三步实现机器狗灭火，ModelArts让AI开发变得太简单

AI应用开发、落地到底难不难？

这个问题如果是ModelArts来回答，肯定是不难。

之前，繁多的AI工具安装配置、数据准备、模型训练慢等是困扰AI工程师的诸多难题。华为内有很多算法工程师、AI 开发工程者都会遇到这些痛点。

于是，华为就把痛点的解决方案积累下来，最后做成了ModelArts这个平台。以下是ModelArts功能总览：

作为一站式AI平台，ModelArts提供海量数据预处理及半自动化标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI工作流。

最近，华为云发布了ModelArts 3.0版本，其中，EI骨干模型（EI-Backbone）是其核心特性之一。

本文将详细谈谈ModelArts在EI-Backbone特性下，如何实现四足机器狗的工业场景巡检：识别火情，自动规划路径，关闭火情按钮等。

机器狗如何自动规划路径？

在今年的华为全联接大会上，华为云演示了如何基于ModelArts为机器狗构建起“感知+认知+决策”的能力，让机器狗理解到火对于工厂环境是有危害的，重新学习并规划生成一条新的行走路径。

其中，机器狗是如何运用ModelArts平台进行云端协同利用强化学习算法进行路径切换的呢，以下慢慢道来。

第一条路径中有火焰，是一条危险路径。

机器狗自主决策后生成第二条路径，绕开火焰行动。

首先，机器狗将感知火焰位置，建立强化学习训练环境，自动上传至OBS中。利用ModelArts SDK启动云端强化学习训练，训练机器狗如何找到最优路径灭火。

训练结束后在ModelArts平台导入模型、部署在线推理服务。此时只需要自动获取服务Token和API就可以调用在线服务进行推理，获取安全路径，最终控制机器狗绕开火焰灭火。

具体示例如下：

1. 利用ModelArts SDK启动强化学习训练；

2. 在ModelArts平台导入模型；

3. 在ModelArts平台部署在线服务。

最后在机器狗端侧获取路径，通过机器狗导航功能控制机器狗进行灭火。

一句话总结：通过ModelArts和Atlas 200DK为机器狗赋予AI能力，让它可以实时感知现场环境，并通过知识图谱交互分析，强化学习动态决策，令机器狗具备复杂的行进路径规划和动作的能力，端云协同守护工厂园区的安全。

这其中的关键一环便是华为云骨干模型EI-Backbone，它是华为云EI开发的通用预训练模型架构，其目的是打造预训练模型结合小样本微调的高效训练模式。

EI-Backbone会提供通用预训练模型和行业定制化开发流程，使得成型的开发经验能够做到规模化复制，降低AI的使用门槛。

如果以NLP领域的预训练模型为标杆，那么EI-Backbone就是打造CV领域的BERT。

BERT之所以被称为“NLP新时代的开端”，不仅仅是因为诞生之初，就刷榜各大NLP榜单。更是因为，基于BERT预训练模型，只需要简单的迁移策略，就能让NLP模型在下游任务中获得良好的性能，这无疑大大推动了自然语言处理领域的研究发展。

而EI-Backbone就致力于为CV领域的开发者复刻BERT的体验。

以医疗影像分割为例，过去需要成百上千例标注数据才能进行的训练，在EI-Backbone的加持下，只需要几十例甚至十几例标注数据即可完成，节省标注成本90%以上。

目前，EI-Backbone已经在10余个行业有了成功的案例验证，并且斩获10余个业界挑战赛冠军。围绕EI-Backbone，华为云也已经发表了100余篇相关论文。

后续，相关模型架构会逐步开源。

AI开发神器新特性：联邦学习、AI给你Debug、弹性训练

ModelArts 3.0除了EI-Backbone这个特性外，还加入了联邦学习。

在实际的AI落地中，往往存在数据孤岛的问题：数据分散在不同的数据控制者之间，受限于隐私、安全等问题，这些数据并没有办法轻易打通，这就使得落地到实际产业中的AI算法训练效果受到了限制。

针对这个问题，华为云ModelArts提供联邦学习特性，用户各自利用本地数据训练，不交换数据本身，只用加密方式交换更新的模型参数，就能实现联合建模。

不过，对于AI开发而言，有丰富数据作为基础，完成模型训练，并不意味着大功告成。

模型性能的评估和调优同样是一项重要，且对开发者自身经验要求很高的工作。

ModelArts 3.0在这一环节中提供的特性是AI智能评估。

这个模块会从数据、模型两个方面对模型的综合能力进行评估，评估指标包括精度、性能、可信度和可解释性：

比如以性能为例，ModelArts 3.0能提供算子级别的时间、空间消耗统计分析和多种整体的性能指标，并且针对模型的表现给出相应建议，如模型量化、蒸馏等；

也就是说，Debug这样繁重的工作，ModelArts 3.0也能给它自动化了，并且还是对数据到模型训练整体过程的全面评估。

另外，为了更好地支持超大算力需求的AI研发，ModelArts在集群规模，任务数量，以及分布式训练都做了针对性的优化。

通过优化服务框架，ModelArts能支持10万级别的作业同时运行、支持万级芯片的大规模分布式任务。

为了帮助企业在AI落地过程中进一步降本增效，ModelArts 3.0还具备弹性训练这一核心能力。

也就是说，ModelArts根据模型训练速度的要求，可以自适应匹配最佳资源数，具体在产品上，提供两种模式。

一是Turbo模式，可以充分利用空闲资源加速已有训练作业，在大多数典型场景下加速效率大于80%，训练速度提升10倍，并且不会影响模型收敛精度。

二是Economic模式，可以通过最大化资源利用率，给开发者提供极致的性价比，在大多数典型场景下可以提升性价比30%以上。

总结：

ModelArts从发布到如今迭代到3.0版本，一直在践行的是：将简单留给开发者，复杂留给华为云。之后，这个一站式AI开发平台会继续在强化学习、小样本训练、分布式二阶优化器、模型计算和大规模芯片多级互联等新技术领域上持续进步。

如果你也想体验最新版ModelArts，就快来华为云双11上云嘉年华活动中精免费算力不限次参与。