近日,热搜上AI数羊的新闻吸引了一大波网友的关注与讨论。新闻中甘肃牧民运用AI技术来数羊,让人倍感惊奇;无独有偶,此前也有新闻报道,养殖户企业借助AI技术来“相牛”,通过AI算法来估算活牛的品质与质量。

AI的应用竟然可以如此接地气,大家讨论的声音也多集中在AI应用的广泛普及上。AI经过近些年的飞速发展,经过了初始的技术探索期与应用推广期,从高高在上的产业应用,如智慧城市、自动驾驶、黑灯工厂等高端应用走下了高精尖的“神坛”,走向了牧区,深入到了产业的最底层,在我们想不到的一些地方扎根落地。

在AI这些年的市场教育中,千行百业对人工智能的应用与价值都有了基础的了解,也建立了AI助益生产的降本增效共识。但对于整个国内的市场,能够使用调用AI能力资金雄厚的企业、大厂毕竟是少数。中国的企业中,遍布了无数如毛细血管的小微企业,这些小微企业因为成本、技术、人才等局限,AI技术并没有深入到这些产业的毛细血管中,对于这些产业深处的角落, AI如何高效低门槛、规模化的应用普惠到这些产业深处的细微单元中?

AI数羊与“相牛”:倍增的效率提升

想要回答这个问题,我们可以从畜牧业中的AI数羊和“相牛”的案例见微知著,看这些困扰畜牧业的痛点问题,是如何通过低门槛的AI应用解决。

在传统的畜牧业中,因为适度放牧的背景要求,很多牧区散养户或小型养殖场环保不达标、检疫和验收等环节不合格而被强制淘汰,整个畜牧产业日趋集约化的发展。对于大型养殖户来说,数量增多的牛羊群对于企业来说养殖管理的难度增加。

拿养殖户最基本的盘点任务来说,传统的日常盘点羊群数量靠人力进行,对于蜂拥入圈的羊群,短时间内靠人眼来进行盘点,容易出现清点遗漏、错误的现象,耗时费力。

而部署简单的AI封装工具,在草场羊进出的通道上方部署AI相机,就可以对羊群进行出栏量与存栏量的统计。简单的低门槛AI部署,不仅提高养殖户统计羊群的效率,也能降低成本。

AI相牛,也是个离高大上AI较远的边缘应用。传统的牛类交易集中在线下的牛市,在开集日,牛市聚集了许多牛贩、买家、“牛经纪人”,在牛市中最吃香的是“牛经纪人”,他们拥有丰富的相牛经验,可以凭借经验判断牛的重量与品质,决定着牛议价的关键环节。一些金牌的“牛经纪人”,甚至能将牛只重量误差控制在5斤以内,可以挑出品质最好、病死率更低的牛。

这种原始靠人眼积累的经验难以结构化,牛交易的市场定价不清晰透明,交易过程中信息严重不对称。养殖和交易过程中如何可知可控,降低养殖风险,提升收益是养殖户的集中痛点。如何让AI习得人眼的能力,将传统相牛人的经验转换为算法模型,让机器也能一眼识别牛的体重、体尺,成为养殖户们都想获取的能力。

养殖企业最终找的解决方案也是通过在零门槛的 AI 开发平台进行训练,只需要采集牛场中几百头牛的数据,导入到零门槛的AI开发平台中。零门槛的AI开发平台提供一站式的智能数据标注、模型训练、服务部署等全流程功能,即使没有算法基础,养殖企业的员工也可以轻松上手。通过提高模型精度的训练,AI系统最终可以做到当牛从过道中经过时,过道两侧的摄像头便可以快速采集到牛的各种体尺数据和点云数据,轻松获取牛的关键数据。

从靠人力目测到用机器标准化的测量,即使没有AI技术的相关能力,也可以解决产业中最落地的问题,数羊与“相牛”这类简单却耗人力的场景问题,低门槛AI可以有效解决这些细碎的应用。在整个产业中,这类分散、非标准、独特的需求很多,接受度友好的平民化AI成为许多行业细微颗粒的共同需求。低门槛AI的应用趋势在这些庞大的需求中也有广阔的发展天地。

低门槛AI发展的“奇点”

低门槛的AI应用工具,国内以百度飞桨为主,在这些平台中,开发者可以自由选择,对于一些简单的任务,可以无需代码基础,只需要对场景的理解进行数据的收集与“投喂”,通过简单地拖拽平台封装的工具就可以使用。开发者可以根据自己的需求进行AI模型的开发、高效训练和多端多平台部署。

零门槛是一些AI开源平台工具的主打特色,零代码基础的用户可以实现在电脑本地就进行安装与高效建模。在百度飞桨平台中,有许多没有代码基础的个人开发者,通过“单打独斗”用低门槛的AI解决了工作中的难题。

在开源的AI平台中,我们发现了一个有趣的案例。一位没有代码基础的武汉铁路局年轻工人,他的工作内容中有一项重复、枯燥且极易出错的任务:在货运列车检修中,为车辆重新喷涂与核对车号。火车身上的这串号码,相当于身份证,一旦出错就会影响列车的调度、运行,甚至会导致行车事故发生。而每年需要人工维修并重新喷涂车号的铁路货车数量巨大,虽然任务简单,但是仅靠人力,庞大的工作量下大每年都会发生车号喷错的情况。

