04 如何实现可解释AI？从前面的介绍，大家可以感觉到可解释AI很高大上，那么具体如何实现呢？结合业界的研究成果，我们认为实现可解释AI主要有3类方法： 第一类是基于数据的可解释性，通常称为深度模型解释，是最容易想到的一种方法，也是很多论文里面经常涉及的一类技术；主要是基于数据分析和可视化技术，实现深度模型可视化，直观展示得到模型结果的关键依据。 第二类是基于模型的可解释性，这类方法也称为可解释模型方法，主要是通过构建可解释的模型，使得模型本身具有可解释性，在输出结果的同时也输出得到该结果的原因。 第三类是基于结果的可解释性，此类方法又称为模型归纳方法，思路是将已有模型作为一个黑盒，根据给定的一批输入和对应的输出，结合观察到模型的行为，推断出产生相应的结果的原因，这类方法的好处是完全与模型无关，什么模型都可以用。 05 MindSpore1.1版本的可解释AI能力MindSpore1.1开源版本，在MindInsight部件中集成了的可解释AI能力：显著图可视化（Saliency Map Visualization），也称为关键特征区域可视化。这部分归属于第一类基于数据的可解释性方法，后续我们将陆续开源更多的解释方法，除了第一类，还将包括第二类基于模型的可解释方法和第三类基于结果的可解释方法。 当前显著图可视化主要是CV领域的模型解释，在1.1版本中，我们支持6种显著图可视化解释方法：Gradient、Deconvolution、GuidedBackprop、GradCAM、RISE、Occlusion。其中：Gradient、Deconvolution,、GuidedBackprop和GradCAM等4种方法属于基于梯度的解释方法。 这种类型的解释方法，主要利用模型的梯度计算，来突显关键特征，效率比较高，下面简要介绍下这4种方法：1) Gradient，是最简单直接的解释方法，通过计算输出对输入的梯度，得到输入对最终输出的“贡献”值；而Deconvolution和GuidedBackprop是对Gradient的延展和优化；2) Deconvolution，对原网络中ReLU进行了修改使其成为梯度的ReLU，从而过滤负向梯度，仅关注对输出起到正向贡献的特征； 3) GuidedBackprop，是在原网络ReLU基础上对负梯度过滤，仅关注对输出起到正向贡献的且激活了的特征，能够减少显著图噪音；4) GradCAM，针对中间激活层计算类别权重，生成对类别敏感的显著图，可以得到类别相关的解释。另外2种方法：Occlusion和RISE，则属于基于扰动的解释方法，该类型方法的好处是，仅需利用模型的输入和输出，可以做到模型无关，具体说明下： 1) RISE，使用蒙特卡洛方法，对随机掩码进行加权（权重为遮掩后的模型的输出）平均得到最终显著图； 2) Occlusion，通过遮掩特定位置的输入，计算模型输出的改变量来得到该位置的“贡献”，遍历全部输入，得到显著图。 那么对于具体场景，该如何选择合适的解释方法来解释对应的模型呢？ 为了满足这个诉求，MindSpore1.1版本提供了可解释AI的度量框架，同时还提供了4种度量方法：Faithfulness、Localization、Class sensitivity、Robustness，针对不同解释方法的解释效果进行度量，帮助开发者或用户选择最合适的解释方法。简单描述下这4种度量方法： 1) Faithfulness，可信度。按照重要度从大到小移除特征，并记录特定标签概率的减少量。遍历所有特征之后，比较置信度减少量的分布和特征重要性的分布相似性。与黑盒模型越契合的解释，两个分布情况应当越相似，该解释方法具有更好的可信度。 2) Localization，定位性。基于显著图的解释具有目标定位的能力（即给定感兴趣的标签，显著图高亮图片中与标签相关的部分），localization借助目标检测数据集，对于同一图片同一个标签，通过显著图高亮部分和Ground Truth的重合度，来度量显著图的定位能力。3) Class sensitivity，分类敏感度。不同分类对应的图中的对象的显著图高亮部分应该明显不同。将概率最大和最小标签的显著图进行比较，如果两个标签的显著图差异越大，解释方法的分类敏感度越好。 