一场AI竞赛,怎么就让这群年轻人变化这么大?

人工智能到底有什么用?这要从一场AI竞赛说起……

2021 高考已落幕,再有不到 3 个月,高校将新增数百万张新面孔。考试是贯穿高中三年的主旋律,恢弘而单调;大学则丰富得多,其中有一项,被人津津乐道——打竞赛。近几年 AI 大热,与 AI 相关的校园竞赛也如火如荼。与其他竞赛相比,它对专科手艺和团队合作要求更高,需要用手艺来解决当下的现实课题。当不同年龄不同专科不同性格的年轻人,出现在同一场竞赛中时,他们会被竞赛改变,同时也在改变着竞赛。走进深山,用 AI 为三七做诊断徐国秦不知道,代码都写不溜的自己,怎么就报名了 2019 年的 C4-AI 大赛。C4-AI,全称为中国高校计算机大赛—人工智能创意赛,由全国高等学校计算机教育研究会主办,浙江大学与baidu联合承办,在国内颇具影响力。它特别强调 「探索有具体落地场景的手艺使用创意方案,如人工智能手艺在工业、农业、医疗、文化、教育、金融、交通、公共安全、日常生活、公益等行业领域的使用。」 没有命题限制,没有专科限制。简单地说,如果你是大门生,如果你想用 AI 解决现实课题,就能参加。当时徐国秦刚念大二,连编程都没接触过。怀着朴素的 「试一试」 的念头,徐国秦开始构思命题。想得头疼了,反倒使徐国秦记起高中时因犯头疼病而接触的中草药——三七。

图片

三七,盛产于云南、广西一带,具有化瘀止血,活血定痛的功效。三七的生长和培育条件非常严苛,极易遭受各种各样的病虫害。目前的病虫害防治基本都是靠着人工检查、人工喷洒药物,如果一株三七感染了病虫害,还会传染其他植株,严重的可能会导致「全军覆没」。「也许能用 AI 手艺,对三七病虫害进行检测,尽早进行治疗和预防?」徐国秦找到了她想解决的那个「现实课题」。在解决这个 「现实课题」 之前,徐国秦不得不面对别的课题。作为师范类的计算机专科门生,徐国秦的课程里没有机器学习方面的内容,以致自己手艺偏弱,这是其一。其二,往年参加 C4-AI 大赛的选手,都是三三两两组队。徐国秦也想效仿,不巧赶上期末备考,同学们兴致阑珊。徐国秦做了最坏打算,「尝试一下,最理想的状况是能将项目落实下去,就算不能获奖,也算尽力了。」很快徐国秦发现担心是多余的。根据 C4-AI 大赛的要求,选手需选用baidu提供的飞桨深度学习平台或 EasyDL 零门槛 AI 开发平台作为开发工具。其中,EasyDL 以 「零门槛」 著称,提供数据收集、清洗、标注、模型训练、模型部署等一站式建模能力,内置了智能数据服务 EasyData,无需了解算法细节就能进行模型训练。徐国秦很快弄清楚了什么是智能标注、模型训练、服务部署,做好了菜鸟单打独斗的准备。2019 年 7 月,同学在放暑假,徐国秦则赶从昆明市区到晋宁区最早的一班大巴,颠簸四五个小时,去当地三七种植园收集数据。在 600 多亩的园地里,徐国秦举着手机,猫着腰,一株一株地收集植株表面的病虫害数据,饿了就从包里掏出面包啃几口。7 月云南的太阳很毒,把她晒得通红。第一天,她拍了 1000 多张相片,却错过了回城的大巴。