这位年轻的铁路工人在了解到AI在车辆车牌识别中的应用,开始尝试使用AI工具开发套件,最终只靠自己在开源的AI平台上构建铁路车身检测项目,实现了铁路货运车号的高准确率自动识别。

在这类传统且AI难以深入覆盖的领域中,这些细微的需求不会被庞大的企业机器看到,身临一线的基层员工虽然会注意到这些难题,但也因为自身的技术能力局限毫无办法。而AI开源平台的低门槛化,也让这些需求可以仅靠对业务的理解就能解决。

我们在这些案例中,也会发现低门槛AI应用“奇点”起势的缘由。企业在数字化的浪潮中,业务的基础场景中存在着大量的简单问题需要运用AI能力解决,这些问题散落在产业的角落中,非标准、散碎但又与专业的领域挂钩,需要定制化的AI能力解决。对于产业来说,拥有AI技术能力与人才的企业是少数,运用封装的低门槛AI平台去定制化解决是这类小微企业的最佳选择。而从技术的发展来说,AI能力的开源与工具的模块与封装,让零基础、低门槛解决这类问题成为可能。

从数羊、相牛到各类低门槛的AI应用,行业内的尝试越来越多,在科学计算、农业、工业、畜牧业、交通等行业领域中都有覆盖。在高校中,一些没有代码基础的学生与老师,也尝试运用开源的AI平台解决科研的计算问题来发表论文。低门槛的AI平台也为对AI感兴趣的人群开展相关内容的教学,线下的讨论会与线上的直播教学内容丰富,供对AI感兴趣的开发者学习。

一直以来,AI是大公司、高级别AI技术人才的“专利”,参与应用的门槛很高,这也极大地影响了AI的产能。而随着AI在千行百业中的普及和规模化应用,头部的企业与AI开发人员开始普惠AI的能力,将一些AI的工具与框架开源出来,打包成模块,集中到开放的AI平台中,让越来越多的行业与人员去参与到AI的开发应用。

在AI技术应用门槛不断降低的背景下,在这些开源的AI平台上,AI活跃开发者规模不断在增长,平台中的AI工具应用到实际场景的案例数量不断在丰富,应用人工智能的企业数量也呈现出多行业繁荣的景象。

向外“辐射”的边界

对于大部分简单、边缘的AI场景需求,都可以使用AI开源的平台来解决。不过也需要一些限制的条件,毕竟这些平台也不是万金油,可以解决任何低频次的AI场景需求。

对于数量众多的中小企业来说,零散的AI需求与自身IT能力的限制中,如何将外部的服务能力与业务场景恰当的融合,为企业的数字化进程价值赋能,是其接下来重点思考的方向。不过在引入与使用低门槛AI的应用过程中也会存在一定的边界。

1.市场教育的普及。虽然AI的普惠教育已经传遍了大江南北,但对于传统行业来说,因为对AI相关技术信息的关注有限,或者对于AI能力的边界有错误的认知。对于低门槛化的AI平台与工具,仍然存在教育的空白,需要进一步的市场普及与教育。

2.改革阻力。对于部分企业来说,引入新的平台工具可能会改变一些企业的现有工作流程,甚至是对一部分运用信息差获取利益的团体造成影响,虽然工具平台可以降本增效,但对求稳的小微团体来说,改变的阻力比较大。

3. 需求难匹配。对于相较复杂的AI需求,低门槛化的AI平台并不一定能够解决复杂的需求,一方面是对使用AI平台的开发人员对技术的能力有要求。另外一方面,就是低门槛的AI平台无法解决较为复杂的需求。低门槛的AI也只适用简单的场景需求,难度高的需求需要算力与算法模型更加复杂的架构解决。

对于一些数据缺乏、界面效果要求较高、算法复杂、高性能复杂系统架构、要求较高的底层开发等,都不适合使用低门槛的AI平台去解决。对于一些简单的场景,在AI技术普惠的发展下,AI门槛会越来越低。我们在开源的AI框架平台中也看到了许多案例。许多开发者都借助这些AI平台解决了边缘的场景问题,改变了曾经重复性、危险性、繁重性的一线工作,哪怕没有代码基础,也靠自驱应用上了最前沿的AI工具解决了最接近生活的难题。有了这些平台,对于小微企业来说,AI升级转型也不再是奢望。

人工智能引领的第四波工业革命浪潮,已经滚滚而来,大企业拥有随时入局的能力。但中小微企业由于资金薄弱,AI人才匮乏,很难迈过智能化的高门槛。可AI的产业价值又让无数人渴望跻身AI领域不被时代抛弃。低门槛AI的应用,给了许多小微企业、开发者破浪前行的工具,让蚂蚁雄兵一般的中小微企业、数量广大的个人开发者,登上“AI号”战舰,参与到智能未来的建设,普惠未来的智能生活。

推荐内容