体验形式：请各位体验官按照体验任务的要求操作和体验产品，最后按要求输出体验问卷。我们会从中筛选出高质量问卷，给予礼品奖励和积分奖励。产品简介：ModelArts 是面向开发者的一站式 AI 平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。  体验流程：本次体验涉及代金券，请勿直接操作，以免造成欠费。1.请先申请成为体验官：点击链接申请成为体验官2.报名体验：点击报名3.体验任务：点击开始体验4.完成体验问卷：点击填写问卷活动时间：3月18日-4月4日活动流程：1.如您已经成为产品体验官，小助手会在群内发布招募公告，直接报名即可。2.如您还未申请成为体验官，请点击链接先申请成为体验官，再参与活动哦~申请链接：https://developer.huaweicloud.com/activity/experience-officer.html  ☆奖品设置如下☆参与奖：若干名活动要求：按照要求完成任务卡奖品：文件收纳包1个+3体验官积分    优秀奖：若干名活动要求：被专家评为优秀报告奖品：雷柏V500机械键盘1个+5体验官积分    

对于人工智能，我们不要过分高估也不要过分低看，就像雷·克利福德所言，“科技不能取代教师，但是使用科技的教师却能取代不使用科技的教师。”同理，人工智能不会取代教师，但是**使用人工智能的教师会取代不使用人工智能的教师**。 未来的教育将进入教师与人工智能协作共存的时代，教师与人工智能将发挥各自的优势，协同实现个性化教育、包容的教育、公平的教育与终身的教育，促进人的全面发展。 一方面，教育中的人工智能能够让教育知识、心理知识和社会知识等以精确的方式呈现。那些看不见的隐性学习过程，可以通过人工智能加以显现。在基于人工智能精确了解学生数据的前提下，未来教育将由教师和人工智能共同为学生提供权威的学习支撑、精准的学习内容和学习活动，实现多元的教育服务供给。在此基础上，学生将得到全面和有针对性的发展，个性化教育将从理想变成现实，焕发出强大的生命力。 另一方面，人工智能教师能够连接正式学习与非正式学习环境，教育将更开放，泛在学习会逐渐成为基本形态。学习不仅发生在课堂上，也发生在日常生活中；知识不仅来源于学校老师，也来源于无处不在的人工智能教师。人们通过无处不在的终端连接智能化的知识网络和人际网络，实现人人、时时、处处可学的终身学习。 一个教师常需面对几十个学生，没有技术的支撑，想要精确了解学生的特征是很困难的，**没有人工智能的支持，要想实施因人而异的个性化教学也不可能**。进入人工智能时代，在全面采集、分析学生学习过程数据的基础上，人机协同既可以实现群体班级的规模化支持，也可以实现适应每个个体发展的个性化教学。 未来教育需要转变学生获取知识的方式，教师知识性讲授功能会被人工智能所取代，教师的主要工作是培育学生能力。教师需要精心设计问题、设计学习资源、设计学习工具、设计学习活动、设计学习评价。学生在教师的陪伴下，通过解决问题进行学习、获得知识、学会自主学习、独立思考、协作协同、知识迁移和运用，从而发展综合素质与综合能力。教师的陪伴、组织、督促、检查，对学生自主学习非常重要。今后的学习形态一定是学生线上学习，实践领域问题解决导向的项目学习，教师线下的督促、管理、陪伴三位一体的形态，而不是以课堂讲授为主的单一形态。 然而，人工智能仍无法取代人类。人与机器之间有几大差异：一，人发现问题，机器解决问题。所以教育在培养学生解决问题能力外，应重点培养学生发现问题的能力。二，机器不具备社会属性。计算机与人交流大都是提前准备虚拟答案，没有主动的社会交往能力。三，机器不具备心理属性。不会开心，也不会郁闷。所以同机器相比，教师更应看重自身作为人的独特价值，提高学生的社会价值、心理价值和利用全球化资源的能力，承担起培养学生创造未来，而不是进入未来的社会责任。 未来的教育，要从面向知识体系的传授，转向面向核心素养的培养，学生的创造能力、审美能力、协作能力、知识的情境化/社会化运用能力是人类教师所应关注的核心和重点。 人工智能时代的教育，需要培养学生的核心素养，教师的责任不是灌输知识，而是帮助学生成长，成为人生导师或者心理咨询师，帮助学生发现优点，实现人生价值。今后教师的工作形态一定不以教书为重。人工智能时代教师的核心价值，不是专业知识、学科知识和专业技能的发展，而是教师的人文底蕴、责任担当、国家认同、跨文化交往、审美等核心素养的培养。教师不再是传统意义上的信息和知识的灌输者，不再是传授技艺的教练，也不是只为生存或作为养家糊口的职业教书匠，而是学生的人生精神导师，是培养学生智慧、帮助学生成才、启迪学生心智的智者。

   在深度学习中，经常有“end-to-end（端到端）”学习的提法，与之相对应的传统机器学习是“Divide and Conquer（分而治之）”。这些都是什么意思呢？    “end-to-end”（端到端）说的是，输入的是原始数据（始端），然后输出的直接就是最终目标（末端），中间过程不可知，因此也难以知。比如说，基于深度学习的图像识别系统，输入端是图片的像素数据，而输出端直接就是或猫或狗的判定。这个端到端就是：像素-->判定。    再比如说，“end-to-end”的自动驾驶系统，输入的是前置摄像头的视频信号（其实也就是像素），而输出的直接就是控制车辆行驶指令（方向盘的旋转角度）。这个端到端就是：像素-->指令。    就此，有人批评深度学习就是一个黑箱（Black Box）系统，其性能很好，却不知道为何而好，也就是说，缺乏解释性。其实，这是由于深度学习所处的知识象限决定的。从图1可以看出，深度学习，在本质上，属于可统计不可推理的范畴。“可统计”是很容易理解的，就是说，对于同类数据，它具有一定的统计规律，这是一切统计学习的基本假设。那“不可推理”又是什么概念？其实就是“剪不断、理还乱”的非线性状态了。    在哲学上讲，这种非线性状态，是具备了整体性的“复杂系统”，属于复杂性科学范畴。复杂性科学认为，构成复杂系统的各个要素，自成体系，但阡陌纵横，其内部结构难以分割。简单来说，对于复杂系统，1+1≠2，也就是说，一个简单系统，加上另外一个简单系统，其效果绝不是两个系统的简单累加效应，而可能是大于部分之和。因此，我们必须从整体上认识这样的复杂系统。于是，在认知上，就有了从一个系统或状态（end）直接整体变迁到另外一个系统或状态（end）的形态。这就是深度学习背后的方法论。    与之对应的是“Divide and Conquer（分而治之）”，其理念正好相反，在哲学它属于“还原主义（reductionism，或称还原论）”。在这种方法论中，有一种“追本溯源”的蕴意包含其内，即一个系统（或理论）无论多复杂，都可以分解、分解、再分解，直到能够还原到逻辑原点。    在意象上，还原主义就是“1+1=2”，也就是说，一个复杂的系统，都可以由简单的系统简单叠加而成（可以理解为线性系统），如果各个简单系统的问题解决了，那么整体的问题也就得以解决。比如说，很多的经典力学问题，不论形式有多复杂，通过不断的分解和还原，最后都可以通过牛顿的三大定律得以解决。经典机器学习（位于第Ⅱ象限），在哲学上，在某种程度上，就可归属于还原主义。传统的机器学习方式，通常是用人类的先验知识，把原始数据预处理成各种特征（feature），然后对特征进行分类。    然而，这种分类的效果，高度取决于特征选取的好坏。传统的机器学习专家们，把大部分时间都花在如何寻找更加合适的特征上。因此，早期的机器学习专家们非常苦逼，故此，传统的机器学习，其实可以有个更合适的称呼——特征工程（feature engineering）。    但这种苦逼，也是有好处的。这是因为，这些特征是由人找出来的，自然也就为人所能理解，性能好坏，机器学习专家们可以“冷暖自知”，灵活调整。

在过去，高通量测序技术的出现和成熟彻底改变了生物医学领域的面貌。改技术能够一次并行地得到几十万甚至上千万的DNA分子的数据信息，随着测序成本的降低，该技术已经应用于生物医疗领域的各个方面研究，并产生了大量的组学数据。如何能够更好地利用生物医疗的各方面研究，并产生了大量的组学数据，如何能够更好地利用大规模组学数据对生物医学问题进行建模就显得尤为重要。常见组学数据类型1)  在基因组学领域，微陈列技术和下一代DNA测序技术广泛用于全基因组拷贝数变异和单核苷酸多态性等DNA突变的鉴定。2）在表观基因组学领域，甲基化DNA免疫沉淀和亚硫酸盐测序用于分析DNA甲基化，染色质免疫沉淀测序用于鉴定染色质相关蛋白的结合位点。3）在转录组学领域，微陈列和RNA测序用于定量整个转录组的表达谱。4）在蛋白质组学领域，液相色谱-串联质谱法和同位素标记和标签用于分析代谢标志物5）在代谢组学领域，核磁共振和质谱仪用于分析代谢标记物组学数据可提供DNA，RNA，组蛋白修饰，蛋白质，代谢物等不同分子系统水平的全面信息，已广泛用于生物科研，合成生物，药物研发，个性化治疗等领域。一、定点组学数据特征通过高通量测序技术对不同分子水平的组学信息进行定量后，得到的数据都是非序列数据，如基因突变，全基因组的基因拷贝数变异，RNA表达式，蛋白质表达量，这些数据具有以下特征；1）原始数据含有几千或者几万个特征，大部分特征之间是相互独立的2）特征点的数目比较多，一般大于训练样本数目或者训练样本数目处于同一个数量级3）原始数据的特征之间没有明显的时间维度和空间维度相关性有严格的先后关系和前后左右关系4）原始数据的特征之间存在层次性的相互作用二、基因组学建模方法CNN算法中的卷积操作能够抽取层次特征，进而组合形成高层次特征对数据进行建模。RNN虽然在结构上和CNN有比较大的区别，但是其本质也是通过整合序列上前后特征来实现提取信息的功能，CNN和RNN非常适合从图像，文本，语音等数据中提取特征，这些数据之间具有局部相关性，即输入的特征值和周围的特征值存在相关性，如果将输入特征的顺序，则可能影响其语义信息。随着ResNet等算法的出现，训练深度神经网络更加容易，因此有必要将MLP,AE,VAE等向更深的方向做扩展，然而，由于组学数据的特殊性，需要投入大量的精力去试错才能找到最优的神经网络结构，随着AutoML技术的逐渐成熟，可以将很多模型框架的设计问题转为自动搜索问题。因此，可以构建面向基因组学建模的自动化人工智能系统，可以在提升基因组学数据分析和建模效果的同时，大幅度降低人工技能要求的门槛。