图片

而她的项目,至少需要 3000 张数据。「我跟我妈说我不想整了。」徐国秦承认,单打独斗比她想象中要煎熬,「以前干什么都是大家一起,至少有两个人一起做。收集数据(的地方)又远。」妈妈给出的回答是:「很多事情要么你就不要开头,你开头了就要做下去。」第一次训练数据,准确率只有 60%,课题出在数据不均衡上。她硬着头皮又上了一次山,收集回 2000 多张数据。这一次,准确率没有辜负她——94%。输入,标注,训练。三个月里,EasyDL 近乎她唯一的伙伴。病虫害识别准确率从 60% 跃升至稳定的 94% 左右,她也从初赛进入复赛,直至进入决赛,成为唯一单人成团进入决赛的女生。「参加初赛只是一个想法,后来项目创意书过了的时候,我想的是把这个想法落实一下。复赛过了之后,给了我自己很大的肯定。很多时候,不一定要三五成群成功的几率才大。要多相信自己一点,坚定一点。」今年,徐国秦即将毕业,她没有做开发,而是选择 「传帮带」——进入中学成为一名老师。她想把「基于 EasyDL 物体检测的三七病虫害检测」展示给门生看,把这段经历讲给他们听。「很多门生感觉人工智能好难好遥远,不是人人都可以去做的。以后上 AI 课的时候,我可以用 EasyDL 帮门生实现一些东西。让孩子们知道,他们也可以像我一样做到。」竞赛场上,看见更大的世界2020 年,C4-AI 的决赛在杭州拉开帷幕。在这个人才济济的场合,梁英雄觉得眼睛有点不够用。这是他第一次参加 C4-AI,他所在的团队也是现场唯一一支高职院校队伍,对手是来自清华、北大、北理工等高校的门生。图片梁英雄就读于南宁职业手艺学院,学校刚刚开设了人工智能学院,虽然还不成熟,但足见重视。梁英雄团队参赛的项目是用 AI 检测电动车驾驶员佩戴头盔情况。灵感源于南宁一大「奇景」——每逢上下班,街头巷尾就填满了乌泱泱的电动自行车大军。由此导致了电动自行车事故多发。据分析,在单方事故中伤亡的电动自行车驾乘人员,多数未佩戴安全头盔,因此发生事故时头部受伤较重。梁英雄想,如果利用 AI 来辅助交警对电动自行车驾驶员的头盔佩戴进行检测,一旦项目能落地,使用价值很高。团队小伙伴也很给力,为了解决图像数据的课题,他们采用了最「笨」的方式——每个人站在路边,一张一张进行拍摄。六月的南宁,路边酷热难耐,团队里每个人汗流浃背地顶着大太阳,一站就是几个小时,最终收集了 5000 多张相关图片。有了丰富的图像数据,并不意味着参赛就一帆风顺。在将模型部署到嵌入式人工智能开发板上时,他们遇到了大麻烦。「当时想要对零碎的底层算法进行改变,但是团队人手不够,也不知道怎么去做。」学院和所在专科都刚开设不久,在师资和实验设施上能够给团队的支持还比较有限,梁英雄只能另寻他法。梁英雄硬着头皮,在一个多月的时间内疯狂泡学术网站找教程、查资料、看论文,甚至去baidu飞桨的官网提交工单,没想到「剑走偏锋」的法子得到了回应。飞桨的手艺人员给出了一些建议,让梁英雄在迷茫中看到方向,加之自己持续的摸索,跌跌撞撞地竟然完成了底层设计的改变。零碎开发终于完成了。梁英雄和团队成员都很高兴,让他更惊喜的是,学院老师竟然主动帮他们把这套安全行驶检测零碎在校园里实现了使用。校园里的摄像头先进行图片的收集,再将图片传输到零碎中进行识别,一旦识别到异常情况,摄像头旁安装的语音播报装置还能发出警报。「识别率还挺高,能达到 92%!」有了现实使用的加持,梁英雄对决赛的信心又多了几分。决赛现场,凭借效果上佳的零碎和出色的使用表现,梁英雄和团队拿下了二等奖,与一等奖的成绩只相差零点几分。除了收获荣誉,梁英雄还收获了更多宝贵的东西:他与各大高校选手交流颇多,意识到他们更注重和擅长底层算法的搭建、高端模型等内容的优化,这是梁英雄团队最欠缺的部分之一。「我们来自高职院校,有自己的优势。」对使用场景的强调、对实践操作的重视,是梁英雄的底气。在与华东交通大学团队交流时,梁英雄听到他们介绍基于 EasyDL 开发的公路病害检测零碎时眼睛一亮,原来他早对这个课题有想法,并且累积了数据集。通过观摩学习和经验交流,梁英雄很快上手,也完成了自己对该零碎的设计开发。现在,梁英雄已经通过专升本考试进入广西科技大学。一次竞赛,让他炙热的手艺梦想更加坚定;而他,也成为竞赛中尤为特别的一道风景线:AI 的世界里,没有高低、更没有不可能。一个偶然 我为热爱「买了单」一场竞赛能带来什么?一张证书、一笔还算丰厚的奖金、还是写在简历上的一行经历?对刘屹来说,2019 年的那场 C4-AI 大赛是一张意想不到的「门票」。两年前,C4-AI 决赛现场。讲完决赛答辩的最后一页 PPT,刘屹走下台,收拾着思绪,准备回酒店。「这位同学,你等一下。」身后有人叫住他。刘屹认出此人就是刚才坐在台下的某位来自baidu的评委。对方开始询问刘屹项目的细节。一番交谈下来,刘屹对客户痛点课题、行业洞察、工业质检项目知无不言,评委似乎也颇为满意。「你可以试试baidu的产物司理岗亭,我觉得你很有潜质。」评委最后说道。刘屹出身正统的手艺专科,本硕专攻通信工程,码代码是他的常态,连这次竞赛的项目听起来都过于手艺范——空管滤棒端面智能化检测零碎。恰逢毕业季,刘屹已经收到了不少手艺研发岗亭的 offer。只有他知道,其实自己对研发兴趣不大,反而对产物日益好奇。「你可以试试baidu的产物司理岗亭,我觉得你很有潜质。」刘屹回想这句话,他打算把潜质变成实实在在的机会。机会背后是充足的积累和准备。读书和敲代码之余,刘屹经常会阅读产物司理相关的书籍、上网查阅产物设计运营的知识和最新信息,对于尝试产物司理岗亭,他并不是毫无准备。历经笔试、面试层层关卡,刘屹最终成功拿下了baidu产物司理的 offer。当时,摆在他面前的一共有七份 offer,五份研发岗亭、两份产物司理岗亭。「参加 C4-AI 大赛时我的项目就是基于baidu EasyDL 平台做的,这份 offer 也是 EasyDL 的产物司理,算是缘分吧。」既是 AI 的业务方向,又是产物司理,没有太多犹豫,刘屹选择了baidu。如今,刘屹入职已经一年多,独立负责了三四个大型项目的上线,实现了从baidu AI 产物的使用者—大赛选手—产物「设计师」的身份跨越,更是将从前的关于 AI 的所思所想付诸行动、落地生花。写在最后