4) Robustness，健壮性。该指标反映解释方法在局部范围的抗扰动能力，Lipschitz值越小，解释收扰动影响越小，健壮性越强。这些解释方法，具体该如何使用呢？我们将在下一篇文章深入介绍：“可解释AI如何帮助图片分类模型调试调优？”，敬请期待! 未来，MindSpore还将支持更多的解释和度量方法，逐步丰富可解释AI能力，更好地帮助模型调优和增强模型信任度，促进AI规模应用和推广。 了解完MindSpore的关键技术是不是很心动呢！赶紧【点击链接】并【立即报名】，即可在 ModelArts 平台学习到一个经典案例掌握基于MindSpore的深度学习！ 转自 https://bbs.huaweicloud.com/blogs/286730

01 为什么需要可解释AI？在人类历史上，技术进步、生产关系逻辑、伦理法规的发展是动态演进的。当一种新的技术在实验室获得突破后，其引发的价值产生方式的变化会依次对商品形态、生产关系等带来冲击，而同时当新技术带来的价值提升得到认可后，商业逻辑的组织形态在自发的调整过程中，也会对技术发展的路径、内容甚至速度提出诉求，并当诉求得到满足时适配以新型的伦理法规。在这样的相互作用中，技术系统与社会体系会共振完成演进，是谓技术革命。近10年来，籍由算力与数据规模的性价比突破临界点，以深度神经网络为代表的联结主义模型架构及统计学习范式（以后简称深度学习）在特征表征能力上取得了跨越级别的突破，大大推动了人工智能的发展，在很多场景中达到令人难以置信的效果。比如：人脸识别准确率达到97％以上；谷歌智能语音助手回答正确率，在2019年的测试中达到92.9%。在这些典型场景下，深度学习在智能表现上的性能已经超过了普通人类（甚至专家），从而到了撬动技术更替的临界点。在过去几年间，在某些商业逻辑对技术友好或者伦理法规暂时稀缺的领域，如安防、实时调度、流程优化、竞技博弈、信息流分发等，人工智能（暨深度学习）取得了技术和商业上快速突破。食髓知味，技术发展的甜头自然每个领域都不愿放过。而当对深度学习商业化运用来到某些对技术敏感、与人的生存或安全关系紧密的领域，如自动驾驶、金融、医疗和司法等高风险应用场景时，原有的商业逻辑在进行技术更替的过程中就会遇到阻力，从而导致商业化（及变现）速度的减缓甚至失败。究其原因，以上场景的商业逻辑及背后伦理法规的中枢之一是稳定的、可追踪的责任明晰与分发；而深度学习得到的模型是个黑盒，无法从模型的结构或权重中获取模型行为的任何信息，从而使这些场景下责任追踪和分发的中枢无法复用，导致人工智能在业务应用中遇到技术和结构上的困难。举两个具体的例子：例1，在金融风控场景，通过深度学习模型识别出来小部分用户有欺诈嫌疑，但是业务部门不敢直接使用这个结果进行处理，因为难以理解结果是如何得到的，从而无法判断结果是否准确，担心处理错误；而且缺乏明确的依据，如果处理了，也无法向监管机构交代； 例2，在医疗领域，深度学习模型根据患者的检测数据，判断患者有肺结核，但是医生不知道诊断结果是怎么来的，不敢直接采用，而是根据自己的经验，仔细查看相关检测数据，然后给出自己的判断。从这2个例子可以看出，黑盒模型严重影响模型在实际场景的应用和推广。要解决模型的这些问题，就需要打开黑盒模型，透明化模型构建过程和推理机理。那么可解释AI是实现模型透明化的有效技术。02 什么是可解释AI？可解释AI，不论是学术界还是工业界都没有一个统一的定义。这里列举3种典型定义，供大家参考讨论：1) 可解释性就是希望寻求对模型工作机理的直接理解，打破人工智能的黑盒子。2) 可解释AI是为AI算法所做出的决策提供人类可读的以及可理解的解释。3) 可解释的AI是确保人类可以轻松理解和信任人工智能代理做出的决策的一组方法。可见，关注点在于对模型的理解，黑盒模型白盒化以及模型的可信任。 MindSpore团队根据自身的实践经验和理解，将可解释AI定义为：一套面向机器学习（主要是深度神经网络）的技术合集，包括可视化、数据挖掘、逻辑推理、知识图谱等，目的是通过此技术合集，使深度神经网络呈现一定的可理解性，以满足相关使用者对模型及应用服务产生的信息诉求（如因果或背景信息），从而为使用者对人工智能服务建立认知层面的信任。 