后面的十月，我被邀請去上海世博參加了華為的全連接大會，目睹了包括ModelArts在內(nèi)的三塊AI開發(fā)平臺的發(fā)布。

更早一些時候，曾經(jīng)流出過關(guān)于微軟的中國區(qū)數(shù)據(jù)中心即將使用華為的AI芯片的消息，所以那幾天在世博中心，我有一種強烈的直覺是：

未來在AI芯片領(lǐng)域，將會是華為和英偉達的“神仙打架”。

再接下來就是上周，在斯坦福大學(xué)發(fā)布了DAWNBenchmark的最新成績中，華為云ModelArts排名世界第一，僅需10分28秒，比第二名提升近44%。

對于這個結(jié)果我要解釋一下，為什么說在DAWNBenchmark的深度學(xué)習(xí)測試中，訓(xùn)練時間變得這么重要。

近期BigGAN、NASNet、BERT等模型的出現(xiàn)，預(yù)示著訓(xùn)練更好精度的模型需要更強大的計算資源。未來隨著模型的增大、數(shù)據(jù)量的增加，深度學(xué)習(xí)訓(xùn)練的加速性能則成為了重中之重。

在衡量深度學(xué)習(xí)的加速性能時，主要通過兩個指標(biāo)來衡量，一個是吞吐量，即單位時間內(nèi)處理的數(shù)據(jù)量；另一個是收斂時間，即達到一定的收斂精度所需的時間。

你們可以這么理解，吞吐量就像是你一口氣能往嘴里塞多少干面包，而收斂時間則是你最終要花多久才能咽下去。

所以說，普通用戶在使用AI開發(fā)平臺時，最終關(guān)注的一定是收斂時間。

畢竟，吃到肚子里的面包，才算是真正的營養(yǎng)。

所以，出于對ModelArts在保證收斂精度前提下實操性的深切的好奇心，我去了在國際會議中心的華為ModelArts線下workshop。

我在9月份寫過的文章里，曾經(jīng)聊過我對普惠AI在“普惠性”上的看法，我認(rèn)為，普惠并不是指單一的便宜，更多指的是在面對基礎(chǔ)不同的用戶群的時候，都可以彈性自如的滿足各方的實際需求。

我記得我當(dāng)時舉了一個行業(yè)中的例子說，2017年的AI人才招聘缺口將達到500萬，所以一個可以適配各類初級開發(fā)者的AI云平臺，將會是承載著AI未來的“飛天魔毯”。

但即便如此，我也全然沒有想到，當(dāng)ModelArts實操上手后，它的“普惠性”竟然可以達到人人可以上手的程度。

是的，你沒有聽錯，是人人可以上手。

接下來，我將以一個“零基礎(chǔ)”使用者的視角，來做一個粗略的ModelArts體驗。

進入ModelArts開發(fā)平臺界面后，會有彈窗提示，你可以查看其簡易的操作流程。

剛才我說過，在這個時代真正可以面向每一個人的AI開發(fā)平臺，應(yīng)該做到收放自如的彈性，無論是面對高階開發(fā)者，還是入門級開發(fā)者，甚至是完全和行業(yè)無關(guān)的門外漢，都可以滿足其不同層級的需求。

比如這個自動學(xué)習(xí)的板塊，雖然我已經(jīng)離開通信行業(yè)5年了，早已經(jīng)忘記了代碼世界里的所有關(guān)隘，但即便你和我一樣，也可以通過上傳數(shù)據(jù)，并且進行指向性的標(biāo)注，來完成定制化的模型訓(xùn)練。

當(dāng)然，如果你是一個高階開發(fā)者，ModelArts也將提供給你更全套的生產(chǎn)力，同時ModelArts繼承了很多華為的優(yōu)秀基因，極強的實用性體現(xiàn)在數(shù)據(jù)準(zhǔn)備、訓(xùn)練、部署、上線的全流程里，實現(xiàn)了“上手快、訓(xùn)練快和上線快”的極致體驗。