6月14日,最新一届C4-AI大赛结束报名。共有441所高校的2665支队伍参赛,再创新高。不同年龄不同专科不同性格的年轻人带着他们的方案,摩拳擦掌。

竞赛的意义,究竟是什么?答案或许很多。但 C4-AI 这场竞赛毋庸置疑,不仅想要激发出当下青年学子的创意,更鼓励他们往生活、生产里去,发现课题、思考课题,利用 AI 尝试解决课题。AI 作为一门强使用的学科,实践是快速学习、创新的一条关键路径。中国的 AI 人才培养,必须从实践中来、到实践中去。而竞赛正是这样一条可选择的路,作为现行教育中有效的辅助手段,促使门生和老师把课堂上的理论知识主动转换成现实使用中的点滴,让新一代 AI 人在创意、价值落地这条路上,更勇敢地「奔跑」。「以赛促学」是baidu在 AI 人才培养中的重要一环。包括 C4-AI 在内,baidu今年会举办超过 70 场 AI 赛事,参与承办四大国赛,并增设 AI 专属赛道。同时,baidu面向高校推出了全套产教融合人才培养方案,助力更多的 AI 新青年真正的了解 AI,深入产业现实中学习和运用 AI。那些被 AI 竞赛影响或是改变了人生选择的学子,当他们再次回看这段经历时,会发现参赛时的所思所想、所见所得已经变成一颗充满生命力的火种,并在后续的人生沿途中盛开、绽放。

原创文章,作者:机器之心,如若转载,请注明出处:https://www.iaiol.com/news/yi-chang-ai-jing-sai-zen-me-jiu-rang-zhe-qun-nian-qing-ren/