03 可解释AI解决什么问题？按DARPA（美国国防部先进研究项目局）的说法，可解释AI的目的，就是要解决用户面对模型黑盒遇到问题，从而实现：用户知道AI系统为什么这样做，也知道AI系统为什么不这样做。用户知道AI系统什么时候可以成功，也知道AI系统什么时候失败。用户知道什么时候可以信任AI系统。用户知道AI系统为什么做错了。MindSpore实现的可解释AI计划主要解决如下两类问题： 1) 解决深度学习机制下技术细节不透明的问题，使得开发者可以通过XAI工具对开发流程中的细节信息进行获取，并通过获取到的可理解信息，帮助开发者进行模型故障排除或性能提升； 2) 提供深度学习技术与服务对象的友好的认知接口（cognitive-friendly interface），通过该接口，基于深度学习的服务提供者可以有合适工具对深度学习服务进行商业化逻辑的操作，基于深度学习的人工智能服务的消费者可以获得必要的释疑并建立信任，也可以为AI系统的审核提供能力支持。 转自 https://bbs.huaweicloud.com/blogs/286730

根据俄罗斯卫星通讯社获得的新闻稿，清华大学计算机系近日举行“华智冰”成果发布会，宣布“华智冰”正式“入学”。清华大学计算机系主任尹霞表示，期待华智冰在清华大学计算机创造不可限量的计算人生，同时促进人和人工智能更亲密的接触。 “华智冰”由清华大学计算机系、北京智源研究院、智谱AI和小冰公司联合“培养”。除了作诗、作曲、绘画等才艺，“华智冰”还将具有一定的推理和情感交互能力，这也使“她”大大不同于一般的虚拟人物。尹霞表示，本次推出虚拟学生华智冰，是希望把清华计算机系的人工智能技术整合起来，在数据和知识双轮驱动方面做出一个标杆式的应用系统，也是计算机理论与应用研究结合的一个典范。  >  她对“华智冰”未来的发展也做出期许。她说：“期待华智冰在清华大学计算机系开启新的征程，创造不可限量的计算人生。我们也对华智冰的‘清华旅程’充满期待，希望她能为我们所有人的校园生活增添乐趣，促进人和人工智能更亲密的接触、互动和合作。” “华智冰”的老师、清华大学计算机系副主任唐杰教授还介绍了“华智冰”如何学习。唐杰表示，“华智冰”现在是在成长阶段，刚刚进入清华大学，是一个本科生。我们希望机器像人一样思考，这个时候有很多能力需要不断的学习，所以我们组建一个团队，包括计算机系、人工智能研究院，甚至心理系，以及招生办的各位老师，还有两个公司的支持，包括小冰做认知推理和人机对话等等，还有智源超大规模预训练模型。我们希望在未来，她能持续学习，并且完成负责任务的能力。 “华智冰”的研发也是对下一代AI技术的尝试。研发团队认为，AI正在从感知智能走向认知智能，AI算法的关键也变成如何实现AI认知的主体。因此想做一个面向认知的AI主体。设计虚拟学生华智冰的初衷，是希望她最终能像人一样思考，像人一样不断学习，理解人的想法，主动产生符合用户需求的互动，直观、全面地捕捉人类的需求，这也是对下一代 AI 的尝试。目前团队正在设计“华智冰”的2D和3D数字虚拟人物形象。关于是否要将“华智冰”做成实体机器人，以及实体机器人究竟能在多大程度改变AI主体的智力，团队仍在探讨中。 来源：智能网

“前方道路注意慢速作业车辆。”最近，上海浦东市民在高速公路上驾车出行时，导航软件就会出现这样的提醒。这是试点实施的高德地图“道路作业车辆护卫系统”在工作。入夏以来，暑期、汛期、假期“三期”叠加，交通事故易发多发。尤其是城市快速干道、高速公路上的慢速作业车由于道路作业体量大、信息发布慢、触达范围有限等痛点，经常成为高速公路上追尾事故的受害者。尽管传统的作业车辆采取了增加防冲撞护垫或发光提醒装置等防护手段, 但该类手段仍以被动防御为主，且提醒依赖人眼发现,警示距离较短。近日，浦东公路养护建设有限公司等5家公司10辆道路作业车在全市率先安装了高德地图“道路作业车辆护卫系统”。当作业车辆驶上高速，无论是低速作业，还是定点静止作业，该系统都会实时同步作业车辆位置信息，并通过高德地图APP向后方车辆发出预警，预警范围边界达2公里。AI车道级预警+可视化调度，技术筑起安全屏障“道路作业车辆护卫系统” 是基于视频AI车道级预警和物联网前端技术，将道路作业车辆与高德地图联动，实现“端到端”的精准触达。