2月25日，CCTV 2《消费主张》播出新一期节目《“黑科技”点亮冬奥会，未来还能怎样看比赛？》，聚焦云计算、AI、5G、VR等创新科技在体育赛事中的应用，解密隐藏在本届冬奥会背后的巨大科技力量。 　　其中，华为云MetaStudio数字内容生产线、自由视角、AI机器人等技术和方案携手亮相，展示了华为云创新技术在体育赛事中的应用及价值。  华为云助力央视频打造数字雪花，实现用户非凡冰雪体验 　　在冬奥会开幕式，每个国家化作一片雪花走进鸟巢。与此同时，也有超2000万观众化作“数字雪花”飘进鸟巢，而这种特别方式的背后即是华为云创新技术的加持。 　　“数字雪花”是央视频基于华为云MetaStudio数字内容生产线，并率先使用媒体AI、云渲染、区块链等系列前沿云计算技术打造而成，不仅科技感满满，更借助技术加持，让用户能够体验“定制我的数字雪花”、获得数字雪花特别证书、专属雪花飘进鸟巢视频等创新玩法，以新的方式参与进这场冰雪盛会。  在节目中，华为云北京总经理李亚为进一步介绍称，在“数字雪花”项目中，华为云提供了云渲染服务和超过30万核算力资源，实现雪花飘进鸟巢开幕式场馆的艺术效果，并保障了用户体验的流畅性；同时华为云还提供了区块链服务，为参与用户生成数字雪花特别证书，保证用户数字身份的唯一性，形成用户珍贵的数字资产。  “数字雪花项目实际上是我们在元宇宙当中的一个探索和试验。”华为云中国区副总裁胡维琦在节目采访中表示。她提到，数字雪花开启了一个元宇宙的大门，未来可以在虚拟场景中滑雪、进行物品交换甚至交友等，为用户带来全新的体验。  除了在“数字雪花”项目中担当“重任”，华为云MetaStudio数字内容生产线还一手缔造了华为云首个虚拟数字人“云笙”，集合了AI自动建模、AI语音驱动、AI渲染加速等AI能力，具备聊天对话、作诗、写对联、线上讲课等多场景能力。具体到体育赛事领域，虚拟数字人“云笙”还能够担任赛事主持人，讲解奥运场馆、比赛议程等信息，同时为听障人士提供手语播报服务。 　　黑科技出圈，华为云创新技术升级体育赛事体验 　　除了解密冬奥会背后的“黑科技”，本期节目还关注到了技术创新在体育赛事领域的应用。基于此，本期节目进一步报道了华为云自由视角技术、机器人等技术，展示了其在体育赛事的观看比赛和后勤保障等方面的应用。  在观看比赛方面，越来越多的新技术正在给观众带来更自由、更随心的观看体验。而自由视角技术更是刷新了观众的认知。借助华为高新视频解决方案，观众通过控制遥控器，即可随心变换视角，放大细节或暂停回看，不再受限于导播台官方视角，实现真正的个性化观赛。据了解，华为高新视频解决方案首次亮相于一档舞蹈类综艺节目，带观众领略了时间定格模式下演员360度的精彩风暴时刻；还应用于第十四届全运会一系列比赛项目中，为全国观众提供精彩瞬间、自由视角、多视角等全新观赛体验。 　　在后勤保障上，机器人正在大显身手，防疫监督、做饭调酒，自动送餐、物流配送、清扫垃圾等都能看到他们的身影。事实上，更聪明、工作精准度更高的机器人，有赖于云上技术的支撑，而在机器人+云升级为云原生机器人之后，机器人的能力将进一步升级。对此，华为云面向机器人开发者与用户构筑了云机器人开放平台，能真正实现云与机器人的融合，适配工作场景，使机器人更智能、更灵巧。该平台凭借华为云上的海量AI算力、海量数据处理与共享能力等，可以实现通过海量数据来驱动机器人系统的持续进化。 　　在北京冬奥会为期16天的赛事中，各式各样的“黑科技”轮番上场，呈现了一场精彩绝伦的冰雪盛会。盛会落幕，“黑科技”却不散场，AI、云计算、5G、VR等技术将深入越来越多的体育赛事，为观众呈现更精彩的比赛和全新的体验。而华为云也将继续进行技术创新，以云计算、AI、云渲染等先进技术助力体育赛事升级体验。

AAAI22奖项公布，9000投稿选出唯一杰出论文，中科院自动化所获Distinguished论文奖第 36 届 AAAI 人工智能会议已于 2 月 22 日在线上召开。目前，大会公布了今年的杰出论文奖（1 篇）和提名奖（2 篇），其中来自巴黎第九大学、Meta AI 等机构的研究者凭借推荐系统赢得了 AAAI 2022 杰出论文奖。另外，中科院自动化所博弈学习研究组凭借其研发的轻量型德州扑克 AI 程序 AlphaHoldem 获得了 Distinguished 论文奖（共 6 篇）。作为全球人工智能顶会之一，2022 年的 AAAI 大会热度又创下了历史新高：大会共收到 9251 篇投稿，其中 9020 篇投稿进入了评审环节。但令人意外的是，今年的接收率却创下了历史新低，仅 1349 篇论文被接收，接收率仅为 15.0%。目前，AAAI 2022 已经公布了杰出论文奖、杰出学生论文奖、Distinguished 论文奖、最佳演示奖等多个奖项。论文：AlphaHoldem: High-Performance Artificial Intelligence for Heads-Up No-Limit Poker via End-to-End Reinforcement Learning相关报道见：达到人类专业玩家水平，中科院自动化所研发轻量型德州扑克AI程序AlphaHoldem    作者：Enmin Zhao、Renye Yan、Jinqiu Li、Kai Li、Junliang Xing    机构：中科院自动化所博弈学习研究组转发自：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650833516&idx=5&sn=154a97f2e9e03fc012d65069483c37eb&chksm=84e54612b392cf0435f1059218e661cc4f630f225bb5985df9354577cc19e91ddf05038581db&scene=21#wechat_redirect

泛微信息采集智能机器人——千里聆，通过RPA+AI两大系统引擎能力，构建了采集提炼一体化的信息采集智能机器人平台；打造了丰富的专项场景应用，满足组织中各类角色和部门信息采集需求。随着数字化转型的推进，各行各业的大量线下场景转移到线上，从而促进了各种数据的爆发式生产，进一步加快了海量数字资产的形成，比如招标数据、政策数据、竞品数据、舆情数据等等。在信息海洋中，如何高效且有效地获取数据 ？发现业务缺陷和进步空间，从而制定优化和改进的措施，循环驱动业务前行，实现降本增效的效果？组织常见的信息采集需求场景组织里各类角色和部门的工作中，需要大量的价值数据来支撑，需要定时监控各类网站更新情况。通过关键词的设定及智能算法，筛选出有价值的信息。1、招投标信息采集市场和销售人员常常面临线索挖掘难，手动查找客户关键信息费时费力等问题，如何快速查找有效线索？2、政策法规信息采集国家行业政策瞬息万变，安排专人搜集信息费时费力还找不全；如何快速知晓相关政策，从而通过宏观政策调整企业决策？3、商品价格信息采集企业面对供应商报出的产品价格无法判断真假高低时，能否通过机器人自动抓取互联网同类产品的价格信息给采购审批做参考？4、 竞品信息采集竞争无处不在，友商新品发布、战略联盟、广告投放、客户签约等动态信息如何瞬间知晓并有效跟踪以及制定应对决策？5、企业舆情采集互联网自媒体时代，一条负面信息可能引发公司陷入舆论危机，如何有效从众多信息流中自动抓取公司舆情并有效监测应对？千里聆-信息采集智能机器人解决方案：互联网数字资产是庞大的信息资源矿，RPA能够协助组织便捷、自动化采集数据，AI能够为您提炼出有价值数据。泛微千里聆通过RPA + AI 两大系统引擎能力，构建了 “采”+“炼” 一体化的信息采集智能机器人平台；并且打造了丰富的专项场景应用，来满足组织中各类角色和部门信息采集需求。能够7*24小时模拟人自动完成访问目标网站、抓取网页数据、收取邮件内容、填写上报数据等工作。实时获取需要的有效信息数据，并及时推送到手机上，不错过任何重要信息，不用再在信息海洋中耗时耗力地去找信息。一、千里聆的目标为组织中的市场部、销售部、采购部、研发部、人事部等各部门需求，提供专项信息采集解决方案。成为您7*24小时不间断工作的信息采集数字化员工，助您随时随地可以获知：· 某种原材料商品的全网最低采购价信息；· 有匹配您单位业务的招标信息；· 政府发布了对您行业支撑的新政策；· 您的主要供应商发生了股东变更等；· 竞争对手刚发布了新的产品和市场活动等……让您的工作决策更加高效精准，让您的组织运行更加的智慧灵敏！二、千里聆平台架构千里聆的前端具备适配各类网页端、移动APP、桌面软件及API的自动化操作能力；中端实现覆盖了大量的应用场景可直接选用；后台配备了强大的机器人设计器和执行器，来确保不同采集需求的实现落地，每个岗位、部门都可以根据需求灵活配置部门级解决方案。三、千里聆技术优势泛微千里聆平台的四大核心优势助力组织快速获取价值数据的能力：· 指令库：提供了丰富可扩展的指令，以满足不同业务场景的需求变化· 设计器：提供了可视化的设计器，拖拽式选择指令，完成机器人的定义组装· 机器人：组装好的机器人按工作场景等分类管理，可分享复用减少维护量· 执行器：提供了足够灵活的运行规则，确保不间断调度机器人按规则执行。应用价值：千里聆，深度全网采集信息，智能化分析提取有效数据，快捷连接各类业务系统，及时推送信息，并且7*24小时无人自主工作，无需人工值守。

一种新的基于深度学习的 3D 细胞分割框架，用于未来基于图像的疾病检测细胞分割在理解、诊断和治疗疾病方面起着至关重要的作用。尽管最近基于深度学习的细胞分割方法取得了成功，但在 3D 细胞膜图像中准确分割密集的细胞仍然具有挑战性。现有方法还需要在新数据集上微调多个手动选择的超参数。香港大学的研究人员开发了一个基于深度学习的 3D 细胞分割管道 3DCellSeg，以应对这些挑战。与现有方法相比，该方法具有以下新颖性：（1）一个稳健的两阶段流水线，只需要一个超参数；（2）一个轻量级的深度卷积神经网络 (3DCellSegNet) 以有效地输出体素掩码；（3）一个自定义的损失函数（3DCellSeg Loss）来解决clumped cell问题；（4）一种有效的基于触摸区域的聚类算法（TASCAN），用于将 3D 细胞从前景蒙版中分离出来。在四个不同的细胞数据集上进行的细胞分割实验表明，3DCellSeg 在 ATAS（植物）、HMS（动物）和 LRP（植物）数据集上优于基线模型，总体准确率分别为 95.6%、76.4% 和 74.7% ，同时实现了与 Ovules（植物）数据集上的基线相当的准确度，总体准确度为 82.2%。消融研究表明，准确性的个别改进可归因于 3DCellSegNet、3DCellSeg Loss 和 TASCAN，其中 3DCellSeg 在不同的数据集和细胞形状中表现出鲁棒性。实验结果表明，3DCellSeg 可以作为一种强大的生物医学和临床工具，例如组织病理学图像分析，用于癌症诊断和分级。该研究以「A novel deep learning-based 3D cell segmentation framework for future image-based disease detection」为题，于 2022 年 1 月 10 日发布在《Scientific Reports》。通过视网膜扫描和最少的个人信息预测心肌梗塞在眼科实践中，通常会获得视网膜图像以诊断和监测原发性眼病和影响眼睛的全身状况，例如糖尿病视网膜病变。最近的研究表明，视网膜图像上的生物标志物，例如视网膜血管密度或曲折度，与心脏功能相关，可以识别有冠状动脉疾病风险的患者。利兹大学的研究团队研究了使用视网膜图像以及相关的患者元数据，来估计左心室质量和左心室舒张末期容积，然后预测心肌梗死的发生。他们训练了一个多通道变分自编码器和一个深度回归模型，来估计左心室质量 [4.4 (–32.30, 41.1) g] 和左心室舒张末期容积 [3.02 (–53.45, 59.49) ml] 并预测心肌梗死的风险（AUC = 0.80 ± 0.02，灵敏度 = 0.74 ± 0.02，特异性 = 0.71 ± 0.03），仅使用视网膜图像和人口统计数据。研究结果表明，可以通过每个配镜师和眼科诊所提供的视网膜成像，来识别未来心肌梗死高风险的患者。该研究以「Predicting myocardial infarction through retinal scans and minimal personal information」为题，于 2022 年 1 月 25 日发布在《Nature Machine Intelligence》。