當人工智能遇上MATLAB 模型訓練簡(jiǎn)單化

　　人工智能在過(guò)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(cháng)起來(lái)，有的做專(zhuān)用芯片，有的做算法，有的做機器人…人工智能到底是什么?是讓機器代替人類(lèi)完成重復的生產(chǎn)線(xiàn)勞動(dòng)嗎?這樣理解為免太簡(jiǎn)單。人工智能絕對不只是讓機器完成模仿，從而替代重復性工作，真正的人工智能需要機器經(jīng)過(guò)訓練和學(xué)習，接近或者超越人類(lèi)的智能行為。

　　人工智能訓練模型的時(shí)候，數據是最重要的因素，只有通過(guò)大數據訓練，才能讓訓練的模型更接近于實(shí)際需求。比如，自動(dòng)駕駛的模型訓練，現在基本是靠自動(dòng)駕駛汽車(chē)上路測試收集數據訓練模型，路上的汽車(chē)只有采集到更多可能的場(chǎng)景，才能確保訓練出的模型更接近實(shí)際路況。在人工智能訓練中一般會(huì )遇到兩個(gè)問(wèn)題：第一，數據量不夠如何訓練模型?第二，數據量太大如何快速進(jìn)行標注?

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

　　遷移學(xué)習：通過(guò)模型產(chǎn)生數據訓練神經(jīng)網(wǎng)絡(luò )

　　如果沒(méi)有數據能做人工智能嗎?這是很多初創(chuàng )公司的困惑。在筆者的概念里，正常的AI開(kāi)發(fā)流程是，先采集數據，再訓練模型。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，“數據、輸出和模型是整個(gè)AI開(kāi)發(fā)流程的一個(gè)步驟。如果開(kāi)發(fā)者想做人工智能，又沒(méi)有太多的數據，可以采用遷移學(xué)習的方法?！?遷移學(xué)習又是什么概念?不防從實(shí)際例子來(lái)理解。比如：通過(guò)人工智能的方式來(lái)預測風(fēng)力發(fā)電機的故障，用戶(hù)不能等到采集到大量故障數據以后再預測，這樣不符合設備維護的目標，而是先用Simulink模型建立一個(gè)風(fēng)里發(fā)電機的模型，通過(guò)校正讓這個(gè)模型非常接近風(fēng)力發(fā)電機，然后通過(guò)該模型產(chǎn)生故障數據，進(jìn)而訓練機器學(xué)習或者深度學(xué)習的神經(jīng)網(wǎng)絡(luò )。

　　趙志宏先生表示，“基于模型設計的優(yōu)勢是，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，不管是從數字計算、行為計算產(chǎn)生的結果與真正的結果都非常接近。很多工程師在設計產(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)生故障數據，這比在實(shí)際設備上產(chǎn)生的故障要容易很多。因此，可以進(jìn)行故障預測和維護?！?/p>

　　通過(guò)深度學(xué)習對大數據進(jìn)行標注

　　隨著(zhù)傳感器的大量采用，數據量進(jìn)入洪荒時(shí)代，給人工智能進(jìn)行特征標記帶來(lái)困難，這時(shí)候可以采用深度學(xué)習進(jìn)行標記。趙志宏先生解釋?zhuān)吧疃葘W(xué)習的特點(diǎn)是不需要人工手動(dòng)找出特征值，系統可以自動(dòng)從數據里提取特征值。MATLAB里面有很多自動(dòng)標記的工具和功能。LiDAR三維點(diǎn)云技術(shù)可以對每一點(diǎn)進(jìn)行標注，把這個(gè)點(diǎn)聚類(lèi)在一起聚成一個(gè)目標模型，然后再把目標具體代表的實(shí)物辨別出來(lái)。有些用戶(hù)已經(jīng)采用MATLAB的工具進(jìn)行了開(kāi)發(fā)，著(zhù)名的汽車(chē)配件公司AUTOLIV就在用這種方式進(jìn)行自動(dòng)數據標注?！?/p>

　　以膨化食品智能檢測為例，研究人員可以在用戶(hù)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(kāi)發(fā)一個(gè)機器學(xué)習的分類(lèi)器，而MATLAB提供了分類(lèi)學(xué)習器。開(kāi)發(fā)者通過(guò)這個(gè)工具不需要一個(gè)一個(gè)去試各種分類(lèi)器的算法，使用MATLAB提供的APP去一次性嘗試所有算法。開(kāi)始運行APP后，用戶(hù)選好數據和需要訓練的分類(lèi)器，然后進(jìn)行訓練。在訓練過(guò)程中，用戶(hù)可以看到每個(gè)分類(lèi)器的整體結果，選擇精確度最高的一個(gè)，然后進(jìn)行更多的調查和研究。如果用戶(hù)沒(méi)有研究過(guò)AI，可以用MATLAB提供的APP進(jìn)行學(xué)習，去嘗試所有機器學(xué)習的算法。

　　在MATLAB里面做深度學(xué)習難嗎?用趙志宏先生的話(huà)說(shuō)，只需要寫(xiě)5行的MATLAB代碼，用戶(hù)就可以建出一個(gè)能夠識別食品的網(wǎng)絡(luò )。筆者已經(jīng)多年沒(méi)接觸過(guò)MATLAB了，所以無(wú)從考證，工程師朋友們如果需要可以進(jìn)行嘗試。

　和開(kāi)源代碼如何協(xié)作?

　　現在市面上的開(kāi)源非常熱，工程師們可以在開(kāi)源社區快速獲得需要的代碼，在人工智能領(lǐng)域也有很多開(kāi)源資源，作為封閉資源的MATLAB和開(kāi)源代碼相比更新速度可能會(huì )較慢，而且加上是收費模式，工程師們也擔心兩者的融合問(wèn)題。當筆者問(wèn)到這個(gè)問(wèn)題的時(shí)候，趙志宏先生解釋?zhuān)伴_(kāi)源代碼背后有很多的開(kāi)發(fā)團隊，他們自愿進(jìn)行開(kāi)發(fā)，我們也有自己的開(kāi)發(fā)團隊。我們并不把開(kāi)源代碼和MATLAB定義為競爭關(guān)系，實(shí)際上我們各有特點(diǎn)和長(cháng)處，有時(shí)候我們是可以與開(kāi)源代碼共用。有一些開(kāi)源代碼可以在MATLAB里面運行或者直接調用，我們在共同為科技進(jìn)步做貢獻。我們雖然是付費軟件，但是提供的不僅是工具，還有很多的服務(wù)?！?/p>

　　“當用戶(hù)使用MATLAB時(shí)遇到問(wèn)題，我們后面有很強的技術(shù)支持團隊幫用戶(hù)解決這些問(wèn)題。另外，我們的工具不僅是針對某一功能產(chǎn)生正確的結果，我們還考慮把這個(gè)功能做得非常的容易使用。比如針對AI應用，我們把界面做得非常適合該專(zhuān)業(yè)領(lǐng)域，而且兼顧讓用戶(hù)感覺(jué)在使用熟悉的MATLAB或者Simulink的界面。這是我們的優(yōu)勢，如果用戶(hù)在MATLAB或者Simulink中增加新功能，學(xué)習門(mén)檻不會(huì )很高，容易上手設計。除了提供工具，我們還給用戶(hù)提供了很多便利，這是從開(kāi)源工具中所得不到的東西?！壁w志宏先生補充。