李林 发自 凹非寺
量子位出品 | 公众号 QbitAI

“百度非常愿意和全球有梦想的开发者一起，来实现一个理想：Everyone can AI。”

2018年7月的百度Create开发者大会上，李彦宏一句话赢来满场掌声。

百度有一款工具便与这个理想息息相关——定制化训练及服务平台EasyDL。它的目标，就是让零算法基础的用户，也可以基于自身业务需求和数据，快速训练专属的定制化AI模型。

转眼已是2019，EasyDL怎么样了？

如果你对它的印象还停留在刚刚推出之时，认为它不过是个能自动训练图像分类模型的试验性产品，那么，你的认识需要刷新一下了。

2018年，EasyDL有两大核心进展。

在产品和技术层面，它支持的任务已经覆盖图像分类、物体检测、文本分类、声音分类。

而且，EasyDL还新增用离线SDK来部署模型功能，用户不仅能通过调用接口来使用在平台上训练出来的模型，还可以下载封装了模型的SDK，嵌入终端使用，无需联网就能运行。

在应用落地方面，官方数据显示，截止2018年12月31日，EasyDL平台总注册用户数超过10万名，应用企业覆盖22个行业。

全面发展的EasyDL，正在一点一点地削低人工智能开发门槛，助力各行各业升级转型，也让更多普通个人参与进来，用AI改变生活。

削平门槛，人人AI

2018年，无论从企业的行动上，还是从政府的政策鼓励上来看，AI发展的主旋律都离不开两个字：

落地。

工厂流水线上的质量检测、商店里的自动识别结账、无处不在的智能审核……

越来越多来自不同领域的企业，开始“想AI”。他们面前，摆着重重关卡。

先是人才关。

《人民日报》海外版此前有报道称，中国人工智能人才缺口超过500万。这样的供需关系也导致人工智能人才价格水涨船高，《第一财经》在2018年冬天的一篇报道中提到，企业招应届生的薪水比上年提高了10%-20%，甚至有公司给博士生的薪水从上一年的年薪50万元涨到了80万。

招不到、招不起，似乎已成常态。

就算高价请来AI大牛，还有业务关摆在面前，“落地”依然遥远。要把前沿技术与相对传统的业务实践结合起来，可是个难题。

怎样跨越这两道关卡？

百度的第一个答案，是百度大脑AI开放平台上的一系列标准API，包括语音识别、图像识别、自然语言处理等等，供企业直接使用。

这的确帮企业绕开了人才一关，但放到实际业务场景里，百度发现，很多客户都有个性化需求，统一的API倒在了业务关前。

比如说，一个通用的图像识别API，面对细分场景的需求实在无能为力：想让它看图识别家居风格？判断工人有没有穿工服？厨师有没有戴帽子口罩？Sorry，没学过。

要是懂业务的自家员工，能用自家数据，定制训练符合自家业务场景需求的AI模型就好了……

可是这些员工可能并不熟悉深度学习，如何跨越技术门槛？

这就要看“优化版”答案了：2017年11月，百度上线自动化机器学习平台EasyDL。几乎是同时，谷歌也瞄准了这个方向。2018年1月，谷歌开始测试自动化机器学习产品AutoML。

两家在人工智能领域大力布局的巨头，都进入了这个领域。

EasyDL作为定制化模型训练和服务平台，用自动的算法削平了定制AI模型的技术门槛，用户需要做的，是理清需求，准备数据。

定制AI模型4步走

用EasyDL训练机器学习模型，分4步：

整个流程都是可视化图形操作，不用写一行代码，就能训练出AI模型。

训练出来的模型，也并不比专业人士差。

EasyDL训练的模型，有2/3以上准确率都超过了90%，在比较简单的任务上，比如为传统制造业的鲽鱼科技检测键盘组装是否合格，识别准确率就超过了99%。

而且，训练起来，可能比专业人士还快。拿1000张图片使用EasyDL训练一个图像识别模型最快只需要8分钟；拿1000条音频来训练声音分类模型，只需15分钟；使用3000条数据训练文本分类模型，也只需8分钟。

4步自动定制高精度模型，是由什么样的技术支撑的呢？

为了实现全流程自动化，百度构建了机器学习从训练到上线的工作流引擎AI Workflow，能将大数据成熟的工程系统与人工智能分布式模型训练相结合。

而模型训练的工作，就要交给迁移学习和自动模型搜索（Auto Model Search）了。

训练的原理，简单来说是个“举一反三”的过程：拿来一个经过大规模数据集预训练的模型，把它学到的“知识”应用到特定的业务场景上。帮它理解这个场景的，是来自实际业务的新数据集。

这个新数据集并不需要太大，比如说在图像识别任务里，用户只需要为每个类别准备20到100张图像就够了。

自动训练的过程，则比人类专家训练模型有效率得多。为了尽可能找到性能最好的模型，自动模型搜索算法会选择多个预训练模型，再搭配不同的批次大小、学习率等超参数，发起多个训练。然后，再筛选出最适合的模型。