医疗数据中隐藏的偏见可能会损害人工智能的医疗保健方法有证据表明，在医学和健康方面从人体获得的和关于人体的数据并不总是能创建公平的系统。偏见在临床设备、干预和互动中普遍存在。其中包括在设计时不考虑性别、性别和肤色的设备；嵌入种族的干预措施；取决于性别或种族的疾病诊断；以及患者和卫生工作者之间存在偏见的互动。来自这些系统的数据在用于机器学习算法时会促进或加剧这些偏见。通常，计算机科学缺乏关于性别歧视、种族主义和社会经济不平等对开发健康机器学习算法所用数据的系统性影响的教育。解决这些根深蒂固的偏见的解决方案并不容易，需要开发算法的人和使用算法的人（包括计算机科学家、工程师、临床医生、医疗机构等）有意识地努力。然而，如果没有关于对边缘化群体的历史不公正的教育，拒绝接受不公平作为常态，以及承担创建和应用减少而不是促进不公平的算法的责任，这些解决方案就不可能存在。机器学习传统上是在假设数据和标签以客观事实为基础的空间中运行的。不幸的是，许多证据表明，从人体中获取的和关于人体的「具体」数据并不能创建按预期运行的系统。医疗保健数据的复杂性可能与长期的歧视有关，该领域的研究禁止幼稚的应用。为了改善医疗保健，机器学习模型必须从一开始就努力识别、减少或消除此类偏见。波士顿大学和麻省理工学院的研究人员发表综述文章，他们的目标是列举许多例子来证明存在的偏见的深度和广度，这些偏见在整个医学史上一直存在。他们希望对算法自动化偏见的愤怒将导致生成此类数据的基本实践发生变化，从而减少健康差异。该综述以「In medicine, how do we machine learn anything real?」为题，于 2022 年 1 月 14 日发布在《Patterns》。通过强化学习优化基于风险的乳腺癌筛查策略筛查计划必须平衡早期发现的好处和过度筛查的成本。在这里，麻省理工学院的研究人员介绍了一种新的基于强化学习的个性化筛查框架 Tempo，并展示了其在乳腺癌筛查中的功效。研究人员在来自马萨诸塞州总医院（MGH；美国）的大型筛查乳房 X 线摄影数据集上训练了他们基于风险的筛查策略，并在来自 MGH 的保留患者和来自埃默里大学（Emory；美国）、卡罗林斯卡学院（Karolinska；瑞典）和长庚纪念医院（CGMH；台湾）的外部数据集中验证了该数据集。在所有测试集中，研究人员发现 Tempo 策略与基于图像的人工智能（AI）风险模型相结合，在每个屏幕频率的模拟早期检测方面比临床实践中使用的当前方案明显更有效。此外，该团队表明相同的 Tempo 策略可以很容易地适应各种可能的筛查偏好，允许临床医生在早期检测和筛查成本之间选择他们想要的权衡，而无需培训新的策略。最后，研究人员证明了基于 AI 风险模型的 Tempo 策略，优于基于不太准确的临床风险模型的 Tempo 策略。总而言之，将基于 AI 的风险模型与敏捷的 AI 设计的筛查策略相结合，有可能通过促进早期检测同时减少过度筛查来改进筛查计划。该研究以「Optimizing risk-based breast cancer screening policies with reinforcement learning」为题，于 2022 年 1 月 13 日发布在《Nature Medicine》。使用人工智能了解肺癌和支气管癌死亡率机器学习（ML）在预测死亡率方面已显示出前景；然而，了解风险因素对死亡率影响的空间变化需要可解释性。布法罗大学的研究人员在堆栈集成机器学习模型框架上应用了可解释的人工智能（XAI），以探索和可视化已知风险因素对美国本土肺癌和支气管癌（LBC）死亡率的贡献的空间分布。他们使用了五个基础学习器——广义线性模型（GLM）、随机森林（RF）、梯度提升机（GBM）、极端梯度提升机（XGBoost）和深度神经网络（DNN）来开发堆栈集成模型。然后，应用了几种与模型无关的方法来解释和可视化堆栈集成模型在全局和局部尺度（在县级）的输出。堆栈集成通常比所有基础学习器和三个空间回归模型表现更好。基于排列的特征重要性技术将吸烟率列为最重要的预测因子，其次是贫困和海拔。然而，这些风险因素对 LBC 死亡率的影响在空间上有所不同。这是第一项使用集成机器学习和可解释算法，来探索和可视化美国本土 LBC 死亡率和风险因素之间关系的空间异质性的研究。该研究以「Explainable artificial intelligence (XAI) for exploring spatial variability of lung and bronchus cancer (LBC) mortality rates in the contiguous USA」为题，于 2021 年 12 月 16 日发布在《Scientific Reports》。

第四范式成立于2014年，聚焦决策类AI领域，通过提供以平台为中心的AI解决方案，使企业实现人工智能快速规模化转型落地，提升企业的决策能力。第四范式的愿景是「AI for everyone」。根据灼识咨询报告，以2020年收入计，公司在中国以平台为中心的决策型AI市场排名第一。The Forrester Wave将其评为2020年预测分析与机器学习中国市场评测领域第一名。作为最大的即将上市的平台型人工智能公司，能否降低AI技术的应用门槛，是第四范式成功与否的关键。1、天才创业，以AI平台破局AI是企业深入推进数字化和智能化转型所必须导入或采用的技术，但其过高的门槛让众多缺乏技术和人才储备的企业望而却步。2016年7月，第四范式开发出了一个能够让非专业人士使用的机器学习平台——先知。用戴文渊的话说，就是一个完全不懂技术的小白，通过运用此数据架构平台，大概经历2周的时间，就可以成为一个AI专家。先知平台由人工智能操作系统Sage AIOS、包括HyperCycle及Sage Studio的人工智能开发套件两部分组成。Sage AIOS是一个企业级人工智能操作系统，具有界面友好、数据治理标准化、资源管理和调度自动化、中间软件全面兼容的优点。利用无代码和低代码开发工具HyperCycle、Sage Studio系列，用户可快速便捷地大规模部署各种定制化的人工智能应用。目前，第四范式的这套解决方案已广泛应用于金融、零售、制造、能源与电力、电信及医疗保健等众多行业。招股书显示，2021年前三季度，公司服务了55家财富世界500强企业及上市公司（即标杆用户），整体企业用户数量同比增82.4%至186家。随着用户数量扩大，第四范式的营收规模也逐年迅速增长。在2018年、2019年及2020年，其收入分别为人民币1.28亿元、4.60亿元、9.42亿元。2021年前三季度的收入同比增长134.3%至人民币13.45亿元，已远超2020年全年水平。第四范式创始人兼CEO戴文渊是个理工天才。他是全世界首个提出「非监督迁移学习」概念的人，开创了「非监督迁移学习」这一重要研究方向，获得过中国智能科技界最高荣誉「吴文俊人工智能科学技术奖」一等奖。在机器学习子领域迁移学习，他更被认为是该领域的全球领军学者，单篇论文被引用次数全球排名第三。戴文渊在AI技术行业拥有超过10年经验。他是商用AI系统百度“凤巢”的设计者，于2014年创立第四范式。2、估值30亿美元，资本的香饽饽决策人工智能赛道对于数据的处理能力、算法精确度要求非常高，因此相关企业也存在面临机会成本高昂、回报短期内难以评估、落地部署困难等诸多问题。第四范式也不能例外。招股书显示，在2018年、2019年、2020年和2021年前三季度，扣除以股份为基础的非现金薪酬影响后，经调整经营亏损在同期分别为人民币2.13亿元、3.18亿元、3.86亿元及3.91亿元。在研发费用投入上，在2018年、2019年、2020年及2021年前三季度，第四范式研发费用分别为人民币1.93亿元、4.16亿元、5.66亿元及8.44亿元，占同期收入的比例分别为151.2%、90.6%、60.0%及62.8%。尽管亏损连连，第四范式依旧是资本追捧的「明星」。成立至今，第四范式融资金额超10亿美元，估值接近30亿美元。2021年1月，第四范式宣布完成D轮7亿美元融资，为2020年以来AI技术领域披露的最大单笔融资。本轮融资由春华资本、博裕资本、厚朴投资领投，并引入国家制造业转型基金、国开、国新国同、建投华科、熙诚金睿、中信建投、海通证券等战略股东，红杉中国、中信产业基金、高盛、金镒资本和方源资本等财务投资机构。引人注目的是，第四范式还是第一家获得了中国工商银行、中国农业银行、中国银行、中国建设银行、交通银行等五大国有银行共同投资的创业公司。戴文渊曾表示，过去AI是可以for someone，特定企业才能拥有；未来AI终将for everyone，「第四范式要做的事情，是不断降低企业使用人工智能的门槛。」招股书显示，第四范式拟将此次IPO募集资金用于：加强基础研究、技术能力和解决方案开发；拓展产品，建立品牌及进入新的行业领域；寻求战略投资和收购机会，从而实施长期增长战略，以开发解决方案及拓展及渗透所涵盖的垂直行业；以及一般企业用途。

我们身处一场伟大的数字化浪潮中。创新如潮水般带给人们多样的选择和崭新的机遇。在许多国家，这种变化深刻影响着每个人、每个家庭、每辆车以及每个行业，重新定义着我们的工作、学习、生活与健康。今天，5G在全球加速部署，带来种种前所未想的可能。我们在见证一个时代，在这个时代，5G将全方位地改变生活、革新产业、重塑社会。展望2030年以及更远的未来，我们希望下一代移动通信带给我们什么？1.1　移动通信的演进自20世纪80年代以来，移动通信系统发生了翻天覆地的变化，大约每十年就会产生新一代技术。而移动网络主流业务的普及和新频段的成熟应用通常需要经历两代（也就是20年）才能成熟。如图1-1所示，每一代无线接入网和核心网都采用了新技术、新设计原则和新架构，能力较前一代显著提升。2G和3G网络的主要驱动力来自以语音通信为主的移动用户。随着手机的渗透率和语音业务的使用率趋于饱和，这种依赖用户数的商业模式开始增长乏力。从3G到4G，数据业务迅猛发展，移动宽带成为4G的主导业务。过去10年，移动通信的重大进步对人们的生活方式产生了深远影响。譬如，承载各种应用的智能手机已渗透到生活的方方面面。此时，4G网络运营商的收入主要依靠流量而非用户数，人均流量消耗的增长驱动了业务增长。得益于4G技术能力的进步，面向移动端的应用创新大量涌现，彻底改变了我们的日常生活。在中国，从现金支付到线上支付的转变是一大力证。如今，支付宝、微信支付以及Huawei Pay等在线支付手段早已成为大众喜闻乐见的支付方式。不管是购买日用百货，还是缴纳停车费，人们无须携带现金就可以轻松完成支付。另一个例子是社交媒体的兴起。任何人都可以随时随地通过智能手机与他人分享图片和视频。社交媒体已然成为一个新闻载体，加速了信息的传播。随着越来越多的高速率、大带宽应用不断涌现，这种创新趋势在5G中得到延续。这些应用涉及高清视频，以及增强现实（Augmented Reality，AR）、虚拟现实（Virtual Reality，VR）、混合现实（Mixed Reality，MR）等沉浸式媒体。目前，全球在用的智能手机数量约为38亿。预计到2025年，这一数字将达到80亿。届时，移动互联网用户数将超过65亿，其中80%的用户使用移动宽带。除此之外，AR/VR用户数将达到4.4亿，40%的车辆将接入网络。随着窄带物联网、工业物联网、车联网的标准化，移动网络已经从基于增强移动宽带（enhanced Mobile BroadBand，eMBB）的人联，转向基于超高可靠低时延通信（Ultra-Reliable Low-Latency Communication，URLLC）与海量机器通信（massiveMachine Type of Communication，mMTC）的物联。