。當大腦突然腦電流爆發(fā)時，就會出現(xiàn)癲癇，導致大腦運行中斷，部分患者癲癇發(fā)作時人們?nèi)员３志X狀態(tài)，能夠感知到周圍環(huán)境，而部分患者癲癇發(fā)作時會完全失去意識，處于極度危險境地。

有時癲癇患者會出現(xiàn)不同尋常的感覺、認知和活動，或者身體僵硬摔倒在地板上不斷抽搐，在任何年齡時期，中風、腦感染、頭部損傷或者出生時導致缺氧的問題都可能誘發(fā)癲癇，在超過50%以上的病例中，醫(yī)師無法找到具體病因，相關治療癲癇藥物也無法完全治愈，但有助于停止或者減少癲癇發(fā)作，如果藥物治療仍無效，患者只能選擇腦部手術。

導致癲癇的一個誘因是耐藥性局灶性腦皮質(zhì)發(fā)育不良(FCD)，這是大腦的一種細微異常，會導致大腦信號傳輸失效。癲癇能通過手術進行治療，但該疾病對大腦產(chǎn)生的變化非常微妙，即使是經(jīng)驗豐富的放射科醫(yī)師進行核磁共振掃描時也可能忽略該疾病征兆。

但基于英國倫敦大學學院研究團隊研發(fā)的一種AI算法，可以檢測到63%的FCD癥狀，這是之前醫(yī)護人員很難檢測到的，也是誘發(fā)癲癇發(fā)作的重要因素之一。

研究人員稱，他們的AI模型能為更多癲癇患者進行大腦手術，提供最佳治愈機會。據(jù)悉，在英國，大約有60萬癲癇患者，但僅有20-30%的患者對藥物沒有反應。

腦細胞或者神經(jīng)元細胞，通常會形成有組織的細胞層，形成大腦皮層。對于FCD患者，其腦細胞是無序紊亂的，從而導致痙攣抽搐的風險更高。在接受手術控制病情的兒童癲癇患者中，F(xiàn)CD癥狀是最常見的病因，對于需要手術治療的成年人群，F(xiàn)CD是第三大常見病因。然而，令醫(yī)務人員棘手的是很難通過核磁共振掃描檢測到FCD癥狀，在最新研究中，研究人員從22項全球癲癇疾病研究中收集了1000多張核磁共振掃描圖像，一組放射科專家將掃描結果標記為健康或者FCD癥狀，之后運行AI算法檢測掃描異常現(xiàn)象。

這項AI算法涉及患者大腦30萬個區(qū)域信息，該研究報告發(fā)表在《大腦》雜志上，研究結果表明，AI算法在掃描中發(fā)現(xiàn)了538例FCD癥狀，其中包括112例放射科醫(yī)師無法檢測到的病例。

曾經(jīng)，他被稱為“電腦神童”、“搖滾少年”，他最早研發(fā)的“人像磨皮”軟件一度占據(jù)八成細分市場。如今，人到中年的他順應潮流成為了抖音博主，同時也在繼續(xù)以碼農(nóng)的角色在市場上“廝殺”，創(chuàng)辦了辨影科技。

辨影科技創(chuàng)始人王京京說，“從小到大，我寫代碼比寫作文、比說話還多”。這一次，他希望自己的技術能力可以為傳統(tǒng)制造業(yè)的智能化升級作出一些貢獻。

制造智能化可行，但難行

“十四五”智能制造發(fā)展規(guī)劃中提出，到2025年的主要目標包括，70%的規(guī)模以上制造業(yè)企業(yè)基本實現(xiàn)數(shù)字化網(wǎng)絡化，制造業(yè)企業(yè)生產(chǎn)效率、產(chǎn)品良品率、能源資源利用率等顯著提升，智能制造能力程度水平明顯提升。

對于制造業(yè)企業(yè)發(fā)展而言，產(chǎn)品的生產(chǎn)效率和良品率至關重要，而質(zhì)檢工作與生產(chǎn)效率、良品率息息相關，只有質(zhì)量檢測合格的產(chǎn)品才能夠進入市場。在傳統(tǒng)的制造業(yè)企業(yè)中，產(chǎn)品的質(zhì)量檢測通過人工或傳統(tǒng)視覺算法檢測。人工質(zhì)檢方式存在檢測標準不統(tǒng)一、人員培訓成本高、誤檢漏檢等問題，直接影響產(chǎn)品質(zhì)檢成效。而傳統(tǒng)視覺算法檢測的成本高、效果常常達不到預期，產(chǎn)線仍離不開高強度、高重復性的人工參與。