另外，EasyDL的算法还会自行通过early stopping来降低过拟合风险。除了模型训练之外，EasyDL平台还包括了数据集管理、标注、版本控制等功能。

这样，那些本来离人工智能有点遥远的企业、机构、甚至爱好者，都具备了训练模型的能力。

进击的2018：落地各行各业

就是这个一站式的人人AI平台，从发布到现在，一年出头的时间实现了巨大的跨越。

EasyDL在2017年11月初次亮相时，只有图像识别一种能力，其他数据，概不能学。

一年出头的时间，它增加了定制化声音分类和文本分类两大类新功能，还有新的部署方式：离线SDK。

声音分类可以用在安防领域来监测异常声音，也能用在野外通过声音分辨不同物种；文本分类则用来给文章分类、审核文字内容有没有包含违法信息等等。

而离线SDK，则应对着企业实际应用中的现实问题：网络可能不好，数据可能不方便传到云端，对检测速度可能有极高要求。这些，就催生了把模型部署到本地硬件上的离线SDK。

现在，EasyDL平台总注册用户数超过10万名，覆盖的行业有22个，包括零售、安防、互联网内容审核、医疗、法律、会计、餐饮、购物等等。

在工业领域，它就已经是个很成熟的质检员了。在一家名叫柳州源创的传统企业里，检验工业喷油嘴瑕疵这道工序就已经不再需要人力——EasyDL训练的算法代劳了，每年节约的人力成本有60万元。

又比如地板公司圣象，也通过EasyDL把人工智能用到了生产中。以前，生产出来的地板需要工人一片片肉眼识别是否合格，再分拣出来。而现在，他们部署了EasyDL训练出来的算法，用摄像头自动判断地板质量、机器自动分拣。“比做了3年的老员工还要精准”。

在安防监控领域里，它也是个厉害的监测者。说广东佛山的供电局，就在用EasyDL训练的模型，通过摄像头时刻监控输电线路有没有遇到吊车、挖掘机等安全隐患。长江沿岸，也有摄像头结合EasyDL训练出的算法监控着非法采砂、破坏河道的船只。

最新上线的文本分类模型也已有落地应用。货运平台货拉拉就在用EasyDL文本分类，来筛选优质用户留言，精准定位目标客户，提升整体的运营效率。

也有商家用EasyDL训练的模型审核商品陈列是不是符合要求，中国食品药品鉴定研究院在用它识别中草药，还有供电局用它监控输电线路隐患……

案例之多，应用场景之丰富，远不是这样几段文字所能展现。

而这种广泛应用，也正体现出了EasyDL与企业需求的契合。它只需少量数据，就可以训练出模型，然后落地验证效果。这样，既为企业省去了找深度学习工程师的成本，又大大降低了因为可行性不确定而带来隐患。

在AI变革生产力的大潮中，EasyDL这样的工具让众多中小企业有了参与感：要想让AI成为各行各业新的生产力，不能仅仅依靠行业里的头部公司做定制化的大单，这样一个大单需要AI公司动用少则几十人，多则几百人的团队，耗资上千万，很难规模化。

EasyDL展示了百度AI开放生态的另一种玩法：用平台的思路，做规模化的AI落地。

EasyDL这个定制化工具，是百度大脑AI开放平台一站式AI解决方案的一部分。

整套解决方案中，有深度学习框架PaddlePaddle等底层技术，供有算法实力的公司使用；有能满足零技术基础企业个性化需求的EasyDL和Unit智能对话训练与服务平台、模板化文字识别平台；还有各行各业应用场景的成套解决方案，直接满足企业比较普遍的需求。

迎接全民开发者时代

其实不止企业，很多既没有基础，又单打独斗的个人，也在用EasyDL进行实践，融入AI无处不在的时代。

2018年5月以来，百度举办了多场EasyDL挑战赛，参赛者有来自一线的工程师、工人、律师、会计、护士等。

他们从自己的职业和生活出发，用EasyDL设计了各种脑洞大开的AI模型。有识别口红色号模型，用来拯救直男，有共享单车损坏识别，有小麦识别病症模型……这些AI模型虽然较难产生巨大的经济效益，做出巨大的科技突破，但是却能解决个人经验积累、信息不对称的问题。

比如说在医疗行业，医生这个职业的高度专业性，让技术的落地难上加难。好在，也有医生在根据自己的需求，定制出了属于医生的AI模型。

援藏医生陈静飞就是这样做的。藏地牧区，寄生虫病高发，而检验人员缺乏。于是，他就运用EasyDL技术，几个月建立了一套寄生虫识别系统，可以识别显微镜下十几种寄生虫卵，测试准确率超过97%，可以媲美20年临床经验的专家。

也有久病成医者。亲人不幸患病的个人开发者郭晶，就开发了医学诊断模型，想辅助医生分析病情，减少失误。他组建团队用EasyDL开发了AI辅助诊断和管理App，仅是EasyDL比赛就参加了两次，还获得了第四届中国研究生移动终端应用设计创新大赛三等奖。

此前，很多人谈到AI的时候，要么恐惧，要么就抱有过高的期待，不如直接试一试EasyDL，在尝试中看看AI究竟能做什么，培养起AI时代的AI素养。

Next…

覆盖了这么多用户、积累了各个行业的应用之后，EasyDL的下一步是什么？

答案是更多模型定制新功能。百度透露，未来将会在平台易用性、模型类型的丰富度上持续精进，与各行业合作伙伴一起壮大EasyDL平台。

继续扩大用户群、扩展到更多行业，也是必然。

作者系网易新闻·网易号“各有态度”签约作者

— 完 —

加入社群

量子位AI社群开始招募啦，欢迎对AI感兴趣的同学，在量子位公众号（QbitAI）对话界面回复关键字“交流群”，获取入群方式；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进专业群请在量子位公众号（QbitAI）对话界面回复关键字“专业群”，获取入群方式。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「好看」吧 !