这种转变反过来又促进企业的数字化转型，让企业为下一波经济增长做好准备。5G商用最初聚焦于消费者业务，但3GPP 5G标准后续版本（如R16、R17等版本）的演进目标是催熟车联网、工业物联网等垂直应用。为了在众多企业和行业中实现不同级别的自动驾驶和工业4.0，移动通信领域正在与5G-ACIA、5GAA等各大垂直行业联盟紧密合作，致力于加速移动技术的应用。据估计，2025年后将实现四级自动驾驶，车联网的普及也将极大地提升运输效率。优化的商业流程和更高的生产效率将成为未来GDP增长的关键动力。5G开启了万物互联的大门，6G则有望演变为一个万物智联平台。通过这个平台，移动网络可以连接海量智能设备，实现智能互联。我们有理由相信，下一波数字化浪潮将带来更多创新，全方位地满足我们各方面的需求。通过人工智能和机器学习，物理世界和数字世界能够实时连接，人们得以实时捕捉、检索和访问更多信息和知识，步入智能化的全联接世界。同时，感知、分布式计算、先进一体化非地面网络、短距离无线通信等技术也将为未来的智能移动通信网络奠定基础。1.2　关键驱动力1.驱动力一：新应用和新业务目前，运营商的业务收入取决于每用户流量消耗的增长。如图1-3所示，从2020年到2030年，预计全球物联网与非物联网设备每月每用户平均移动流量消耗（实线表示）和用户数（方柱表示）将持续增长。图中数据来自ITU-R M.2370报告[3]。从图中可以看出，2020年智能手机用户的增长已经饱和，2020年至2030年的年均复合增长率约为6%。另外，根据全球移动通信系统协会（Global System for Mobile Communications Association，GSMA）的预测，从2019年到2025年，个人移动用户的渗透率将只增长3个百分点，即从67%增长到70%[4]。尽管如此，预计在10年内，每移动宽带（Mobile BroadBand，MBB）用户的移动数据流量将增长50倍，从2020年的5.3 GB/月增长到2030年的257 GB/月。5G平台已经广泛支持高速率、大带宽应用，拉动了流量消耗，也刺激了对网络容量的需求。在6G时代，更多应用将会涌现，扩展现实（Extended Reality，XR）云服务、触觉反馈、全息显示都有可能成为主流应用，涵盖360度VR电影、AR辅助远程服务、虚拟3D教育旅行、触觉远程医疗和远程操作等应用场景。据华为全球产业愿景报告预测，到2025年，头戴式VR/AR设备用户将超过3.37亿，10%以上的企业将使用AR/VR技术开展业务，而这些数字到2030年肯定还会增加。随着云XR应用数量和普及度的增加，以及显示尺寸、分辨率和刷新率的提高，5G能力的演进恐难以满足速率和时延需求。每个用户流量需求的指数级增长、对时延和可靠性的严格要求，以及此类用户数量的大幅增长，将成为6G网络设计的主要挑战。而且，很多运营商推出了无限流量套餐，这已经成为主流的商业模式，也将带来数据流量的增长。从图1-3还可以看出，到2030年，物联网设备数量将比2020年多13倍，企业和消费者的物联网连接都将持续增长。GSMA在其2020年移动经济报告中预测，到2024年，企业物联网的体量将超越消费者物联网。因此，人工智能将成为各种自动化的引擎，感知实时环境并利用海量数据进行实时决策。在智慧家庭、智慧医疗、智能汽车、智慧城市、智慧楼宇、智能工厂等场景中，宽带传感器将大规模部署，用于获取人工智能所需的海量数据。大数据是机器学习成功的基础，也是6G网络吞吐率实现数量级提升的重要驱动力。此外，网络感知、非地面通信等新能力将成为6G移动系统的有机组成部分，利用无线通信信号以及海量网络节点和终端设备本身的感知能力，实现对大面积区域的实时环境监测和成像。高性能工业物联网应用在确定性时延和抖动方面对无线性能也提出了更高的要求，可用性和可靠性必须得到保证。例如，时间敏感的命令与控制、多机器人运动协调与协作，都要求高性能。这些应用场景也是6G极致、多样化性能的驱动力。2.驱动力二：普惠智能未来几十年，数字经济将继续成为全球经济增长的主要动力，其增速将远高于全球经济增长本身。以2019年的统计为例，数字经济的增速是全球经济增速的3.5倍，达到15.6万亿美元，占全球经济总量的19.7%。预计到2025年这一占比将达到24.3%。按投资杠杆比较，在过去30年，数字经济投资每增加1美元，就撬动20美元的GDP增长，而非数字经济投资的平均杠杆率仅为1:3。移动通信是信息和通信技术（Informationand Communications Technology，ICT）产业中最具活力的领域之一，对人们的生活产生了深刻影响，缩小了数字鸿沟，极大地驱动了社会整体生产力的提升和经济的增长。到2024年，预计移动技术与服务将贡献全球GDP的4.9%（接近5万亿美元），日益普及的移动服务在提升生产力和效率的同时，也会使更多的行业受益。相信这一发展趋势将持续到2030年及更远的未来。随着普惠智能成为未来商业和经济模式的重要基础。原生AI支持：尽管5G在核心网设计中引入了一种新的网络功能（即网络数据分析）来实现智能化，但目前AI在网络运维管理中的应用范围仍然有限。实际上，5G仅将AI视作一种OTT（Over-The-Top）业务。6G则不同，在端到端移动通信系统的设计环节就考虑了对AI和机器学习的最佳支持，AI不仅仅是一项基本功能，还要实现最优效率。从架构角度看，在边缘运行分布式AI可以达到极致性能，同时也能解决个人和企业的数据所有权归属问题，满足不同国家和地区的监管要求。6G的“原生”AI支持旨在随时随地提供AI服务，并通过持续优化，不断提升系统性能和用户体验。因此，智能化达到了真正无处不在的程度，并与深度融合的ICT系统相结合，在边缘侧提供丰富的连接、计算和存储资源，成为6G的原生属性。相应的算法、神经网络、数据库、应用编程接口（Application Programming Interface，API）等能力也必须作为网络实现的一部分集成到6G系统中。具备原生AI支持的6G网络架构将实现AI的联网，从现在的集中式“云AI”转变为将来的分布式“互联AI”。原生数据隐私保护：在5G及前几代网络安全能力的基础上，6G将隐私保护纳入关键设计要求和原则。为6G组网和数据提供全面的隐私保护变得至关重要。一方面，数据所有权和访问权这两个关键因素对网络架构的隐私保护实现提出了挑战。另一方面，原生AI的网络架构也对分布式数据处理和访问能力提出了隐私保护要求。数据虽然是靠网络和应用的服务提供商来保障隐私的，但是由数据主体的用户行使授权的，应该让作为数据主体的用户来行使控制和操作数据的权利。下一代系统的设计应该将隐私保护作为首要任务，而不是一个附加特性。同时，还应确保数据主体的数据拥有权，在数据主体的授权下使能对数据的控制、操作和处理，适配数据隐私/保护条例或律法（如欧盟的《通用数据保护条例》），为未来的技术设计和应用建立基本的指导原则。原生可信：为支持各种应用场景和多样化的市场，必须为6G定制可验证和可度量的可信体系。5G和前几代通信网络中的运营和授权都采用集中模式，未来6G将有可能演变成一种多方参与、共建共赢的模式。这种商业模式要求可信架构必须顾全诸多因素。一个开放包容的多模信任模型，会比以往的单一信任模型更适合6G网络和业务。因此，一个值得信赖的6G架构除了要适配未来的网络和业务需求，还应考虑网络安全（security）、隐私（privacy）、韧性（resilience）、功能安全（safety）、可靠性（reliability）等多方面的可信因素。多元生态：AI的三大要素是数据、算法和算力。然而，单个企业可能不具备这三大要素的所有能力，无法独立地完成以智能化、快速技术创新为特征的数字化转型。如此一来，构建一个开放、可持续、多方协作的生态系统，是实现商业成功不可或缺的前提。并且，随着5G能力的逐步扩展，垂直无线市场预计将在21世纪20年代持续升 温。ICT领域和运营技术（Operational Technology，OT）行业的玩家已在探讨如何开展合作，创造新的收入来源。在此6G时代序幕开启之时，构建一个通用的ICT框架大有裨益。这个框架可以为所有行业提供全局视角，从而加速ICT和OT领域的合作与融合。第一波6G商用有望为消费者和垂直行业两大市场都注入强劲动力。3.驱动力三：社会责任与可持续发展我们以新冠肺炎为例来谈谈社会责任与可持续发展。这场全球危机影响了全世界几乎每一个人。疫情期间ICT行业奋起抗疫，在挽救生命方面发挥了关键作用。无线通信和定位技术能够追踪感染病人和监测疾病传播。为了减少医务人员的暴露风险，在5G医疗自动化领域涌现了许多重大创新。为了减少人员聚集同时又活跃经济，很多国家充分利用了基于无线网络的各类远程应用，如远程医疗、远程教育、远程办公、工业自动化、电子商务等。移动产业在这场疫情中支撑着全球经济的运转和社会的运行，由此产生的应用场景又反哺移动产业的未来技术演进。移动网络有可能彻底改变商业、教育、政府、医疗、农业、制造和环境，以及我们与他人互动的方式。移动网络在不断促进社会进步，并完全有可能重新定义人类世界。根据GSMA报告，联合国在2015年提出了旨在改变世界的可持续发展目标，而移动通信是实现这一系列目标的核心基石和重要手段。围绕其中所有17项目标，移动产业都扮演着休戚相关的重要作用，并且这种影响力与日俱增，为数字经济提供了坚实的基础，成为多样化创新业务的催化剂。华为和联合国分析了ICT与可持续发展目标相关性的量化基准[7]，用以衡量ICT技术发展在多大程度上促进可持续发展目标的达成。根据2019年的评估，ICT技术成熟度与可持续发展目标的推进呈现出强相关（相关度为0.86）。在环境的可持续发展方面，ICT技术演进深刻影响目标7（经济型清洁能源）和目标11（城市与社区的可持续发展）的达成。世界正在日益城市化，预测显示，到2030年，城市人口将达到50亿，这些人口只占用3%的可居住土地，却消耗高达60%～80%的全球能源[8]。随着每比特能效的持续提升，ICT技术将越来越趋近碳中和，而基于ICT技术的智能电网、智能物流、智能工业等丰富的解决方案将使未来世界变得更节能，增进世界发展的可持续性。截至2020年，全球约60%的人口已经接入移动网络。另外的40%，有望在5G和6G网络中通过融合卫星通信等技术实现联网。举例来说，5G网络已经尝试将非地面接入技术融入5G新空口中。而雄心勃勃的星座卫星计划，将集结成千上万颗超低轨卫星以加强地空通信，并可能在6G时代结出硕果。通过移动网络提供的业务、应用与内容，有助于扩大经济融合度、增强社会凝聚力。物联网、大数据、人工智能、机器学习等新兴技术，越来越多地集成到网络基础设施中，为社会与环境的深入变革带来了巨大潜力。由于ICT技术与可持续发展目标的高度关联性，我们必须全面考虑6G通信系统和网络的设计如何支撑可持续发展目标的达成。1.3　总体愿景移动通信在短短四十年内彻底改变了世界。今天，不仅个人的工作和生活高度依赖无线网络，企业的数字化转型也离不开它。随着最新一代5G技术逐步落地，无线网络将从联接每个人扩展到联接万物。这种超联接让社会的全面自动化成为可能。同时，无线创新的势头也有增无减。正如Science, the endless frontier一书所指出的，无线技术的探索永无止境。未来十年无线技术将不断创新，基于机器学习的人工智能将会崛起，而把物理世界复刻为数字世界的数字孪生也将诞生。人工智能与数字孪生将形成双轮驱动，进一步助推技术的突破。由此产生的6G网络将重塑社会和经济，为未来的万物智能奠定坚实基础。作为下一代无线通信技术，6G将从人联、物联过渡到万物智联。随着社会迈向万物智能，6G将成为人工智能普及的关键因素，将智能带给每个人、每个家庭、每辆车和每个企业。6G就像一个遍布通信链路的分布式神经网络，融合物理世界与数字世界。它不再是单纯的比特传输管道，在联接万物的同时，也能够感知万物，从而实现万物智能。因此，6G将成为使能感知和机器学习的网络，其数据中心将成为神经中枢，而机器学习则通过通信节点遍布全网。这就是未来万物智能数字世界的图景。6G将推动所有垂直行业的全面数字化转型。它提供多T比特速率、亚毫秒级时延、“七个九”（99.999 99%）可靠性等极致性能。与5G相比，6G将在关键性能指标上取得重大飞跃，部分指标将提升超过一个数量级。6G将提供速度、可靠性比肩光纤的高性能通用连接，但一切都以无线的方式实现。由于摆脱了功能和性能的限制，6G会成为通用平台，支持创建任何业务与应用，最终实现“极致连接”！6G的颠覆性技术及重大创新，会与前几代拉开显著差距。原文链接：https://blog.csdn.net/Piotr_ce/article/details/123068170?spm=1000.2115.3001.5928

