當(dāng)人工智能遇上MATLAB 模型訓(xùn)練簡(jiǎn)單化

　　人工智能在過去兩年被谷歌引爆，于是該領(lǐng)域的創(chuàng)業(yè)公司如雨后春筍般生長(zhǎng)起來，有的做專用芯片，有的做算法，有的做機(jī)器人…人工智能到底是什么?是讓機(jī)器代替人類完成重復(fù)的生產(chǎn)線勞動(dòng)嗎?這樣理解為免太簡(jiǎn)單。人工智能絕對(duì)不只是讓機(jī)器完成模仿，從而替代重復(fù)性工作，真正的人工智能需要機(jī)器經(jīng)過訓(xùn)練和學(xué)習(xí)，接近或者超越人類的智能行為。

　　人工智能訓(xùn)練模型的時(shí)候，數(shù)據(jù)是最重要的因素，只有通過大數(shù)據(jù)訓(xùn)練，才能讓訓(xùn)練的模型更接近于實(shí)際需求。比如，自動(dòng)駕駛的模型訓(xùn)練，現(xiàn)在基本是靠自動(dòng)駕駛汽車上路測(cè)試收集數(shù)據(jù)訓(xùn)練模型，路上的汽車只有采集到更多可能的場(chǎng)景，才能確保訓(xùn)練出的模型更接近實(shí)際路況。在人工智能訓(xùn)練中一般會(huì)遇到兩個(gè)問題：第一，數(shù)據(jù)量不夠如何訓(xùn)練模型?第二，數(shù)據(jù)量太大如何快速進(jìn)行標(biāo)注?

　　MathWorks產(chǎn)品市場(chǎng)經(jīng)理趙志宏

　　遷移學(xué)習(xí)：通過模型產(chǎn)生數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)

　　如果沒有數(shù)據(jù)能做人工智能嗎?這是很多初創(chuàng)公司的困惑。在筆者的概念里，正常的AI開發(fā)流程是，先采集數(shù)據(jù)，再訓(xùn)練模型。在最近的Matlab大會(huì)上，MathWorks產(chǎn)品市場(chǎng)經(jīng)理趙志宏先生給出了一個(gè)不一樣的答案，他表示，“數(shù)據(jù)、輸出和模型是整個(gè)AI開發(fā)流程的一個(gè)步驟。如果開發(fā)者想做人工智能，又沒有太多的數(shù)據(jù)，可以采用遷移學(xué)習(xí)的方法?！?遷移學(xué)習(xí)又是什么概念?不防從實(shí)際例子來理解。比如：通過人工智能的方式來預(yù)測(cè)風(fēng)力發(fā)電機(jī)的故障，用戶不能等到采集到大量故障數(shù)據(jù)以后再預(yù)測(cè)，這樣不符合設(shè)備維護(hù)的目標(biāo)，而是先用Simulink模型建立一個(gè)風(fēng)里發(fā)電機(jī)的模型，通過校正讓這個(gè)模型非常接近風(fēng)力發(fā)電機(jī)，然后通過該模型產(chǎn)生故障數(shù)據(jù)，進(jìn)而訓(xùn)練機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)。

　　趙志宏先生表示，“基于模型設(shè)計(jì)的優(yōu)勢(shì)是，它是在真正做出產(chǎn)品之前建好一個(gè)模型，這個(gè)模型與實(shí)際產(chǎn)品非常的接近，不管是從數(shù)字計(jì)算、行為計(jì)算產(chǎn)生的結(jié)果與真正的結(jié)果都非常接近。很多工程師在設(shè)計(jì)產(chǎn)品的時(shí)候已經(jīng)把這個(gè)模型建好了，在這個(gè)模型上加入故障情況就很容易產(chǎn)生故障數(shù)據(jù)，這比在實(shí)際設(shè)備上產(chǎn)生的故障要容易很多。因此，可以進(jìn)行故障預(yù)測(cè)和維護(hù)?！?/p>