但由于我今天采用的是“零基礎(chǔ)”和“無門檻”視角，所以我只展示“即便一個小學(xué)生都可以操作訓(xùn)練的模型”。

在自動學(xué)習(xí)版塊，有圖像分類、物體監(jiān)測和預(yù)測分析三種訓(xùn)練模型。由于我今天寫文章使用的是MacBook，瀏覽器暫時不能支持某些頁面功能，所以我先簡單聊一下實操的體驗感受。

以“圖像分類”舉例，比如說你想做一個花卉識別的訓(xùn)練模型，那么你需要上傳一些花卉的數(shù)據(jù)樣本，也就是你想要識別出的花卉的圖片，比如向日葵、水仙、玫瑰等等。

接下來你要針對上傳的數(shù)據(jù)樣本進行標(biāo)注，為你即將訓(xùn)練的模型建立規(guī)則，也就是告訴機器“這些圖片中哪些是水仙，而哪些是玫瑰”。

完成這些步驟之后，ModelArts將為你建立的模型進行訓(xùn)練，理論上你上傳的數(shù)據(jù)樣本越多，訓(xùn)練后的精度也就越高，目標(biāo)識別也就越準(zhǔn)確。

這種實操環(huán)節(jié)的易上手性，是絕大部分對AI并不了解的朋友想象不到的。

我時常和身邊的人講這樣一個道理。

在每一個擁有標(biāo)志性技術(shù)的時代里，技術(shù)真正向人們賦能的標(biāo)志，不在于享有技術(shù)紅利，而在于普通人對技術(shù)的駕馭。

比如說煤炭被開掘出來之后，人們不光要享受它帶來的能源革命，同時每一個人都學(xué)會對煤炭的使用，才是技術(shù)真正接入時代的標(biāo)志性意義。

而在AI全面降臨的時代里，并不是說它無處不在就已經(jīng)是足夠極致的體現(xiàn)了，而是當(dāng)每一個普通人都可以根據(jù)自己的需求，來完成AI的定制化需求的時候，這才是這個工具真正井噴的時刻。

我身邊的很多創(chuàng)業(yè)者，本身并不是開發(fā)者，他們不懂代碼，不懂神經(jīng)網(wǎng)絡(luò)，也不懂深度學(xué)習(xí)，但他們對人工智能有可能帶來的提效降本有根本性的需求。像華為云的ModelArts這樣的AI發(fā)開平臺，才能滿足他們在專業(yè)技能有限的前提，依然可以定制化自我需求的可能性。

最后。

讀書的時候?qū)W習(xí)寫作，語文老師總會和我們講白居易的故事，說他寫好一首詩都要讀給村口的老太太聽，她能聽得懂才算是一首好詩。

這其實講的是文學(xué)上的雅俗共賞。

換回技術(shù)的語境中，我想說：

技術(shù)究竟是否需要“雅俗共賞”呢？

如果一項大眾技術(shù)，人們對它的認(rèn)知永遠(yuǎn)停留在望而生畏和云山霧罩，雖然看起來逼格滿滿，那么它一定不能為我們帶來足夠多的紅利。

拿AI來說，對于我身邊的絕大部分朋友來說，這都是一樣“知其然而不知其所以然”的東西。

AI行業(yè)之外的人們，通常對AI沒有一個清晰的認(rèn)知。如果你和他們講AI開發(fā)平臺，他們會先入為主的認(rèn)為這是一個異常艱難精深的領(lǐng)域。

而當(dāng)我把試用ModelArts的過程講給他們聽，他們的反應(yīng)幾乎全都是“還能有這樣的操作”？

是的，的確可以有這樣的操作。

最后的最后，我想說兩句話。

AI作為一項時代技術(shù)，的確可以“雅俗共賞”。

AI作為一個全面到來的“全民工具”，一定是為我們賦能的，而不是耗能的。

以上。

zhangnn