2022年RPA行业发展十大趋势，六千字长文助你看懂RPA2022年RPA行业如何发展?十大趋势助你看懂RPA行业未来这里有2022年RPA行业发展的十大趋势，关注RPA的朋友定要收藏!文/王吉伟从2019年RPA元年开启，到现在金融、电商、政企等领域人人皆谈，RPA在中国的发展仅仅用了三年。这个速度，比之前预计的都要快。RPA不只表现出了“中国速度”，在全球范围内也正处于高速发展阶段。HFS Research研究数据显示，2016-2018年RPA全球市场规模的年增速均超过50%，预计2022年全球市场规模将达到43.08亿美元。虽然持续的新冠疫情对全球经济造成了巨大影响，让很多行业出现了倒退迹象，却也间接刺激了各大组织对于自动化和智能化的需求。Gartner预计，2022年全球90%的大型组织将以某种形式应用RPA;到2024年，RPA市场继续保持两位数的高速增长。更有相关数据预测，2019 年到 2029 年，10年内全球机器人过程自动化市场将以 33% 的复合年增长率高速增长。这表明在未来3-5年内，RPA行业将是增长最快的软件市场之一。随着更多领域越发了解RPA，它也从原来的技术领域更多地渗透向业务领域。以前关注RPA的多是CIO与CTO，现在财务、人力资源、共享中心等领域的业务高管们，也正在成为RPA的狂热粉丝。狂热意味着需求，有需求自然要购买。各大组织偏爱哪些技术与工具，要看CPO们的采购清单。德勤发布的《2021年全球首席采购官(CPO)调查报告》显示，在创新技术采购领域，RPA已成为首席采购官们的采购重点。RPA的采购率从2019年的2.4%上升到2021年的27.5%，增长了10倍以上。多个报告和多组数据皆在表明，未来几年RPA市场规模将会呈现超高速增长。而要适应一个这样的高速发展的市场，RPA厂商们就必须紧紧把握千载难逢的机会，持续创新与突破求发展。更要看清行业的未来发展趋势，结合自身优势做专、做精、做强，不断夯实自身以更稳健地前行。2022年RPA行业会有哪些发展趋势?RPA厂商们会有哪些动作?本文，王吉伟频道总结并预测了行业未来十大趋势，帮助大家进一步了解RPA行业。趋势一：RPAaaS将会更进一步近些年RPA正在逐步向云计算迁移。同时云计算、大数据等厂商所推出的云原生RPA，本身就具备SaaS或者PaaS属性。“一切皆服务”的趋势下，为了让广大中小企业更方便地应用RPA ，RPA领域也产生了特有的RPAaaS(机器人流程自动化即服务)模式。使用RPAaaS跟使用其他SaaS应用一样简单，只要在网页登陆客户端就能简单开发、配置以及管理业务流程，大大降低了的RPA机器人的开发与应用难度。使用RPAaaS的组织，无需投资昂贵的基础设施、前期许可成本和大规模实施的高额咨询成本，就能获得业务流程自动化能力。这些特点，使得更多组织尤其是中小型企业在业务流程自动化方案的选择上，更倾向于RPAaaS。已经上云的企业，在不涉及核心数据的业务场景中，也会优先选择RPAaaS。我们看到在Automation Anywhere(AA)之后，更多的RPA厂商正在通过自研、投资及收购的模式，积极从技术上拓展RPAaaS。很多厂商都推出了自动化云或者积极推动基于云的RPA部署，进而减低用户在RPA部署与使用上难度，以推动RPA的终极愿景“人人可用”。目前AA、UiPath等产品已经实现了网页端登录，其他厂商也基于客户端实现了不同程度的SaaS化。可以预见，2022年将会有更多厂商在RPAaaS方面更进一步。趋势二：AI深度融合让RPA更加智能这一波RPA热的原因，在于AI赋予了RPA新的生命。AI与RPA的融合，成就了RPA应用市场与资本市场的双重价值。AI与RPA的融合度越高，也就意味着RPA能够适用于更多场景，其商业价值自然也就越高。AI与RPA的技术融合，前两年被称作AI+RPA、RPA+AI或者IPA，现在一些厂商开始主打智能自动化(IA)。基于RPA的智能自动化，将 RPA 和人工智能相结合，以增强端到端流程并加速数字计划。使用 AI 增强 RPA 的企业扩展了业务流程自动化的可能性，以涵盖几乎所有场景。当然，IA的实现路径不只有AI+RPA，但AI与RPA融合的解决方案却是最容易实现且最有效的。基于RPA的智能自动化，现在更多时候被称作智能RPA，也被称作认知RPA、认知自动化、语义自动化或智能流程自动化(SPA)，是指用自然语言处理(NLP)、光学字符识别(OCR)、深度学习、机器学习等人工智能技术增强的RPA。智能RPA 使企业不仅能够自动化重复的基于规则的任务，还能够自动化基于结构化和非结构化数据的预测和预测。有数据统计，自2014 年至今，约 90% 的 C 级高管称其组织中已经存在某种程度的智能自动化。而在实现的方式上，显然更多的中小企业会选择成本更低的智能RPA。另有数据显示，RPA 和智能流程自动化市场在2023年将会达到350亿美元。因此，2022年将会有更多组织尤其是中小型组织会采用智能RPA。趋势三：更多RPA厂商拥抱超级自动化架构超级自动化（Hyperautomation）被Gartner定义为“先进技术的应用，包括人工智能(AI)和机器学习(ML)，以日益实现流程自动化和增强人员能力。”超级自动化不仅涵盖了一系列可以自动化的工具，还涉及自动化的所有实现步骤(即发现，分析，设计，自动化，测量，监控，重新评估等)。它的诞生在于市场需求，大量组织缺乏技术与经验，无法做到根据企业经营战略扩展以及实施自动化，所以必须借助RPA厂商等组织为其提供完整的端到端的自动化，以进一步增强业务流程。超级自动化就是一套自动化方法论和综合解决方案，帮助企业快速实现业务流程自动化。目前，海外RPA厂商的战略规划与产品组合大多都基于超级自动化架构，国产RPA厂商也正在朝着这个方向发展。比如弘玑Cyclone在10月份发布了超级自动化产品矩阵，华为在11月份发布的覆盖全场景、全生命周期的企业级超自动化架构RPA产品WeAutomate 3.0，包括云扩科技的最新产品战略也是以RPA+LCAP构建超自动化平台。同时，从其他厂商的最新产品线中，也能看到它们也在基于超级自动化架构构建更丰富的产品组合。据Gartner预测，到2022年全球范围内的可支持超自动化软件市场将达到近6,000亿美元，折合约4万亿元人民币。同时在增效降本方面，到2024年，超自动化技术与重新设计的操作流程相结合，可为企业降低30%的运营成本。可以预见，2022年将会有更多RPA厂商拥抱超自动化架构。趋势四：自动化优先成为企业管理思维随着RPA日益成为企业数字化转型的重要解决方案，RPA所带来的显著的增效降本在越来越多的业务场景中上演。渐渐地，自动化优先思维(automation first mindset)也开始影响更多组织的管理者，并日益流行起来。自动化优先思维是一种方法论，一种新的企业管理思维。它要求组织在设计、改进或转换工作流程时优先寻求自动化解决方案，能够用自动化解决的问题都交给自动化来解决。自动化优先思维只关注业务流程自动化本身，讲究的是能够用自动化来做的业务全都用自动化完成，并且能够兼容自上而下与自下而上同步进行。这就让以往组织管理的框架式的标准化与更灵活的自动化得以并行，进而解决了成本、效率与稳定不同步的难题。自动化优先思维的出现，是智能化与自动化在各大组织中普及的必然，同时也能推动更多组织更快地推广业务流程自动化。早期应用RPA的组织，现在已将自动化优先思维作为企业管理主要思维，基于此去管理企业经营中更多的业务流程，并已将其升级到战略层。自动化优先思维不只能加快组织的业务自动化进程，更能助力RPA在各领域的快速推广与普及。2022年开始，它将会成为更多组织数字化转型的方法论，也将成为各RPA厂商开疆扩土的指引“神器”。趋势五：数字化转型领域更加认同RPA王吉伟频道一直有一个观点：业务流程自动化是数字化转型的最佳切入点。之所以这样说，在于业务流程自动化能够自下而上地快速帮助企业实现增效降本，杜绝了传统数字化解决方案投入大、工期长、见效慢的通病。同时，基于RPA的业务流程自动化还能凭借非侵入、高扩展等特点，让组织之前投入的IT设备与技术再度上岗。大型组织引入RPA，除了其具备传统自动化所没有的灵活性与扩展性之外，一定程度上更是将其作为粘结剂，通过RPA连接更多的企业管理系统与IT设备，进而实现更高的ROI。RPA让业务流程自动化不再是大型企业的特权，广大中小企业都可以使用RPA简单、快速、低成本地实现业务流程优化。甚至，可以一直使用一些厂商的免费社区版进行业务流程优化。比如某个大型国企的地方分公司，就曾使用100多个来也UiBot社区版。数字化转型的终极目标就是降本增效，而业务流程精简与优化是其中的主要内容。目前而言，使用RPA这样的工具来优化业务流程，相较于任何解决方案都是最简单高效的。在你的借助RPA进行的业务流程优化的同时，RPA也会让你的组织与管理同步实现数字化。这样，组织的数字化转型就能效果与指标兼顾，使得数字化转型更有成效。2022年，随着RPA走进更多组织，它也会在数字化转型领域得到更多认同。趋势六：更多组织建立RPA卓越中心RPA 卓越中心(RPA CoE)是负责在组织中实施 RPA的中心组织。RPA CoE的职能角色包括 IT 专家、RPA 顾问、流程经理以及职能专家等。RPA CoE的作用是建立治理模型、最佳实践和专业知识，以优化投资回报。建立 RPA CoE 有多种好处，比如提高机器人开发周期的效率，以及将 RPA 与 IT 集成等，同时还会提供 RPA 培训、服务和支持。一个成功的RPA卓越中心或者自动化CoE，不能仅在技术上保证RPA的实施，更要深度嵌入RPA运行架构，分析、挖掘与优化业务流程，以自动化优先的原则释放企业劳力资源，保证企业运营更加快速、高效，且错误更少。Horses for Source 2020年的研究数据显示，18%的企业为RPA实施建立了专用的CoE模型，其中88%的企业通过CoE有效提升业务价值。从这组数据，可以看出CoE对于企业应用RPA的重要性。2019年，约有40%企业及组织建立了自动化卓越中心。目前，这些卓越中心正随着RPA的大量应用而向RPA CoE过渡。