ModelArts 让 AI 应用开发更简单

当今这个没有AI芯片加持的手机都不能称之为“旗舰机”的时代，没有AI技能加持的攻城狮感觉都有点落伍。但是，谈到学习人工智能，大家可能最先想到的是技术太难、学不会。如果，您体验了一站式AI开发平台ModelArts，您一定会和我一样惊叹：原来 AI 应用开发也能这么简单？

大家好，我是胡琦，江湖人称“Copy攻城狮” -- “Copy Code， Copy Wolrd！”。目前在广东省电信规划设计院从事前端开发，工作之余对AI比较感兴趣。了解到一站式AI开发平台 -- ModelArts，就深深地爱上了她，并加入了 MDG，也就是 ModelArts 开发者社区。在 ModelArts 开发者社区，我学到了让 AI 应用开发更简单的小技巧，今天就简单和大家分享一下,蚂蚁牙黑!

本次分享有以下四点：
①AI 的过去、现在、未来；
②AI 应用开发流程；
③ModelArts 简介；
④最后分享一个简单的美食分类AI应用开发实践过程。

AI 的过去、现在、未来

图片来源What is Artificial Intelligence

什么是 AI ?不管您心中是否有答案，我希望通过我的讲解能让您对AI及AI应用开发有一个新的认识。我印象比较深刻的有个段子不知道大家有没有看到过，大概讲的是朋友酒后创业想做AI，向老婆杨梦圆要启动资金被暴打两顿彻底梦碎，还好 AI 应用开发没有主要用 PHP，不然估计相亲被拒无数次。如果您恰巧也去检索过 AI 的名词解释，您会发现 AI 是一个多义词，我们这里讲的 AI 是大家普遍理解的人工智能(Artificial Intelligence)，当我在搜索引擎中敲下 AI 的时候，AI 不知不觉就来了。搜索引擎的背后，除了有链接分析等互联网技术，还需要自然语言处理、信息检索等AI技术。

人工智能通常在教材中的定义领域为“智能主体（intelligent agent）的研究与设计”，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。最早由现代人工智能领域奠基人之一的约翰·麦卡锡(John McCarthy)在1956年的达特矛斯会议上提出了,当时的定义为“制造智能机器的科学与工程”；中国科学院院士、清华大学人工智能研究院院长张钹院士认为，人工智能是“研究和设计智能体，所谓智能体，是用计算机模拟人类的智能行为”。在我看来人工智能是让机器像人一样思考，让机器具备智能。

AI 从哪里来？在人类历史长河中，从源远流长的神话预言，到巧夺天工的自动人偶，再到百花齐放的形式推理人们对“智能”的探索从未停止。尤其是在计算机及计算机科学诞生之后，人工智能在 20 世纪 50 年代终于形成了一门学科。回顾人工智能的发展，普遍认为有“两起两落”并经历了三次浪潮，当前正处于第三个增长爆发期。20世纪50-70年代，是人工智能的黄金时代，“人工智能”首次在被提出，紧接着开始酝酿第一次浪潮，人工智能实验室在全球各地扎根。20世纪70-80年代，由于计算机的运算能力难以解决任何实际的AI问题、计算难度的指数级增长，人工智能的发展迎来了第一个低谷。20世纪80-90年代，由于专家系统的崛起，人工智能再次迎来第二次浪潮。不过 1987年 AI 硬件市场需求的突然下跌，典型的比如基于通用计算的 Lisp 机器在商业上的失败，人工智能再次滑入了低迷期。20世纪90年代后期，由于计算机计算能力的不断提高，人工智能再次卷土重来，进入21世纪以来，得益于大数据和计算机技术的快速发展，人工智能成功应用于经济社会中的许多问题，人工智能的第三次浪潮应运而生。

哪里有 AI ？当今世界处处都有 AI，AI 技术运用的案例已经渗透到方方面面。图像识别技术运用到农作物病虫害识别，提高了防治效率，大大提升了农作物产量；自动驾驶技术的不断发展，离不开 AI的赋能，比如车道线检测；全球疫情严重的当下，基于深度学习构建的医疗影像辅助诊断系统，极大减轻医生负担, 同时降低漏诊风险；餐饮行业的流水线自动收银、APP食物卡路里识别，AI 通通帮您搞定；知识渊博的智能问答机器人用“爱”为您解答。

我印象比较深刻的还有我们“身体的另一部分”--手机中也大量运用到了 AI 技术，AI 芯片加持的手机似乎也有了自己的思维，AI 赋能的手机系统也变得智能，您看这不我手机和另一头的电话营销机器人聊得可热乎呢！此外手机中的 APP 也提供了大量的 AI 服务，如文字识别、自动翻译、精准推荐等等。

