除了“技術(shù)炫”，人工智能的另一大特征是“開會多”，然而，專門針對“深度學(xué)習(xí)”的開發(fā)者大會卻少之又少。

究其原因，搞“技術(shù)”的AI企業(yè)，在深度學(xué)習(xí)這件事上反而被“技術(shù)門檻”所鉗制。不過，這對于一直深耕技術(shù)的AI企業(yè)來說，也就成了優(yōu)勢，例如擁有國內(nèi)唯一開源深度學(xué)習(xí)平臺PaddlePaddle的百度。

4月23日，百度就與深度學(xué)習(xí)技術(shù)及應(yīng)用國家工程實驗室在北京聯(lián)合主辦了首屆（2019）WAVE SUMMIT深度學(xué)習(xí)開發(fā)者峰會。

不開則已，開則“有料”。

百度高級副總裁、深度學(xué)習(xí)技術(shù)及應(yīng)用國家工程實驗室主任王海峰面對大批深度學(xué)習(xí)開發(fā)者，拋出“深度學(xué)習(xí)推動人工智能進(jìn)入工業(yè)大生產(chǎn)階段，深度學(xué)習(xí)框架是智能時代的操作系統(tǒng)”的言論。

這句話有兩個關(guān)鍵詞：AI的發(fā)展要進(jìn)入一個新的階段—“工業(yè)大生產(chǎn)”，而這個新的階段深度學(xué)習(xí)框架將起到關(guān)鍵作用—“操作系統(tǒng)”。

深度學(xué)習(xí)在AI體系內(nèi)的關(guān)鍵價值，使得它已經(jīng)成為AI深入發(fā)展的技術(shù)堡壘，也成為各平臺轉(zhuǎn)型AI企業(yè)角逐AI時代的核心內(nèi)容。WAVE SUMMIT 2019百度試圖率先舉起深度學(xué)習(xí)的旗幟，通過站位“智能時代的操作系統(tǒng)”擴(kuò)大AI競爭優(yōu)勢的意圖，而王海峰敢這么說，百度已有充足的自信。

AI“工業(yè)大生產(chǎn)”臨門一腳，深度學(xué)習(xí)成為“躍遷”力量

AI深入發(fā)展的表現(xiàn)之一，是提出“為什么AI”的企業(yè)正逐漸減少，而提出“為什么不AI”的企業(yè)群體逐漸龐大。

當(dāng)最傳統(tǒng)的制造業(yè)等產(chǎn)業(yè)也開始把“智能＋”掛在嘴邊時，多樣化場景反過來需要平臺型AI企業(yè)在各種層次上進(jìn)行開放：

有些開發(fā)者只需要借助外部技術(shù)完善自家產(chǎn)品，例如智慧客廳場景中，OTT TV的智能互動（語音、圖像等）需求，或互金平臺、游戲平臺等的智能客服需求，這些是目前多數(shù)AI企業(yè)在技術(shù)上所能達(dá)到的層次；

有些開發(fā)者則因為業(yè)務(wù)的特殊性，需要借助外部更基礎(chǔ)的深度學(xué)習(xí)框架能力，如構(gòu)建農(nóng)業(yè)病蟲害治理應(yīng)用，這種AI技術(shù)呈現(xiàn)出“高門檻”的特征，能夠提供開發(fā)者生態(tài)的少之又少。

很明顯，越是高通用性的領(lǐng)域，AI技術(shù)越是只需要到達(dá)“表層”；越是低通用性的領(lǐng)域，AI技術(shù)的介入越需要切入“深層”。

問題來了，語音、人臉可以依靠通用性快速普及，那些需求越來越旺盛的AI個案應(yīng)用怎么辦？——AI全面發(fā)展必然要解決“個性化”與“規(guī)�；�”的矛盾問題。

王海峰提到的深度學(xué)習(xí)的通用性特點，以及深度學(xué)習(xí)框架及平臺的發(fā)展，正在推動人工智能標(biāo)準(zhǔn)化、自動化和模塊化，進(jìn)入工業(yè)大生產(chǎn)階段，就是在針對這個問題。其解決方式本質(zhì)是通過深度學(xué)習(xí)框架，讓AI在“深層”也實現(xiàn)“框架能力”的通用性（對應(yīng)地，AI已經(jīng)在“表層”實現(xiàn)“應(yīng)用能力”的通用性），如此，專屬領(lǐng)域的AI應(yīng)用也可以被“批量生產(chǎn)”。

由此，也不難理解PaddlePaddle同時在峰會上發(fā)布的中文名字“飛槳”——AI發(fā)展到了這個階段，深度學(xué)習(xí)已經(jīng)急速劃動AI潮流、幫助AI躍遷進(jìn)入“工業(yè)大生產(chǎn)”時代。

這里通過百度PaddlePaddle平臺案例來理解。

在林業(yè)管理中，紅脂大小蠹是非常嚴(yán)重的害蟲災(zāi)害，過去，林業(yè)管理系統(tǒng)需要通過人力監(jiān)測來預(yù)報和治理蟲情，現(xiàn)在，北京林業(yè)大學(xué)在百度PaddlePaddle支撐下研發(fā)的智能蟲情監(jiān)測系統(tǒng)，30分鐘可完成原本研究院一周的觀察工作量，大大提升了災(zāi)害防治的效率；

此外，百度曾基于PaddlePaddle深度學(xué)習(xí)能力完成了一個“AI控?zé)煛北O(jiān)測項目，數(shù)萬張吸煙動作圖片進(jìn)行了43次深度學(xué)習(xí)模型訓(xùn)練，能夠以較高的準(zhǔn)確率完成吸煙人群的識別。

這些案例與人臉識別不同，都具備極強(qiáng)的“個案”色彩，其需求是獨特而少有的，傳統(tǒng)AI平臺在應(yīng)用層并不能提供對應(yīng)的解決方案，開發(fā)者必須借助深度學(xué)習(xí)平臺自主開發(fā)、訓(xùn)練和部署應(yīng)用。

反過來，這些“個案”的生產(chǎn)實際上建立在框架能力的通用性基礎(chǔ)之上，圖像識別的深度學(xué)習(xí)還能以同樣的姿勢生產(chǎn)出更多有關(guān)“識別”的個性化AI應(yīng)用。

如果類比人類歷史上的工業(yè)發(fā)展變革，深度學(xué)習(xí)框架實際上也提供了“標(biāo)準(zhǔn)化、自動化、模塊化”的生產(chǎn)平臺，只不過生產(chǎn)的東西變成了“AI應(yīng)用”。