　　通過深度學(xué)習(xí)對(duì)大數(shù)據(jù)進(jìn)行標(biāo)注

　　隨著傳感器的大量采用，數(shù)據(jù)量進(jìn)入洪荒時(shí)代，給人工智能進(jìn)行特征標(biāo)記帶來困難，這時(shí)候可以采用深度學(xué)習(xí)進(jìn)行標(biāo)記。趙志宏先生解釋，“深度學(xué)習(xí)的特點(diǎn)是不需要人工手動(dòng)找出特征值，系統(tǒng)可以自動(dòng)從數(shù)據(jù)里提取特征值。MATLAB里面有很多自動(dòng)標(biāo)記的工具和功能。LiDAR三維點(diǎn)云技術(shù)可以對(duì)每一點(diǎn)進(jìn)行標(biāo)注，把這個(gè)點(diǎn)聚類在一起聚成一個(gè)目標(biāo)模型，然后再把目標(biāo)具體代表的實(shí)物辨別出來。有些用戶已經(jīng)采用MATLAB的工具進(jìn)行了開發(fā)，著名的汽車配件公司AUTOLIV就在用這種方式進(jìn)行自動(dòng)數(shù)據(jù)標(biāo)注?！?/p>

　　以膨化食品智能檢測(cè)為例，研究人員可以在用戶咬食品的時(shí)候提取特征，用咬合聲音和咬合力度衡量食品的松脆度，有了這兩個(gè)特征，還需要開發(fā)一個(gè)機(jī)器學(xué)習(xí)的分類器，而MATLAB提供了分類學(xué)習(xí)器。開發(fā)者通過這個(gè)工具不需要一個(gè)一個(gè)去試各種分類器的算法，使用MATLAB提供的APP去一次性嘗試所有算法。開始運(yùn)行APP后，用戶選好數(shù)據(jù)和需要訓(xùn)練的分類器，然后進(jìn)行訓(xùn)練。在訓(xùn)練過程中，用戶可以看到每個(gè)分類器的整體結(jié)果，選擇精確度最高的一個(gè)，然后進(jìn)行更多的調(diào)查和研究。如果用戶沒有研究過AI，可以用MATLAB提供的APP進(jìn)行學(xué)習(xí)，去嘗試所有機(jī)器學(xué)習(xí)的算法。

　　在MATLAB里面做深度學(xué)習(xí)難嗎?用趙志宏先生的話說，只需要寫5行的MATLAB代碼，用戶就可以建出一個(gè)能夠識(shí)別食品的網(wǎng)絡(luò)。筆者已經(jīng)多年沒接觸過MATLAB了，所以無從考證，工程師朋友們?nèi)绻枰梢赃M(jìn)行嘗試。

　和開源代碼如何協(xié)作?

　　現(xiàn)在市面上的開源非常熱，工程師們可以在開源社區(qū)快速獲得需要的代碼，在人工智能領(lǐng)域也有很多開源資源，作為封閉資源的MATLAB和開源代碼相比更新速度可能會(huì)較慢，而且加上是收費(fèi)模式，工程師們也擔(dān)心兩者的融合問題。當(dāng)筆者問到這個(gè)問題的時(shí)候，趙志宏先生解釋，“開源代碼背后有很多的開發(fā)團(tuán)隊(duì)，他們自愿進(jìn)行開發(fā)，我們也有自己的開發(fā)團(tuán)隊(duì)。我們并不把開源代碼和MATLAB定義為競(jìng)爭(zhēng)關(guān)系，實(shí)際上我們各有特點(diǎn)和長(zhǎng)處，有時(shí)候我們是可以與開源代碼共用。有一些開源代碼可以在MATLAB里面運(yùn)行或者直接調(diào)用，我們?cè)诠餐瑸榭萍歼M(jìn)步做貢獻(xiàn)。我們雖然是付費(fèi)軟件，但是提供的不僅是工具，還有很多的服務(wù)。”

　　“當(dāng)用戶使用MATLAB時(shí)遇到問題，我們后面有很強(qiáng)的技術(shù)支持團(tuán)隊(duì)幫用戶解決這些問題。另外，我們的工具不僅是針對(duì)某一功能產(chǎn)生正確的結(jié)果，我們還考慮把這個(gè)功能做得非常的容易使用。比如針對(duì)AI應(yīng)用，我們把界面做得非常適合該專業(yè)領(lǐng)域，而且兼顧讓用戶感覺在使用熟悉的MATLAB或者Simulink的界面。這是我們的優(yōu)勢(shì)，如果用戶在MATLAB或者Simulink中增加新功能，學(xué)習(xí)門檻不會(huì)很高，容易上手設(shè)計(jì)。除了提供工具，我們還給用戶提供了很多便利，這是從開源工具中所得不到的東西?！壁w志宏先生補(bǔ)充。