作业车辆无论是低速作业，还是定点静止作业，系统都会实时同步作业车辆位置信息，并通过高德地图APP向途经车辆发出预警，提示避让，安全预警信息的自主发布率达100%，可大幅降低被追尾事故的发生，提升道路作业车辆的安全性。以往，作业车辆的指挥调度人员需要用路侧摄像机和人工询问的方式来确定车辆作业现场的实时路况，效率低下，而如凭借“作业车辆安全预警系统”可以实现对车辆的AI车道级预警和交警管理部门对作业车辆的全程可视化调度。该系统通过前置摄像头回传的车道视频数据进行视觉AI算法计算,智能识别作业车道,对后车进行车道级定位提醒,更加精准的提醒后方行车避让。除此之外，针对车辆驾驶者提供ADAS行车预警, 会将车辆安全状态及时反馈给驾驶员。比如司机处于疲劳驾驶状态在高速路发生车道偏移,或者城市道路中有行人闯入,会通过车载终端自带的扬声器,对司机做及时的提醒。交警等道路管理者通过系统管理平台，所有作业车辆的实时及历史行驶轨迹、位置、车速等信息都一目了然，作业车辆的前后方均装有视频设备且全程可视，方便管理人员对作业现场及车辆周边的情况实时、全面掌握。“道路作业车辆护卫系统”不仅具有智慧预警和可视调度功能，更是一个完备的作业过程数据库。作业车辆的上路时间、行驶速度、视频图像等各类资料均可实时查看和调用，为日常管理提供了便捷有效的手段。追尾事故占比下降12%，助力上海高速路网“软实力”升级“道路作业车辆护卫系统”在上海浦东的落地，是继沪宁高速无锡段试点成功后，该系统首次进入上海。在前期试点中，使用该系统的车辆行驶提前1公里路段平均车速相比下降37%, 追尾事故占比由81%下降到69%，下降12%。浦东交警支队高速大队大队长陆曙辉说：“当高速公路上有养护车辆在作业时，我们就能够有效的、超视距的接收到这样一个信息，同时高德地图会通过图像和声音的提醒，从而减少交通追尾事故的发生，最大限度的保障高速公路上行车的安全。”陆曙辉介绍：未来，浦东交警会根据首批10辆车试点情况，督促施工单位有效管理作业车辆的规范运营，同时调整事故高发路段亮灯巡逻的密度，为高速公路高危作业车辆构筑起一道智能安全屏障。

这不给笔迹鉴定出难题了吗？？？Facebook 近日公布了一项新的图像 AI——TextStyleBrush，该技术可以复制和再现图像中的文本风格。你只需要输入一个词作为「标准」，AI 就能全篇模仿你的书写风格，一键执行，效果可谓惊艳。与其他字迹模仿 AI 相比，TextStyleBrush 功能更强大，可以从更细微的角度分析文字样式，从而做到在各种角度和背景下进行字迹模仿。 下图是酱油瓶（Soya）替换为茶瓶(Tea）的实现过程：

技术的发展让AI在 场景走进了我们的视线，特别是疫情期间的AI外呼，AI诊断等。我们也经常在生活的各个方面接到过AI语音电话，比如接到AI快递通知，比如接到银行的AI服务通知等等。以前的AI语音还能够一秒听出，现在，随着技术的改进，AI语音越来越拟人化，越来越趋向于真人的声音。那么企业为什么要用AI语音呢？AI语音又为什么要拟人化呢？企业为什么要用AI语音？AI智能语音本质是代替人与目标用户的更高效触达与沟通，传统的企业与客户沟通的方式成本高、效率低，无法触达客户的每个旅程节点。AI智能语音，利用AI辅助人工，在每个客户触点提供服务，涵盖售前、售中、售后的全旅程，自动收集分析每个触点的互动数据，并对客户体验的管理提供数据支持，让客户体验的全旅程自动化、数字化，从而提升客户的购买欲。并且AI语音外呼可以有效地帮助企业降低成本，提高效率。AI语音又为什么要拟人化呢？AI语音拟人化可以天然的拉近与客户的距离，让用户有亲切感，也有更强烈的沟通交流下去的意愿。并且AI语音拟人化，当遇到AI无法解决的问题时，能够更好地支持人工客服无感介入。 直播中介绍的一知智能语音，与华为云高度适配，支持灵活调度，可以根据用户的需求定制最合适的部署方，包括本地化部署、公有云服务器、私有云服务器、个性化深度定制等。直播回放：AI智能语音，企业高效获客的秘密武器一知智能外呼系统：https://marketplace.huaweicloud.com/product/OFFI541183899011121152?marketplace_live_20210610 