越是认识到RPA价值的企业，也就越能认识到RPA CoE的重要性。现在国内很多应用RPA较多的企业，已经建立了卓越中心或者类似的职能部门，一些组织的共享中心也开始转变为 RPA CoE。想要让RPA发挥更大的价值，RPA CoE不可或缺，同时它也能帮助企业更好地完成数字化转型。UiPath有一个“企业自动化飞轮”模型，列举了实施自动化的10个步骤，第一个步骤就是从卓越中心建立自动化流程。其他厂商比如来也科技、艺赛旗等也已经推出了RPA卓越中心解决方案，能够帮助企业快速建立CoE以保障RPA的应用价值最大化。市场需求加上厂商的引导，2022年必然会有更多组织建立RPA卓越中心。趋势七：RPA将与更多技术融合与集成王吉伟频道多次提过，RPA并不是自动化的唯一途径。自动化的类型有很多，BPA、iPaaS、低代码、工作流以及AI等技术，都可以实现自动化。但从成本、效率、实施难度等多个维度来看，RPA是实现自动化的最佳途径。Gartner数据显示，RPA是2019年和2020年增长最快的企业软件，两年时间营收便增长了38.9%。随着 RPA 功能的发展与完善，包括RPA厂商在内的各组织也需要将其与其他技术集成以建立这种优势。RPA的大流行，意味着各组织的流程自动化将以RPA为中心，融合与集成更多技术与工具，整合相邻业务流程技术的各项功能，以为用户提供更完整的解决方案。将RPA与非IT系统(如HR系统、财务系统)集成，有助于最大限度减少人为失误，保持数据准确性，提高数据可见性。由此RPA可以应用于更多业务场景，对组织的整体业务转型产生持久影响。基于RPA的系统集成已在很多组织中如火如荼地展开，最常见的就是将RPA集成在原有的ERP系统和CRM系统上，用以打通数据壁垒，优化遗留系统性能。对于那些多达上百种管理软件的企业，在摒弃API解决方案之后，则更加依赖基于RPA的数据处理方式，集成与融合对于他们而言更加重要。2022年开始，组织们更加关心的是RPA如何用得更好，这种需求下RPA必然会集成与融合更多应用。趋势八：RPA易用性持续增强在市场方面，RPA一直朝着两个方向延伸：一是面向政企等B端的大中型组织，二是面向中小微乃至C端的个人用户。几乎所有RPA厂商，都在保证大客户的同时，努力拓展C端用户。一方面，大中型组织致力于让一线业务人员成为平民开发者，技术人员并不会过多关注业务，也只有各部门的业务人员才能开发出真正需要的RPA机器人。而产品易用性，决定了业务人员能否快速稳定的利用RPA开发各种应用程序。另一方面，其实C端的个人用户大部分都是某个组织中的个人，有可能就是一线业务人员，他们足以推动整个组织应用RPA。想要捕获更多的个人用户，就需要不断降低应用程序开发难度，并持续提升RPA的易用性。RPA厂商现在正通过各种手段，不断提升RPA的易用性。这些手段包括推出RPAaaS、融合超自动化架构、推出智能文档识别等更多基于AI技术的功能以及完善开发者生态，目的就是通过打造更便捷的流程识别与编排操作、更简单的非标准数据转化、更具体的业务需求场景、更实用的辅助开发小工具等，让用户能够更简单的使用RPA。现在，“人手一个机器人”“让RPA人人可用”已是厂商们的共同愿景。想要快速实现这些愿景，就需要厂商们首先在产品易用性上做文章。只有让大家像使用手机一样快速上手RPA，才有可能实现真正的RPA人人可用。2022年，各RPA厂商将会通过技术、产品、生态等进一步提升RPA的易用性。趋势九：RPA生态更加开放企业生态能力，是指企业构建经济共同体并对外形成服务输出的能力。生态能力越强，企业规模发展越快，盈利能力越强。对于企业服务领域的RPA厂商而言，生态的重要性不言而喻。RPA生态的参与者，包括RPA厂商，RPA开发者，咨询顾问，系统集成商，技术供应商，技术合作伙伴，代理/渠道商及企业客户。在总生态之下有子生态，多个子生态的运转支撑总生态的运行。要快速拓展市场规模，就要构建涵盖更多领域合作伙伴的市场生态。想要构建持续迭代的技术能力，离不开包含更多技术合作伙伴的技术生态。想要开发者们快速学习及提高开发技能，不能缺少助力开发者成长的开发者生态。想要为客户提供更全面的解决方案，更是离不开与各厂商联合的产品合作生态。对于RPA厂商而言，每个生态参与者都是其构建生态能力的重要因素。而生态能力，又决定了RPA厂商的发展情况。各厂商的基因不同，生态能力的侧重点也有所不同：具备技术基因的，可能技术生态与开发者生态会更强一些;而具备市场与营销基因的，往往市场生态会更完善一些。但不管如何构建子生态，总体的生态能力决定了RPA厂商的未来，也是其核心竞争力的体现。越开放的生态系统，生命力也越旺盛，生态能力也就越强。RPA行业目前也正在呈现这一趋势，比如来也UiBot 6.0社区版开放了含设计、执行、管理、AI能力全流程的免费使用，开发者生态进一步开放。相信有了来也科技的领衔，2022年以后将会有更多厂商进一步增加生态开放性。趋势十：RPA成为重要企业管理软件ERP曾是各组织信息化发展的主要系统之一，然而现在ERP和各种遗留系统却成了各组织数字化转型面临的主要挑战之一。ERP 存储了大量难以提取和迁移的关键业务数据，将数据手动输入 ERP系统既费力又费时且容易出错。新的技术冲击之下，传统的集成自动化已经不合时宜，RPA就成了解决ERP数据提取与迁移的最佳自动化工具。包括Gartner在内的很多机构的分析师预测，ERP将经历巨大转变，其中 RPA、人工智能和自动化将发挥重要作用。这个预测的言外之意，是RPA将会接管ERP。RPA不仅能自动化日常重复性任务和业务流程，也能将整个数据录入与输出的过程创建为可执行程序。不只是ERP的人力操作， CRM、BPM、HR、PM、KM、OA等管理系统的人力操作，同样可以用RPA实现自动化操作。同时RPA可以替代人力在各种系统之间搬运数据，将各种系统连接为一个有序运转的整体。由人工操作ERP到RPA操作ERP，实则是在人与软件之间形成了一个人机协作层。简单重复的流程交给RPA处理，决策性的流程交给人来做。这种人机协作模式正在成为企业运营的主流模式，今后以RPA为中心的面向各管理软件的流程形态将会成为组织运营主体，RPA会接管越来越多的企业管理软件。在接管更多的管理软件的同时，RPA也将成为各组织不可或缺的企业管理软件。2022年开始，RPA的企业级应用属性将会进一步增强，成为企业运营标配。【王吉伟频道，关注TMT与IoT，专注数字化转型、业务流程自动化与RPA。】版权声明：本文为segmentfault「王吉伟频道」的原创文章原文链接：https://segmentfault.com/a/1190000041294883

华为RPA结合OCR、NLP等深度学习AI算法，通过模拟并增强人与计算机的交互过程，实现了工作流程自动化。　　近年来，在数字经济大潮的推动下，在市场、政策、技术等多重因素的驱动下，建筑行业加速推进数字化转型。在国务院、住建部、工信部等多项利好政策的指导下，以技术赋能产业发展，为建筑行业进行数字化、智慧化转型指明了发展方向。　　作为世界500强企业，中铁十一局集团有限公司(下称中铁十一局)积极拥抱新技术，深入探索人工智能、大数据、物联网、云计算等新技术在建筑行业的场景应用与落地实践，不断用技术武装自己，在推进企业数字化转型的路上大步向前，越走越快。通过与华为云产业云的深度合作，中铁十一局将华为自研的RPA智能机器人率先应用到集团财务智能化场景中，在合同文件识别、凭证制证、结算办理等流程中快速响应，提升了集团办事效率和服务能力，为集团数字化实践树立了典范。　　拥抱前沿科技，用AI技术破解发展困境　　武昌，长江南岸一座活力迸发的现代化魅力之城。　　作为全国著名的设计之都，武昌区拥有众多国字号建筑设计单位。其中，中铁十一局集团总部就坐落于此。集团下辖11个全资子公司，拥有国家专利授权33项，省级技术中心1个，湖北省高新技术企业4家。　　作为建筑工程行业中的龙头企业，虽然中铁十一局的业务发展势头迅猛，企业规模也越做越大，但是面对劳动力向新兴产业转移这一大趋势，即使在建筑工程行业中排在全国前列，名声鹊起，也同样面临着招人难、用人难、老龄化严重等难题，出现了在库存管理、项目生产安全监督管理等诸多业务中人手不足的困境。尤其是在企业的共享中心，逐年增加的工作量使得库存管理、时效管理难度加大，迫切需要突破人力瓶颈，利用新兴技术处理操作规范化、重复性较高、耗费时间较长的工作，以此来节约人力成本，缓解共享中心业务人员紧张的局面。　　面对业务发展中的困境，中铁十一局积极寻找数字化解决方案，着力增强AI、BIM、大数据、智能化、移动通讯、云计算、物联网等信息技术集成应用能力，力求借助前沿科技驱动“智能建造”与“建筑工业化”的协同发展，有效提升企业管理效率和水平，为加快推动建筑行业数字化转型做出贡献。　　为此，中铁十一局选择与华为云产业云合作，在集团财务智能化场景中共同探讨使用华为自研RPA智能机器人来解决伴随集团规模日益增长、业务流程复杂漫长等问题，并取得了显著的成效。　　加速推进数字化实践，树立建筑行业转型典范　　在国家“双碳”战略的推动下，绿色环保产业按下了发展“加速键”，数字经济已经成为中国未来发展的重要方向，数字化、智能化的深入发展为建筑行业转变发展方式、转换增长动力、推进建筑产业现代化、促进建筑业高质量发展提供了基础能力支持。　　在数字化转型的进程中，中铁十一局不断用新技术武装自己，从部分替代人工到大规模替代人工，在根本上解决了燃眉之急。同时，借助华为云，中铁十一局将华为RPA智能机器人率先应用于集团财务智能化场景中替代人工操作。　　华为RPA结合OCR、NLP等深度学习AI算法，通过模拟并增强人与计算机的交互过程，实现了工作流程自动化。借助规范的业务流程，华为RPA在中铁十一局财务智能化场景中的合同文件识别、凭证制证、结算办理等流程中快速响应，达到了比人工操作更为高效、精准的能力，避免了人工操作存在的有效工作时间局限性问题，让有限的人力资源从简单重复的低价值劳动中解放出来，转向价值更高、更有创造力的工作中，从而提升了集团的办事效率和服务能力。　　实践证明，借助华为RPA打开待生成凭证任务、预览会计凭证等操作，效率提升了13倍。　　由于华为RPA还能够学习并自动执行既定的业务控制规则，有效避免了人工操作可能存在的理解、执行偏差等问题，为合理管理介入管控提供了辅助，更好更快地控制了风险。除此之外，华为RPA还提供了人机交互界面，并具备了低代码快速开发APP小程序的能力，让业务人员也能够根据需要快速开发应用，为业务创新夯实基础。　　中铁十一局与华为自研RPA智能机器人的携手合作，既是双方针对建筑行业数字化转型的成功落地实践，又是双方针对建筑行业数字化转型中AI应用场景的深入探讨。可以说，双方的合作树立了数字化转型的行业标杆。　　未来，武昌区将充分与华为云产业云合作，通过华为公司的技术、生态及解决方案能力，助力区内更多企业数字化、智能化转型升级，将人工智能技术赋能于更多传统产业，孵化“新技术、新业态、新模式”。  作者：张诚本文转载来自51CTO，原文链接：https://www.51cto.com/article/700357.html

