零基础玩转AI，华为云ModelArts让未来生活触手可及

伴随人工智能(AI)继续在产业中快速奔跑，神奇的AI技术在各大行业开始普遍运用，越来越多的行业开始搭上智能升级的大潮。但是繁琐复杂的AI开发流程却阻碍了许多传统构建人工智能化的发展。

那么AI在日常工作、生活中的普及离我们远吗?接下来，我们就一起去看看小王同学是如何运用AI、云技术一路打怪升级的，说不定，你“未来”的工作、生活也会如此吧。

但首先不得不提的是华为云ModelArts

ModelArts是面向开发者的一站式AI开发平台，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。

让我们在日常生活中看一下这个ModelArts到底是何方神圣。

救标注数据的小王一命——ModelArts 数据管理

上班刚打完卡，老板就丢给小王10万张无标签的图片，要求小王为这些数据打上标签。

给10万张图片打标签，看似简单的工作，实际上并不简单。

华为云EI深度学习服务团队负责人也说：“头疼的就是数据的采集和数据的处理。光是数据准备就要占掉整体开发时间的 70%。”

为什么数据的处理这么难?效率为什么这么低呢?

包括小王公司在内的许多公司都是从交易数据、物联网传感器产生的海量数据、安全日志到图像、语音数据中提取有效信息，这几乎是大海捞针式的方法。

因为，这些都是未标注的数据，而目前实现人工智能的主要方法是机器学习，大部分应用都是有监督的学习，这就需要大量的标注样本去训练人工智能算法模型。

所以，AI 算法并不是丢一堆数据能够从中学习到各种有用的知识，而是背后有大量的人工在标注数据。

小王就是这个人工之一，看似简单的工作每天却花费了不少时间精力，小王很是苦恼，开始反思自己。

第一，就输入关键词找图而言，网上的海量图片实在是太多了，用人力去识别的话，真是老费劲了;

第二，自己确实面对如此多的美图，还是会忍不住开个小差，三心二意地选不下来啊;

难道一个小小的助理生活就如此不堪，连最基础的工作也做不好吗?

小王不想就这么放弃。

那么，要不试一试企业刚引进的华为云ModelArts

在数据管理方面，ModelArts首先会将数据进行预处理，用 AI 的算法去标注数据，即自动化标注和半自动化标注。

接着，ModelArts 可对数据采样和筛选，预标注，缩减需要标记的数据量。

这就大大降低了工作量。

有了华为云ModelArts的帮助，给10万张图片打标签就变得很轻松了，就算是一百万张，也没有那么复杂。

小王的无人结算面包店——ModelArts 模型训练和自动学习

做了多年助理的小王终于不满意自己在原地踏步的现状，决定出去闯一闯。

靠着多年的勤恳工作，也算小有积蓄，又借了钱，开了几家连锁面包店。

然而令人烦恼的是，相较于其他的支出，她发现支付人工的费用占了支出的相当大的比例。

囊中羞涩的小王急的睡不着觉，烦恼啊。

有没有可能实现无人结算呢?

首先从收银台的人工费用节省入手，这个岗位主要负责结算。换言之，如果可以自动识别面包种类及数量，就能实现无人结算。

那么相应的措施是什么呢?

第一，调用图像识别服务，虽然易用，但识别准确率低，无法准确区分面包种类，经常识别错误，效率太低不说，经常会有顾客抱怨动作太慢;

第二，定制化模型，虽然可以提高识别的准确率，但对于大多数企业、个人来说，聘请专家制定模型费用高、周期长、后续更新难;而自行开发又由于专业要求高难以实现。

哎?那就再试一试华为云ModelArts?

ModelArts是一个特定AI应用的低门槛、高灵活、零代码的定制化模型开发工具，目的是让每个开发者都可以快速上手。

除此之外，它最大一个优点是——可以自动学习，真是深得小王心意。

拿小王的面包店来说，识别面包定制模型为例，只需标注少量的店内面包照片，通过自动学习界面引导和简单操作即可完成模型训练及部署，相对常规模型训练，自动学习训练所需要的数据量更少、训练更快。大多数模型准确率在80%以上。

有了自动学习，小王就无需专业的AI基础、不需要编写任何代码，只需简单操作即可训练出属于自己的定制化模型。

因此，在技术运用成熟以后，考虑节省人工费用，实现无人结算是完全可能的嘛。

全国连锁小王牌面包店——ModelArts一键部署

既然节省了人工费用，小王野心勃勃，当然继续扩大规模。

然而，她要面对的问题是，假如百分之百实现无人结算，那又该如何监督面包店的日常运营是否平稳运行呢?