和一群热爱AI开发的小伙伴们，一起讨论交流，一起克服拖延症，一起组队打怪…… 这里有华为老师、有带队的队长，更有一群可爱的学习者们，不管你是刚入门的程序员，还是在校学生，只要你想学AI，下半年泡这里就够了！ 队长的意义是帮助团队学员解决问题，督促学员按时学习、提交作业，从而获得高成长值，获得对应的奖励。在此过程中，队长要时刻关注学员的学习情况，组织学员多沟通交流，期待在结营后能分享你们团队的逸闻趣事。 队长在活动过程中不仅要帮助学员解决问题，督促学员按时学习、提交作业，而且要时刻关注学员的学习情况，组织学员多沟通交流，让团队所有学员都能通过实战营得到技能提升。通过实战营组队学习活动，队长可以提升自己的管理和沟通能力，可以锻炼自己的领导技能，优秀队长还可以获得荣誉证书。  如何组队 1、联系华为云AI小助手（微信号：hwyeiqyzn）申请成为队长，等待审核结果；2、队长邀请学员 报名AI实战营 ，并通知学员填写《AI学习团队信息登记表》； 3、队长督促学员 完成课后作业 ，获得团队总成长值，冲刺团队排名榜单。 活动时间 整个实战营组队学习计划分三期进行，队长可自由报名参与第一、二、三期，每期都设有团队排名奖励机制。队长可通过邀请多名学员报名、督促学员提交作业来获得成长值，团队的总成长值（团队所有成员的成长值总和）越高，获奖的几率越大。在实战营活动结束后，将对所有参与组队学习的团队进行一次期末总排名，无论团队只参与了一期，还是参与了三期都默认参与期末总排名，排名前3名均可获得相应奖励。 第一期：7月26日-8月31日前10名队长：希捷2TB硬盘+1000元ModelArts平台代金券+荣誉证书获奖条件：每队总成长值＞2000，团队每位成员上传资产（模型、数据、文章、Notebook、算法）＞20个。第一期获奖团队如下序号队名团队人数成长值成员资产数范围资产总数21Lucky7360038-1666463刚就对了，干就完了9359826-8248519 魔法城堡10270622-773892奥特曼要相信光5247835-11641514稻花香里说丰年7234022-96382第二期：9月1日-10月10日从9月1日开始统计团队成员的总成长值，截止10月10日的前10名队长可以获得奖励。前10名：华为路由AX3 Pro WiFi 6 智能分频3000M +1000元ModelArts平台代金券获奖条件：每队总成长值＞2000，所有成员上传资产（模型、数据、文章、Notebook、算法）不少于20个。第二期获奖团队如下序号队名团队人数1010成长值资产数资产总数21Lucky81272620-38019162奥特曼要相信光77242229-3801128第三期：10月11日-11月20日从10月11日开始统计团队成员的总成长值，截止11月20日的前10名队长可以获得奖励。前10名：罗技G603 LIGHTSPEED 无线蓝牙鼠标12000DPI+1000元ModelArts平台代金券获奖条件：每队总成长值＞2000，所有成员上传资产（模型、数据、文章、Notebook、算法）不少于20个。 第三期获奖团队如下序号队名团队人数1120成长值成员资产数范围资产总数21Lucky8342920-4005514韭菜兄弟6267940-169559期末总排名奖励：7月26日-12月30日凡是在7月26日-12月30日期间申请通过的队长，均可参与排名，榜单按照团队总成长值排名，活动结束后公示。第1名：华为 畅享10 Plus 8GB+128GB翡冷翠全网通双4G手机+1000元ModelArts平台代金券+荣誉证书第2名：华为GT2手表 +1000元ModelArts平台代金券+荣誉证书第3名：华为蓝牙耳机free buds3 +1000元ModelArts平台代金券+荣誉证书获得条件：每队至少上传一个原创可运行的社区案例到AI Gallery！期末总排名前3队未发布原创可运行的社区案例，不予发奖本次活动奖品统一发送给队长，由队长自由分配奖品。除了团队奖励，个人也可以通过积累成长值，获得相应奖品，具体详情点击 实战营活动链接  查看！ 