近日，国际数据公司IDC发布 《IDC中国2021H1人工智能公有云服务市场研究报告》 华为云一站式AI开发平台 ModelArts 位居中国机器学习公有云服务市场份额第一 连续三次登上该市场榜首位置 报告指出，在中国机器学习公有云服务市场中，华为云受到政企客户的青睐，在AI云服务市场的竞争优势逐渐凸显。华为云一站式AI开发平台ModelArts可以提供数据处理、算法开发、模型训练、模型管理、模型部署等AI模型开发全流程技术能力；率先支持MLOps；持续构建大模型训练优化能力。同时积极打造开放的AI生态，接入生态开发工具，通过华为云AI Gallery联接AI市场的供、需、学三方，助力解决AI落地时所面临的“AI算力稀缺、AI人才短缺、AI开发难、AI行业应用难”两难两缺难题，推动AI走进千行百业的核心生产系统。面向AI开发者，持续提供硬核黑科技服务 ModelArts人工智能集群服务支持大规模分布式训练。为帮助开发者及企业客户解决训练大模型时面临的技术、成本、资源等挑战，华为云一站式AI开发平台ModelArts提供人工智能集群服务，全场景深度优化，支持大规模分布式训练。从端到端全流程角度看，相比线下开发大模型，基于ModelArts的开发效率可提升4倍以上，并且可以解决超大模型训练的资源可获得性问题。云原生模型开发工具链，助力AI开发效率提升。华为云一站式AI开发平台ModelArts支持将云上资源与开发工具链相结合。面向AI初学者，线上CodeLab支持秒级接入资源，可按需切换；面向深度开发者，支持云上远程开发与自定义开发环境。借助云原生的资源调度，开发者可进一步构筑基于ModelArts云原生的算法开发范式和能力。面向AI生态，搭建“知识”+“实训”的AI开发社区 基于一站式AI开发平台ModelArts，华为云构建了开发者生态社区AI Gallery，这是一个AI资产共享的社交平台，也是“知识”+“实训”的AI开发社区。 AI Gallery汇聚了算法、模型、数据集、工作流等10余种、50000余个AI资产，保障AI开发、应用生态链上的各个参与方都能高效地实现各自的商业价值，降低各行各业开发者在人工智能领域的学习门槛，加速AI的应用实践。面向AI行业落地，全面支持全流程MLOps开发 华为云一站式AI开发平台ModelArts全面支持MLOps，改变了原有分段开发AI模型的流程, 实现全流程自动化的协同迭代开发模式。ModelArts也成为国内首个支持MLOps的AI开发平台。 基于MLOps的理念，华为云一站式AI开发平台ModelArts的Workflow工具提供运行记录、监控、持续运行等功能。通过Workflow工具，实现AI开发、运行及运行后监测的全生命周期管理，加快AI开发到落地的迭代速度，以及效果体验的持续优化。同时，开发者可通过AI Gallery实现Workflow快速构建与能力分享。华为云一站式AI开发平台ModelArts帮助企业实现了AI应用全生命周期管理，大幅提升AI开发效率，加速了AI在千行百业的落地。制造领域，华为云和博世华域基于ModelArts Workflow开发出了刀具状态智能识别Usecase。通过刀具声音识别算法，在保证良品率的情况下，刀具使用效率提升5%以上。基于MLOps理念打造的刀具声音识别Usecase，能够轻松地针对不同刀具甚至其他生产工具进行方案扩展，将声音检测算法应用在更广泛的制造行业状态维护场景；药物研发领域，依托华为云一站式AI开发平台ModelArts与华为云一站式医疗研发平台EIHealth，中国科学院上海药物研究所联合华为云训练了华为云盘古药物分子大模型，赋能全流程的AI药物设计，大幅提升新药研发效率；交通运输领域，深圳机场基于华为云机场智能体快速构建60+调度规则，实现机位分配自动化、智能化，让机场靠桥率提升5%，每年帮助260万旅客免乘摆渡车。转自华为云公众号

文章简介开发者如何抓住时代机遇，学好AI？学习人工智能之前，你需要了解这些。想了解人脸识别算法训练，看这篇就够了！初步了解人脸识别技术的发展，通过平台实例的操作，快速训练人脸识别模型。一文读懂文字识别的关键技术和进展华为云OCR融合了多种图像处理技术，具有高精度，鲁棒性和自适应性等特点。三招弱监督方法，从脏数据中得到一个好模型弱监督学习可以从有着大量噪音的互联网图片中训练出一个可用的模型。AI助力，视频分析全面进入智能时代基于人工智能的视频内容分析可以从根本上解决传统内容分析方法性能低下的问题。全面解读文本情感分析，快速识别正负面评价文本情感分析在社交媒体、舆情监测上有广泛应用，比如商品评价正负面的分析。人工客服质检效率低怎么办？华为云带你体验AI智能质检智能质检使用自然语言算法和预定义规则，分析客服与客户对话，提高效率。前沿技术探秘：知识图谱构建流程及方法知识图谱能破解企业智能化知识挖掘和管理难题，实现知识化转型。图神经网络！打开企业盈利的下一个风口图神经网络能做出更精准预测，提供个性化服务，实现精准化营销。画张图，我们就能秒级洞察千亿级复杂关系如果把关系数据模型比做火车的话，那么图数据建模就是高铁。ModelArts3.0 发布，一个让机器狗学会灭火的AI神器训练、标注成本节省90%，一站式AI开发平台ModelArts打通训练数据到模型落地。更懂开发者的视觉AI开发平台，HiLens为设备DIY一双“慧眼”通过端云协同管理和软硬件一体化开发方案降低开发门槛。华为集齐AI龙珠，“召唤神龙”为期不远系统介绍华为在AI芯片、训练集群到训练框架以及云计算等多方面的技术栈。文章简介【ModelArts】深度解读华为云 AI 开发平台 ModelArts 技术架构在竞争激烈的AI框架和平台市场下，技术解读ModelArts如何脱颖而出？【MoXing】华为云深度学习模型API，助你迅速上手AI开发MoXing是华为云深度学习服务提供的网络模型开发API，它让模型的代码编写更加简单。【昇腾AI】华为秀AI硬件实力，发布算力最强AI处理器昇腾910、MindSpore的推出，意味着华为已完成全栈全场景AI解决方案的构建。【昇腾AI】华为发布昇腾AI全栈软件平台，跨越算力应用鸿沟异构计算架构CANN 3.0、全流程开发工具链MindStudio和MindX，覆盖了基础软件到应用使能。【AI芯片】深度解读达芬奇架构：华为AI芯片的“秘密武器”达芬奇架构是华为自研的面向AI计算特征的全新计算架构，具备高算力、高能效、灵活可裁剪特性。【OCR】华为云OCR关键技术、能力分析，让产品落地做到极致硬件的底层优化、自研算子、优化数据模型，华为OCR背后的技术创新。【对话机器人】从架构、API到应用，华为云如何全局践行AI落地？华为云详解如何更好地实现云上强大AI能力的价值落地。【开源框架】MindSpore！这款刚刚开源的深度学习框架我爱了！通过两个实际应用案例介绍开源框架 MindSpore。文章简介【AI助农】华为云ModelArts零代码开发病虫害识别应用使用ModelArts快速开发农作物病虫害识别微信小程序，用人工智能的力量赋能农业。【AI识图】ModelArts自动分组厉害了，一键完成数据标注、过滤将特征相似的图片归为一类，将特征差别大的图片群分离。【AI写作】哎哟不错哦，ModelArts教你写周式情歌通过大量的歌词数据训练模型，实现AI写杰伦风格的歌词。【AI写作】七夕节来啦！AI一键生成情诗，去发给你的女朋友吧！一个自动生成情诗的AI，大家可以在ModelArts尝试复现模型。【AI识人】青春云毕业：如何用AI为毕业生“拍”毕业照？用AI简单而优雅地实现“云毕业照的拍摄”。【AI写作】要是有AI，我要做“李白”——五分钟开发作诗机器人本案例使用CBS为机器人快速配置技能，通过多轮对话实现机器人写诗技能。【AI聊天】听说华为云AI有个聊天官？——浅谈华小唯打造之路从确定人设、找写手到编写语料，一个会聊天的AI是这样被创造出来的。【AI识人】不知道斯嘉丽约翰逊演过哪些电影？知识图谱告诉你训练电影领域的自定义信息抽取模型，构建知识图谱，轻松查询斯嘉丽主演过哪些电影。 【AI聊天】史上最强DIY，手工制作一只会说话的机器狗在语音识别、自然语言处理、语音合成等技术加持下，机器狗实现更丰富的语音功能。【HiLens Studio体验】快速开发一个行人检测与跟踪 Demo凭借HiLens Studio, 任何时间、地点，都可以实现自己的idea。【HiLens Studio体验】如何用HiLens Studio轻松上手口罩检测小工具用HiLens的傻瓜开发工具做一个口罩识别小工具。【昇腾AI】“一分钟”跑通MindSpore的LeNet模型MindSpore的操作实践，献给踩坑的小伙伴。文章简介AI助力“抗疫”，超大规模计算机辅助药物筛选技术解读短时间完成上千万次的模拟计算，让耗时数月的计算机辅助药物筛选在数小时内完成。为机场安上一双“慧眼”，消灭飞机的“黑色十分钟”仅花三天完成AI模型开发，用AI防范跑道侵入事件的发生。一个AI开发平台是如何参与热带雨林保护的？华为要招聘动物语言翻译师，和公益组织一起用AI识别雨林中不和谐的声音。独家解析：为什么中国物流企业的数字化这么难？防暴力分拣、分拣路径优化、OCR单据识别、运输路径优化，AI正在改变物流行业华为云边缘智能技术新突破，多任务学习助力城市楼宇智能升级两个园区每月节省252 MWh的电量，省了36.75%以上的能源。用AI技术推动西安民俗文化，斗鱼超管团队有一套通过图片秒速识别，显示图片背后的那些历史故事。苏州平江河：借助华为AI让治水不再难借助AI，实现7*24小时自动识别抓拍非法撒网抓鱼、漂洗衣物等污损河道行为。文章简介华为专家亲述：如何转型搞 AI？资深行业人士真实经验分享，非AI专业技术人员转型 AI 技术要注意什么？华为云MVP毛昌启：开发者转型记，AI开发平台的“魔力”ModelArts让AI开发不再遥不可及，将普惠AI切实的落到开发者身上。华为云MVP袁覃：ModelArts助力银行客户经理的变形记看银行工作者如何在3天之内训练出泛化能力强的模型。云享专家潘永斌：在人工智能时代追逐的“后浪”ModelArts资深实践者的AI开发之旅。华为云MVP余浩：AI开发，将简单留给开发者，复杂留给华为云在华为云AI全栈全场景AI解决方案的帮助下，余浩带着他的学生做了很多实用的AI产品。华为云云享专家历天一：ModelArts与HiLens端云协同之路从数据标注、调参到模型部署，ModelArts与HiLens让开发者只需专注自己代码的编写。