AI 应用开发流程

那么，如何开发AI应用呢？基本流程通常可以归纳为几个步骤：确定目的、准备数据、训练模型、评估模型、部署模型。
在开始AI开发之前，要解决什么问题？目的是什么？结合实际场景整理AI开发框架和思路。例如，图像分类、物体检测等等。不同的项目对数据的要求，使用的AI开发手段也是不一样的。
数据准备主要是指收集和预处理数据的过程。按照确定的分析目的，有目的性的收集、整合相关数据，数据准备是AI开发的一个基础。“数据、算法、算力”是人工智能三要素。此时最重要的是保证获取数据的真实可靠性，当然实际开发中，我们还需要反复调整优化。
模型训练也就是“建模”，指通过分析手段、方法和技巧对准备好的数据进行探索分析，从中发现因果关系、内部联系和业务规律。训练模型的结果通常是一个或多个机器学习或深度学习模型，模型可以应用到新的数据中，得到预测、评价等结果。
训练得到模型之后，整个开发过程还不算结束，需要对模型进行评估和考察。往往不能一次性获得一个满意的模型，需要反复的调整算法参数、数据，不断评估训练生成的模型；也就是我们常说的“炼丹”。
最后就是部署模型，在绝大多数的应用场景中，我们只需将模型服务部署到线上以 API 的形式给到应用端进行调用，当然，随着智能硬件的发展，很多设备端已经能够在本地调用模型服务。在发布的模型服务中，我们还能再收集数据，比如难例反馈，进一步优化模型。

ModelArts 简介

每次说到 ModelArts 不得不先说说全栈全场景AI解决方案。早在 2018 年第三届华为全联接大会上，首次发布了华为全栈全场景AI解决方案，所谓全栈，是技术功能视角，是包括芯片、芯片使能、训练和推理框架和应用使能在内的全堆栈方案；所谓全场景，是包括公有云、私有云、各种边缘计算、物联网行业终端以及消费类终端等全场景的部署环境。ModelArts 在整个企业智能中扮演者至关重要的角色，通过ModelArts平台，我们能调用底层的芯片硬件、AI框架能力，如昇腾、鲲鹏、MindSpore、TensorFlow等；进而开发通用的API，如OCR、自然语言处理、人脸识别等，甚至还能形成行业解决方案，将AI赋能到各行各业。

ModelArts 贯穿了AI应用开发整个流程。在数据方面，ModelArts 的数据管理提供了数据处理所必备的能力，如数据采集、数据筛选、数据标注等，基于华为AI能力，还支持数据的智能处理如智能标注、智能分析等；在模型训练方面，ModelArts支持超参自动调优、模型可视化、自动学习、强化学习、联邦学习等；在模型评估方面，ModelArts模型管理支持模型评估和智能诊断，并能给出优化建议等；在模型部署方面，ModelArts支持“端边云”多种场景的模型部署，提供在线服务、批量服务、边缘服务部署方式，还支持自动难例发现。此外ModelArts 的AI Gallery（AI市场）提供了算法、模型、数据集等分享及交易能力，预期还会有AI应用的分享和交易功能。

使用ModelArts可进行端边云联合开发，在云上训练模型，在本地推理，模型实时更新，极大丰富了AI应用的落地场景。

作为AI小白及资深Copy攻城狮，我最钟爱ModelArts的自动学习，无需编程基础，无需AI经验，也能开发并上线自己的AI应用。

动手实践

“百闻不如一见”，一见不如亲自动手实践。本次实践的前提是有华为云账号并开通OBS和ModelArts服务，且ModelArts已进行全局授权。遵循AI应用开发的流程，我们首先需要进行“技术选型”，目的很明确--开发美食分类应用，使用图像分类的技术，基于ModelArts 自动学习或者订阅算法实现；数据准备上，直接通过AI Gallery 获取美食数据集；模型训练最终使用订阅算法功能使用图像分类ResNet50-EI-Backbone;模型评估由于此次订阅的算法暂未实现相关的代码，因此无法查看关键数据，但通过自动学习完成的模型能够准备显示模型精度以便调优；最终将模型部署为在线服务，方面应用调用。

数据准备

在AI Gallery 中，数据集的下载有两种方式，分别是下载到OBS和下载到ModelArts数据集；两者的本质都是存放到OBS，后者只有数据集的上传者使用的ModelArts数据集上传才能下载。
训练模型

我们可以使用自动学习的图像分类直接训练，也可以基于订阅算法训练，当然您还可以自行开发算法进行训练。
部署模型

我们将训练好的模型发布为在线服务，以 API 的形式提供给应用调用。

ModelArts 在线服务还提供预测功能，我们可以直接上传一张图片来验证模型。

当然也可以通过调用 API 来完成美食分类，我也有幸尝试过在 AppCube 之类低代码开发平台中调用 ModelArts 的在线服务，整体开发体验比较棒！