既然已经运营了AI技术，别说这一个连锁店，现如今，纵观整个 AI 产业，不仅仅是云，还会有边和端都需要部署的场景。

然而，在 AI 规模化落地的场景下，模型部署会非常复杂，需要写代码集成到应用系统，维护、更新。

比如说，智慧交通领域，更新后的模型，需要一次性同时部署到各种不同规格、不同厂商的摄像头上，这是一项非常耗时、费力的巨大工程。

即便小王的连锁面包店没有交通网那样复杂，但同样涉及到不同的地点、时间等等细节问题。即便装了监控，也不足以应对由大规模扩张带来的难题。

那…再试一试华为云ModelArts

对于类似智慧交通领域这样的场景，模型的部署确实需要庞大的覆盖面和不断的及时。ModelArts可以一键推送模型到所有边缘、端的设备上，云上的部署还支持在线和批量推理，满足大并发和分布式等多种场景需求。

换言之，像小王这样的开发者或更大规模的开发者，可以在 ModelArts 上获得一些高并发、自动弹性伸缩的特性。

能够根据用户制定的策略，自动调整云服务器的计算资源，跟随用户的业务需求变化。

在业务需求下降时自动减少云服务器，节约资源和成本;在业务需求高峰时自动增加云服务器，保证业务平稳健康运行。

一句话，ModelArts一键部署到云、端、边，支持各种上线场景。

小王的成功经验，足以说明ModelArts在个人、企业的运用有多么的便利。

华为云城市峰会2019以“选择不凡”为主题。意图就在于探讨了如何以“云+智能”赋能城市及产业数字化转型，助力企业实现不平凡的发展。推动城市及产业生态进化，共同构筑未来智慧城市。然而，我们也看到零基础上手的特点，对个人的工作也有相当大的好处。

当然，华为云ModelArts远远不止上面提到的功能，或者说使用的范围远不止于此。

就数据管理方面来说， ModelArts 已经在自动驾驶领域有非常多的应用，包括人车模型、信号灯模型等等，这些模型在自动驾驶的场景里面，可以快速地提升数据处理的效率，实时地处理数据。

在未来，ModelArts 也将面向通用计算机的其他领域。

1. 就模型训练来说，自动模型的对象有图像分类、物体检测、预测分析和声音识别，可运用于工业、零售、安防等领域。

2. 图像分类、物体检测：可应用于质检领域残次品的自动检测、园区人员穿戴规范检测，物品摆放合规的无人巡视，商超的自动识别计价。

3. 预测分析：用户画像分析，实现精准营销;自动设备预测性维护，根据设备实施运行数据分析，早期故障识别，减少设备停机率。

4. 声音识别：生产或安防场景的异常声音监控。

5. 就自动学习来说，自动学习目前已完成如运输车种类识别，施工现场穿戴安全装备及设备安装和常规检测等诸多成功案例。ModelArts自动学习将不断提升模型的准确度和运行速度，扩充定制类型，包括文本分类、行为识别等场景模型的定制化开发。

而在斯坦福大学发布 DAWNBenchmark 最新成绩中，在图像识别(ResNet50-on-ImageNet，93% 以上精度)的总训练时间上，华为云 ModelArts 排名第一，仅需 4分钟。

在这个汇聚谷歌、亚马逊 AWS、fast.ai 等高水平队伍的国际权威深度学习模型基准平台上，华为云ModelArts 第一次参加国际排名，便实现了低成本、快速又极致的 AI 开发体验，其海量数据预处理及半自动化标注、大规模分布式训练、自动化模型生成以及端 - 边 - 云模型按需部署能力，更是体现了当前中国业界深度学习平台的领先性。

因此，一站式AI开发平台ModelArts绝不是某些领域的应用，而是接近于都市日常工作、生活的必备“技能”。

不管是使用者、开发者还是华为云ModelArts的“消费者”，都应该关注一下。

在“杭州·选择不凡 华为云城市峰会2019”上，华为云展示了最新产品和解决方案、以及在多个行业的应用落地。聚焦“互联网、新金融、软件开发”三大方向，顺应数字技术推动产业变革和经济发展的趋势。如此之多企业的转型成功，离不开华为不凡的技术。正如这次峰会的主题“选择不凡”，华为云将赋予各行各业数字化转型动能，助力企业实现不平凡发展。