爱奇艺|AI人才，百度制造( 三 ) 电影|龚宇

“我们自动化学生的使命，不就是用机器去代替人工，完成那些艰苦的重复性劳动吗？”
从小就对沙尘危害有着切肤之痛的高鸿志，迫切希望用智能机器更高效地种树。他的目标不仅仅是一个会挖坑填坑、会安插树苗的简单机器人，而是包括沙漠栽树机器人、护养机器人集群以及控制它们的物联网，共同组成“栽、护、管”一体化的智能解决方案，真正实现用机器代替人工。
作为一名自动化专业的学生，高鸿志和他的伙伴们的长处是做硬件，组装底盘、车轮、履带、箱体，再把电路板一块块焊接到主体上，这都不是问题。
真正的考验在于，如何给这台栽树机器人“赋予灵魂” ，让他真正智能起来？比如，机器人的护养模块要精准定位到每一颗树苗，对视觉有着很高的要求。如何搭建目标检测模型，并进行有针对性的训练？对于不太懂AI的高鸿志和他的伙伴们来说，这成了一个令人困扰的难题。
无意间，高鸿志在飞桨公众号上看到开源工具“PaddleDetection” ，它是一个相当于0代码的目标检测开发工具，只需要运行相应的python文件，就可以实现模型训练、预测等功能。
这让栽树机器人的研发进程，跨过了深度学习模型的搭建、训练和预测等一系列费时费力的步骤，开发者只需将自己的数据集处理成为规定格式，就可以轻松使用集成好的模型配置文件，一键运行脚本训练模型。
更令人惊喜的是，原本需要几万张数据才能达到的效果，现在通过套件内部集成的超大规模预训练模型做迁移学习后，预计只用1000张左右的数据，就能达到95%以上的准确率了。这让开发者可以集中精力寻找数据集。
飞桨提供给开发者的还不止工具上的便利，在数据收集上，飞桨开发者社区同样助力良多。因为疫情，高鸿志他们没法去沙漠实地拍摄梭梭苗的数据集。抱着试一试的心态，他在飞桨开发者社区求助，希望能找到住在沙漠附近的开发者帮忙采集数据。通过飞桨的工作人员，高鸿志果然联系到一位住在甘肃省民勤县的开发者，一次性帮搜集了一千多张沙漠植株的数据集，解决了这个大问题。
之后，高鸿志和他的同伴用百度大脑的开源工具Easydata做智能标注， 2个小时就标注了1000多张数据；用PaddleDetection做模型训练， 2天时间，识别率就达到95% 。

测试中的沙漠种树机器人
在学校的沙地上，这款栽树机器人开始了第一次落地实验。它的履带碾过沙土，树苗真的可以一束一束种到沙土里。在经过几个版本的迭代之后，这款机器人已经具备种树、养护、避障等功能，并有自己适配的控制系统、AI感知能力和云端数据监测系统。
当开发者完成了从零到一的“入门” ，进入了AI人才链条，如何面对更进一步的AI实战？高鸿志用自己的故事给出了这个问题的答案。在飞桨平台的支持下，更多学科与AI结合的可操作性变得更强、成本更低，助力更多学科背景的开发者攻克AI技术的应用难点，提升使用AI技术的效率。
对于一些传统型企业来说，百度的AI能力同样能够加速智能设备的研发，帮助企业的开发者跨越AI技术障碍。比如，中国南方电网的技术攻关团队就引入飞桨深度学习开源框架，为智能巡检机器人提供视觉赋能，用机器人巡视代替了原有的人工巡视，大大降低了运维成本、提升了企业的智能管理水平。
当AI走进行业，有多强？AI技术总要走出实验室和比赛场，在行业前沿发挥作用。曾经传统的体育行业，已经是AI技术发挥作用的前沿领域。