从港口到养鸡场:AI也可以很硬核

企业的生产离不开视觉技术的辅助。比如摄像头监控到工业生产流程，如何识别这些特殊场景的内容就成了难题。

举个例子，港口装配的摄像头偶尔才能捕捉到为数不多的几个人像，在若干遮挡物的干扰下，可能根本无法识别出特殊人员的出现。如果机器不能及时预警，监控员很可能就会忽略掉，所谓的安保也就成了漏洞百出的“筛子”。

再比如，运用计算机视觉算法来识别火灾等灾害的特征，难以“防患于未然”。当摄像头监测到大量烟雾的时候，很可能灾情已经难以控制了。只有在烟雾刚刚似有若无的时候就发现它，AI才有可能真正发挥价值。

大家可能已经发现了，工业场景对AI的要求经常是“巧妇要为无米之炊”。需要在数据匮乏的情况下，起到技术支撑体的作用，成为人类操作员的“最佳辅助”。这可能吗？

我们与开发者们聊了聊，发现这样的“送水人”还是真实存在的，米文动力就是其中的一个。

有过AI开发经验的朋友会知道，场景定制化的AI功能开发，往往需要有适合自己开发任务的主板。没有强健的体魄支撑，再聪慧的大脑也带不动啊。而米文动力所做的是，就是在“飞桨”等深度学习开发框架上，定向开发出多种离线深度学习算法，加上英伟达的GPU硬件，打造出适合工业场景的计算平台。

一方面，针对工业场景中数据稀疏的问题，进行了针对性的算法开发。比如针对我们前面提到的火焰烟雾的及时识别，米文一方面四处“点火”，主动创造训练数据；另一方面则通过运动检测来增强数据，把深度学习无法正常工作的场景中的数据进行扩容，从而让系统能够进一步分析和训练算法。

另外，结合工业场景数据采集难、终端实时计算的特殊需求，打造了边缘计算+云端的计算平台。像是在轮船、吊车等一系列大型工业设施上，米文对硬件部分做了针对性调整，让视觉终端可以在高温高湿有震感的环境下长时间工作；软件部分则借助GPU的强大算力，远程完成模型更新与数据获取，降低了工作人员到现场取数据的频率。

这一系列工作的最终目的，都是让AI能够真正变成人类操作员的“眼睛”，从高强度、高风险作业中解放出来。

看到这里，是不是很惊叹于开发者们的创造力？普通人眼里一样的“AI”俩字（母），在他们手中却能变幻出这么多奇思妙想。

除了上述几个代表型创新，我们在百度AI开发者大会现场，还看到了帮助京东方植物工厂育苗的AI，浦发银行的首位AI员工，以及帮助基层医生看CT的AI……

在这些创造力的迸发背后，或许可以探讨这样一个问题：过去，我们总觉得AI距离普通人很远，那些真实可用疗效好的AI，到底去哪儿领？

也许最核心的关键词应该是——AI开发者。

他们带给AI的并不仅仅是一两个爆款应用，随着AI的持续深化，开始指向更为复杂精细的行业需求，能够连接原始产业与AI能力的角色，唯有这些胸有丘壑的开发者才能触达。