“AI技術有很多優(yōu)勢，但企業(yè)能真正應用AI解決實際問題，還需要克服不少困難?！蓖蹙┚┌l(fā)現(xiàn)，基于深度學習的人工智能視覺識別能力確實可以達到優(yōu)秀人工質(zhì)檢員的水準，但根據(jù)自身需求聘請AI算法工程師開發(fā)和維護的成本相對太高，并非每家企業(yè)都能負擔;另一方面，目前國內(nèi)優(yōu)秀的AI算法工程師人才較為稀缺，能夠專注深入到制造業(yè)的就更少;此外，適用工業(yè)場景的部署硬件亦是AI應用落地的“最后一公里”難題。

面對這些橫在制造業(yè)智能化升級路上的“絆腳石”，王京京認為，低門檻、一站式的軟硬一體AI解決方案，讓數(shù)據(jù)采集和推理部署、模型迭代都在一部工業(yè)產(chǎn)線專用相機上完成，是一條可落地的高效路徑。

飛槳EasyDL+辨影相機，讓AI質(zhì)檢簡單高效

解決AI技術在工業(yè)生產(chǎn)場景中落地的難題，王京京已經(jīng)從軟、硬件兩方面找到了答案。

飛槳企業(yè)版EasyDL讓王京京看到了零門檻AI開發(fā)平臺快速、便捷、高效的力量，他多次用形象地比喻表達他對這一平臺的使用感受，“EasyDL把很多算法模塊化了，‘就像廚師無需親自制作菜刀一樣’，碼農(nóng)們可以按需調(diào)用，開發(fā)AI程序、做出AI硬件，無論是PC、平板、電視還是安卓、iOS，都可以適配。”“如果說用其他AI開發(fā)架構做模型如同爬樓梯，那用了EasyDL就感覺像是坐上了電梯，省時、省力又省心?！?020年，王京京成為百度認證的首批飛槳開發(fā)者技術專家PPDE。

硬件支撐上，辨影科技研發(fā)的AI質(zhì)檢邊緣計算相機(以下簡稱“辨影相機”)部署簡單、接口豐富，自帶高靈敏液晶觸摸屏，在不用外接顯示器的情況下就可以對模型進行管理，且辨影可連接蜂鳴器，對效果驗證給到提示。通過飛槳平臺訓練好的模型可以通過多種方式輕松部署到“辨影”上，整個過程不需要寫任何代碼，解決了AI算法部署的最后一公里難題。

目前，由飛槳EasyDL和辨影相機形成的AI質(zhì)檢組合已經(jīng)應用于發(fā)動機漏液檢測、活塞環(huán)瑕疵檢測、焊縫氣泡檢測、鉚釘裝配檢測、注塑部件未注滿缺失檢測、螺紋口瑕疵檢測等工作中。以螺紋口瑕疵檢測為例，首先根據(jù)樣本特征進行數(shù)據(jù)采集，然后在飛槳EasyDL平臺上對合格和不合格的樣本進行標注和模型訓練，最后部署到辨影相機上。辨影相機在產(chǎn)線中如果檢測到零件不合格就會蜂鳴提示或剔出處理。

“我們只需要按工廠質(zhì)檢科的需求，在飛槳EasyDL上進行良品和次品的數(shù)據(jù)標注，就可以完全按照工廠質(zhì)檢部門的標準訓練出來模型，數(shù)據(jù)標注和模型訓練過程完全不需要質(zhì)檢人員懂代碼?！蓖蹙┚┱J為，像販賣預制菜的店面不需要廚師在場一樣，辨影相機+飛槳企業(yè)版EasyDL就是AI界的“預制菜”，沒有AI算法工程師駐場工廠也能輕松應用AI，降本增效。

王京京說，真正的AI就應該很簡單，希望大家不要被技術名詞嚇退，實際上每個人都可以通過“飛槳+辨影相機”實現(xiàn)算法工程師開發(fā)的模型效果，體會到AI應用從難到易的轉變，在自己的領域里實現(xiàn)AI創(chuàng)新突破。