(0)
上一篇 2021年 6月 16日 下午5:42
下一篇 2021年 6月 17日 下午3:12

相关推荐

  • 技术博客丨原来模型训练可以不用标注?一文全解四大机械进修法子

    本文将用通俗的方式,为大家介绍耳熟能详却分辨不清的四个机械进修核心概念:监视式进修、半监视进修、非监视进修和自监视进修,并将用实例简介它们试图解决的问题。

    2022年 1月 11日
  • 全球最高数学奖迎来第二位女性得主,还有获奖者曾想成为诗人

    研究在八维空间中最有效填充球体,以及素数间距的数学家成为了今年菲尔兹奖章的得到者。

    2022年 7月 6日
  • google研究总监Peter Norvig赴斯坦福任教,著有《人工智能:一种现代方法》

    Peter Norvig:AI 在线课程 10 万报名只有 1.6 万人上完,这才是必要解决的题目。

    2021年 10月 12日
  • 解读阿里云PAI模型紧缩手艺落地实时挪动端智能应用

    随着挪动端AI应用摆设需求的日益增强,模型紧缩作为深度学习模型实现轻量化摆设的有用手段,在挪动端场景越来越受关注。尤其是剪枝、量化、权重稀疏化与网络结构搜索等算法政策,能够帮助减少深度模型端侧摆设时的资源消耗(Latency、Energy与Memory等),始终是学术界与工业界的发展焦点。阿里云机器学习PAI平台模型紧缩手艺,在端智能应用场景实现了端侧智能的快速赋能与应用落地。尤其在2020年阿里双十一期间,淘宝直播App的“一猜到底”语音交互游戏中,PAI模型紧缩手艺体现了关键作用。淘宝直播一猜到底背后的模型紧缩

    2021年 2月 18日
  • 2023 IEEE Fellow出炉:唐立新、宗成庆、朱军、姬水旺、李佳等当选

    近日,美国电子电气工程师学会(Institute of Electrical and Electronic Engineers,IEEE)确定了新一届 Fellow 名单。

    2022年 11月 22日
  • 新版Linux在M2 MacBook Air可用,Linus Torvalds发布最新内核

    更多人应用 Arm 硬件将带来更好的 Arm 软件。

    2022年 8月 2日
  • 零跑汽车预计29日上市,下一步攻占中高端主流市场

    港股“造车新势力”再添一员!9月20日,零跑汽车公告,香港IPO全球发售股分数目为1.308亿股,每股发售价在48~62港元区间,预计于2022年9月29日在联交所开始买卖,交易代码9863。1、造车新势力第二梯队,销量挑战蔚小理与屡屡成为话题的“蔚小理”相比,处于造车新势力第二梯队的零跑汽车,成立至今已经推出了三款量产车型,却在很长时间内都缺少存在感。2017年11月,零跑首款产品S01正式亮相,2019年1月正式上市,同年6月开始托付。然而在长达三年时间里,S01

    2022年 9月 27日
  • 性能提升、成本降低,这是分布式强化进修算法最新研究进展

    深度强化进修(Deep Reinforcement Learning,DRL)是一种公认的解决连续决策问题的有效技术。为了应对 DRL 的数据低效(data inefficiency)问题,受到分布式机器进修技术的启发,分布式深度强化进修 (distributed deep reinforcement learning,DDRL) 已提出并成功应用于盘算机视觉和自然语言处理领域。有观点认为,分布式强化进修是深度强化进修走向大规模应用、解决复杂决策空间和长期规划问题的必经之路。分布式强化进修是一个综合的研究子领域,需

    2024年 2月 15日
  • 论文分享 | 丢弃卷积,纯Transformer建立GAN收集

    最近,计算机视觉(CV)领域的钻研者对 Transformer 产生了极大的兴趣并陆续取得了不少突破。比如,2020 年 5 月,Facebook AI 的钻研者推出了 Transformer 的视觉版本——Detection Transformer,在性能上媲美当时的 SOTA 方法,但架构得到了极大简化;10 月,谷歌提出了 Vision Transformer (ViT),可以直接利用 transformer 对图像进行分类,而不需要卷积收集。

    2021年 2月 26日
  • 库克、盖茨等500余人联名倡议:让每一个中小先生都能学计算机课程

    蒂姆 · 库克、杰夫 · 贝佐斯、比尔 · 盖茨等科技界知名人士在公开信上签了名。近日,500 余名商业、培养和非营利部门的知名人士签订了一封联名信,呼吁州长和培养领导者更新美国基础培养 K-12 课程,让「每所书院的每一个先生都有时机进修计算机科学」。签订者名单包含许多科技界的知名人士,包孕苹果首席执行官蒂姆 · 库克、亚马逊创始人兼执行主席杰夫 · 贝佐斯、Alphabet 首席执行官桑达尔 · 皮查伊、微软联合创始人比尔 &mi

    2022年 7月 13日

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注