第三期组队情况（10月11日-11月20日）序号队名团队人数1120成长值21Lucky834294韭菜兄弟6267944数据与智能896019 魔法城堡199513刚就对了，干就完了944744希尔伯特空间53296学习AI冲冲冲1326424西电ai学习团队492492奥特曼要相信光720741Elapsed513544不锁年少511445麦叔第一小分队9961暨往开来49317这也能队5668地大武汉队64514稻花香里说丰年8395梦之队53037广厦队324注意：1、 所有参与者只能组建或加入一支队伍，不可跨队；2、 请务必使用个人实名账号参与活动（IAM、企业账号等账号参与无效）3、 鼓励参与者认真学习，不合格的作业会被下架删除处理，恶意刷成长值的参与者取消获奖资格；4、 上传的内容要求为作者原创，凡转载或抄袭一经发现将取消获奖资格，也邀请大家互相监督；5、 活动奖品在排行榜公布后10个工作日寄出，请耐心等候；6、 代金券统一发放给队长，队长可自由转发给组内优秀学员；7、 本次活动奖品最终解释权归华为云所有。

再看一小段：15.强化常态运营监管。严格控制资本过度涌入培训机构，培训机构融资及收费应主要用于培训业务经营，坚决禁止为推销业务以虚构原价、虚假折扣、虚假宣传等方式进行不正当竞争，依法依规坚决查处行业垄断行为。线上培训要注重保护学生视力，每课时不超过30分钟，课程间隔不少于10分钟，培训结束时间不晚于21点。积极探索利用人工智能技术合理控制学生连续线上培训时间。线上培训机构不得提供和传播“拍照搜题”等惰化学生思维能力、影响学生独立思考、违背教育教学规律的不良学习方法。聘请在境内的外籍人员要符合国家有关规定，严禁聘请在境外的外籍人员开展培训活动。这里明确提到：积极探索利用人工智能技术合理控制学生连续线上培训时间。哎，要加油啊，目前成熟的AI应用，在教育领域估计是没啥重磅应用，所以在发文者看来，目前AI能帮上忙的，估计就是应用已经熟透了的人脸识别之类的，发现线上培训时间连续超过30分钟，咔~断掉~

再看一小段，12.做强做优免费线上学习服务。教育部门要征集、开发丰富优质的线上教育教学资源，利用国家和各地教育教学资源平台以及优质学校网络平台，免费向学生提供高质量专题教育资源和覆盖各年级各学科的学习资源，推动教育资源均衡发展，促进教育公平。各地要积极创造条件，组织优秀教师开展免费在线互动交流答疑。各地各校要加大宣传推广使用力度，引导学生用好免费线上优质教育资源。从因材施教的角度来说，某一份好的线上教育资源，也不一定就适合所有学生，如果首先，能够组织优秀教师就同一内容录制各自的教学课件，再分类打标签，然后，再对学生能够打上标签，去推荐适配的教师的教学课件，简直不要太完美。只是这一切都要能够落地的大数据和AI来支持，以及学生的基础数据的采集，挺难的~

来看《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》里面的一小段，6.提高作业设计质量。发挥作业诊断、巩固、学情分析等功能，将作业设计纳入教研体系，系统设计符合年龄特点和学习规律、体现素质教育导向的基础性作业。鼓励布置分层、弹性和个性化作业，坚决克服机械、无效作业，杜绝重复性、惩罚性作业。比如这个“鼓励布置分层、弹性和个性化作业”。这个怎么落地？每个学生布置不同的作业？老师能够做到吗？有这个精力和时间吗？一个班学生有好几十人呢。。。就算是布置统一的作业，批改起来都够呛吧？不然总是听到有老师让学生帮忙改作业啥的~怎么分层？鱼儿在水里活动是分层的，不同种类的鱼活动在不同的水层，这个是鱼儿自己的特性决定的，学生怎么分，现在的做法，如果是按成绩分，类似于分火箭班，普遍班的这样分了，这个是最简单的，但是这样分估计是会被喷的~对学生整体的提升，也并不合理。个人觉得还是按学生的性格特性分会比较好，当然分层后也不是一成不变的。现在大家都戴手环或手表，经过长年累月的使用，收集到足够的数据后，我觉得系统是可以给用户一个生活习性，健康方面的画像的，在这个基础上，给出一些锻炼或提升身体素质的有效，适合每个人自己的建议。其实学生也一样，自己认识自己都是很难的，一个学生到底属于那种类型，什么样的教学、什么样的作业对他是最合适的，这个也需要基础数据支撑才可能比较准确的评估，不知道现在有没有这样的“学生手环”，能够采集学生的日常的学习基础数据？这个应该是最基本的工作。