今年春节，开发者们大显身手的机会来了！利用华为云AI组件，通过简单部署、训练，就可实现老照片上色、动漫脸照片、聊天机器人等30+有用又有趣的应用实例开发体验。终于能在亲朋友好友面前秀一手开发技术：修复老照片，为黑白照片上色，帮爷爷奶奶找回逝去的青春；给弟弟妹妹亲手做一个动漫脸生成器，看看谁的更像柯南、樱桃小丸子；给侄子侄女做一个聊天机器人，让它成为新孩子王，带来更多欢笑。做完这些开发项目（免费体验入口见文章下方），写出体验中的思路、创意、经历等，还有机会获得康佳KC-V5扫地机器人、雷柏机械键盘、HDC开发者长袖文化衫、华为手环等惊喜好礼。有点心动？看看下面活动细则吧：AI免费参与体验入口：项目名入口人脸图像视频动漫生成https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=5ee56b27-732a-40f3-b56f-13d9349ae67fAnimeGANv2照片动漫化https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=6473b148-f59d-4064-84b6-2b6d78ec546c中文聊天机器人https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=16e6b382-d189-47d9-8b46-5fccd5181544实例感知图像上色https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=792c79a5-cc29-4a65-be37-514ab959a692GFP-GAN面部恢复https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=98399bfe-318d-4ec5-9df3-c2da8746d30bDeepSocial-COVID-19社会距离监测https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=c5c241b2-d02b-49e9-88c8-87c32e2b0e0bU-2-Net生成肖像画https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=7828c948-095b-44ee-88a2-9d308cc079a9re-ID用于人员重新识别的联合判别和生成学习的baselinehttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=97bfb1cd-e78c-48b9-a452-36c6810cd3d2通过CNN识别数字验证码https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=3248a0ca-4d72-4864-b2ba-2309b7a744e8图像去模糊算法之DeblurGAN-v2https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=f9363b7d-5b9b-4c21-b30b-84e9724af684ESRGAN图像超分辨率重建https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=f56d4564-e8a4-4dc1-815d-24f1d45c1a23Super-SloMo 超级慢动作https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=e5a8e29b-b271-4384-819b-cb27eed9b8db基于深度学习对特定建筑的黑白照片上色的模型https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=1a96fd12-38c9-433a-b40b-ae1a22b3eff1Panoptic-Deeplab(全景分割/PyTorch)https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=02dad887-0bda-417d-a1f7-1b3762fef3f3Fast-SCNN（语义分割/Pytorch）"https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=9b6ab7a9-9b05-4751-8473-e6e134f830e8TSD（目标检测/Pytorch）https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=96a7c704-908c-41b8-acd9-0ed6d2894eb5CenterNet-Hourglass (物体检测/Pytorch)"https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=e8087d2d-25ae-4605-a9d5-ec42a60ef5b8DynamicRCNN_目标检测_PyTorchhttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=aa5cc2bb-ccd6-4ab7-9a79-6a94745f28a2使用LSTM算法实现UCF-101视频分类https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=151f5768-5641-4bdf-b0dc-4c4377031d8d基于3D-ResNets实现UCF数据集的视频分类https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=e09e16fa-9553-4a9d-a1cf-76b454eba98d强大的视频抠图(RVM)https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=2316748d-ce18-4345-a720-15d56c8b597eAI创作诗词https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=60658dee-1052-4d26-aacd-9ab5828f0ac4Transformer-机器翻译https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=07c0d966-31fb-469e-b64d-fe347b180f96中英机器翻译https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=7e8663ce-5510-4eeb-a57e-b56322fe9449M-SQLhttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=0446b890-b87d-4fc0-930b-84ddd263c914金融情绪分析FinBERThttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=a9a2dc45-6a1a-4404-8853-e099be013ba1ACGAN-动漫头像自动生成https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=355a64f7-09fc-4db2-971a-6ef14b23dd00pix2pix图像风格迁移https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=9f895d12-facf-41c3-b758-2151906b253dCycleGAN图像风格迁移https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=4553d3b9-bd21-4076-b6a3-efeaa3296333天空背景转换https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=1e793f22-d5a2-4ca3-b768-6b19608b5b25damedanehttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=bfd2134d-d175-4639-9d85-4a16469ea9a9Convmesh 2D图生成3D网格https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=bbd42085-fdda-4588-8d28-d0350d800459图像风格化绘画https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=b4e4c533-e0e7-4167-94d0-4d38b9bcfd63StyleCLIP文本操作图像https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=bc052016-534e-4de0-b618-816cf227db4dStyleGAN3生成高清图https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=e62562a1-29d1-4c6b-a057-b7562f44c642使用单张2D图进行3D重建https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=6179f6fc-be99-41d4-9b19-edbba1fdc702OpenPose手势识别https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=c4cd7777-9d2f-4ebb-a617-e5c3916fcaf7面向未知域和未知类别的小样本学习https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=3a1b5b56-abd8-449e-839d-b3adf48c6599*加粗部分为重点推荐项目*部分项目有时间限制，但可在时限内重新刷新，获得时间延续我们需要哪些主题的稿件？原则上，我们欢迎所有能帮助所有学习使用华为AI平台的人成长的文章！如基于自己的实际使用经验，分享对华为AI的技术分析、使用感受及在项目实战中的经验等。只要跟华为云AI平台有关的内容，我们都欢迎：如果你还没尝试过玩华为云AI应用，或者不知道该怎么写，请你务必仔细阅读下面1-3篇文章，可以让你更快上手：使用ModelArts实现动态生成动漫头像ModelArts自动学习实现动漫人物识别基于ModelArts学习Python编程手把手教你用ModelArts模型部署上线&在线推理（一）基于ModelArts自动学习的超市商品分类定位基于ModelArts的昇腾CANN的TensorFlow模型迁移性能优化分析你将获得什么？我们会把收到的优质内容汇编成册，并注明原作者，积累行业口碑，开放给圈内开发者下载查阅，提供实践参考。对于贡献优质内容的作者，我们还将送出各项大礼！同时，在华为云站内外10+个技术社区醒目位置进行推荐，给与百万级流量资源。优质作者更可获得长期约稿和更多内容合作机会。评奖规则说明来自华为云EI的评审组与华为云社区运营组将联合评审此次征文。专家评分依据 ：文章篇幅、技术含金量、排版美观度、阅读量、点赞、收藏等指标综合评分。其他说明 ：1、一二三等奖不能叠加。2、一二三等奖可与创作小能手奖叠加。3、征文投稿数量不计入月度激励活动文章数量。在哪里投稿？文章需要发表在社区博客； 是时候展现真正的技术了， 点击前往发布标题以 【华为云AI贺新年】结尾，例如：手把手教你用ModelArts模型部署上线&在线推理丨【华为云AI贺新年】。文章末尾需加上活动名称及链接地址：【华为云AI贺新年】有奖征文火热进行中：https://bbs.huaweicloud.com/blogs/325842有哪些需要注意的1、文章内容需体现技术看点，图文并茂，建议字数在500字以上；2、文章要求为投稿人原创，凡转载或抄袭一经发现将取消参赛资格；3、文章须在华为云社区为首发，如华为云平台已有文章内容则视为稿件无效；4、稿件投稿后，华为云拥有该稿件的使用权、修改权等。快来华为云社区博客，一起构建趣味应用！ 点击立即体验如果有任何问题，可扫描下方二维码咨询。添加微信时请备注：报名活动时使用的华为云昵称！扫码添加小助手：