最近有一个通知《关于进一步减轻义务教育阶段学生作业负担和校外培训负担的意见》。这个通知是中央办公厅和国务院办公厅联合印发的，可以看出它的分量。其实最近教育的改革动态，主要不是教育领域自发的。而是从国家的人口政策的变化开始的，也就是放开三孩，早些年放开过二孩，但这些年下来，效果并不显著，现在放开三孩，要有必要的解除人们不愿多生孩子的障碍的配合政策，才可能效果。这些障碍，一个是房子，一个是教育。这些都是很容易让一般人产生焦虑感的事情。房子的事情不清楚，但是教育方面，应该是AI可以出大力的领域。

AI分析心电图并诊断疾病 以色列理工学院的研究人员开发了一个基于人工智能的新系统，该系统使用增强的神经网络分析心电图，并可以自动检测疾病。 论文链接：https://www.pnas.org/content/118/24/e2020620118 相关报道：https://medicalxpress.com/news/2021-07-clinically-viable-ai-based-tools-medicine.html 材料：通过机器学习预测粘合属性 东京大学工业科学研究所的研究人员开发了一种机器学习模型，该模型可根据单个组件的参数确定粘合和吸收材料的特性。这是首个可预测材料多个不同属性的机器学习模型。 奇偶平价图显示预测值与计算值 论文链接：https://iopscience.iop.org/article/10.35848/1882-0786/ac083b 相关报道：https://phys.org/news/2021-07-bonding-bond-properties-machine.html

--- 2021年7月15日，中国信息通信研究院云计算与大数据研究所在京举办 “2021年可信AI成果发布会”。 会上，中国信通院云大所正式发布《2021人工智能十大关键词》、2021年首批可信AI评估结果，智能语音语义，开发平台、机器人流程自动化、内容安全等产品评测观察，并深入解读可信AI评估体系、人脸威胁情报、护脸计划、《可信人工智能白皮书》等工作。  **可信AI成果发布会现场** 中国信通院云计算与大数据研究所所长何宝宏发布了《2021人工智能十大关键词》并对其进行了解读。十大关键词分别为：可信AI、工程化、大模型、人脸安全、治理、超级自动化、MLOPS、知识计算、多模态融合和行业融合。十大关键词指出在近一年来，人工智能技术、应用和产业等方面呈现出的特点和趋势，为产业的下一步发展提供参考。  **中国信通院云计算与大数据研究所所长何宝宏** 中国信通院云大所人工智能部副主任曹峰解读了可信AI评估体系，并对RPA评估专项进行了解读。曹峰表示，评测工作开展已经近4年，通过制定评测标准体系，建设软硬件测试环境和能力，已经形成专用芯片、智能语义、机器人流程自动化（RPA）、开发平台、内容安全等典型产品和服务的评测能力。截止2020年底，累计已有七十多家企业的近180项产品通过了评测。今年评测品牌正式升级为“可信AI”评测体系，上半年共有30家企业的52款产品通过测试。  **中国信通院云大所人工智能部副主任曹峰** 2021年首批可信AI评测结果：  **华为云的ModelArts同样在列。** 中国信通院云大所人工智能部副主任石霖介绍了“可信人脸应用守护计划”工作进展。“护脸计划”自发起以来，已经形成《人脸识别系统通用可信能力要求》，正在开展第一批可信人脸识别测试，得到多家人脸识别技术企业的积极响应。会上，“护脸计划”宣布建立人脸威胁情报共享机制，由中国信通院云大所联合蚂蚁集团正式发布“人脸应用·威胁动态”。该威胁动态以电子期刊形式，持续提供人脸威胁预警和安全防御服务，构建动态化的防范体系。 中国农业银行研发中心上海研发部处长陈小敏为大会带来《农业银行数字员工应用实践》主题报告，提到RPA作为银行数字化转型底层技术底座，融合了多要素组成数字劳动力，为数字化转型提供新的动力和工具。阳光保险集团首席科学家杜新凯带来《AI技术助力保险数智化转型》的主题报告分享中，解读了AI技术对保险行业带来的创新与变革，随着技术的发展，数字化转型已经逐渐成为各个行业不可或缺的重要助力。 中国信通院云大所人工智能部高级业务主管董晓飞介绍了智能语义产品评测情况。本轮共有12款产品通过智能化分级测试，呈现出如下特点。一是智能交互类产品的意图识别率和任务完成率显著提升，带来更好的交互体验；二是产品能力由数据原生驱动，转变为“数据+知识”的双重驱动，充分发挥了语料库和知识库在语言处理中的效用；三是产品服务重心从效果和性能，转向用户情绪识别和轨迹理解等 “以人为本”的需求。下一步将重点面向金融、政务、医疗、电商等垂直行业制定相关标准，并组织开展相关评估测试、技术沙龙、产业研讨等活动。  **智能语义产品评测颁证仪式** 中国信通院云大所人工智能部高级业务主管李荪介绍了智能语音产品评测的总体情况。本轮共有8款产品通过测试，呈现出新技术产业化应用、特定场景需求凸显、抗攻击干扰能力提升的特点，但对于噪声、数字符号、专有名词等复杂场景和数据的处理和识别能力还有待进一步提高。下一步智能语音将聚焦产业应用需求，从标准制定、评测能力、沙龙活动三个方面，推动智能语音系统抗攻击、安全审核和数据安全方面可信能力研究，落实智慧助手白皮书、标准和评估测试，开展智能语音产品服务基础能力和专项能力的评测。 中国信通院云大所人工智能部工程师董昊介绍了人工智能开发平台评测的总体情况。本轮共有7款产品通过智能化分级测试，呈现出如下特点。一是参测产品基础功能完备，可视化水平普遍较高；二是可视化建模和自动建模模板可大幅降低开发门槛，不同平台的能力差异较大；三是考虑到用户需求和平台定位等因素，部分平台在特征工程、NLP/语音领域的开发能力较弱。 中国信通院云大所人工智能部工程师陈文弢介绍了内容安全评测的总体情况。本轮共有7家企业的18项服务通过测试，通过评测结果来看，已经呈现出基础功能完备、服务易用性较强的特点；但同时也存在小语种支持、高级检索功能不完善等问题。另外，内容识别标签不统一仍然是目前行业中相对突出的问题，因此，下一步，中国信通院将就此开展标签体系标准化工作。 可信人工智能已经成为全球共识，但实践中缺少一套可落地的方法论和落地指南。在本次大会上，中国信通院云大所人工智能部高级业务主管刘硕深度解读了由中国信通院云大所、华东分院、京东探索研究院共同编制的《可信人工智能白皮书》。白皮书从落实全球人工智能治理共识的角度出发，聚焦于可信人工智能技术、产业和行业实践等层面，分析了实现可控可靠、透明可释、隐私保护、明确责任及多元包容的可信人工智能路径，并对可信人工智能的未来发展提出了建议。

 华为官方微博日前发布消息称，基于昇腾人工智能（AI）基础软硬件的“鹏城云脑II”超级计算机在国际超算大会最新一期IO500排行榜中获得两项世界冠军。 消息称，“鹏城云脑II”超级计算机再次刷新世界纪录，蝉联全系统输入输出和10节点规模系统两项世界冠军。其中，全系统输入输出性能得分是排名第二的近20倍，再次验证了“鹏城云脑 II”具备世界顶尖的数据吞吐能力和AI算力水平。 “鹏城云脑II”是华为与鹏城实验室联合打造的超级计算机。对于各种规模的人工智能应用，“鹏城云脑II”均能提供世界领先的数据吞吐能力和尖端算力，服务于从基础研究到产业赋能的广泛用途。 截至目前，在基础研究领域，“鹏城云脑II”已助力多个基础科学领域如大模型研究、天气预测、分子动力学、药物研发、基因分析等进行科研创新模式变革；在重大应用领域，“鹏城云脑II”赋能数字视网膜泛在城市治理、云脑一体化医疗大健康、联邦学习智慧金融，以及“一带一路”的大规模多语种翻译等多个场景。

工业视觉是工业自动化的核心领域，包括检测、识别、测量、定位等关键任务。擅长解决视觉感知问题的AI技术已成为创造价值的重要切入点。今天，全球制造业面临巨大的产业升级压力。除了头部少数大型生产企业，大部分制造业生产线面临需求快速迭代和信息化、自动化、柔性化不足的矛盾：一方面，快速变化的全球市场呼唤按需生产、按需定制、按需迭代的高效产线；另一方面，数据采集难、连通难，自动化程度低，自动化工位之间缺少协同，良品率难于定量评估和精确归因等现实问题，共同构成了制造业效率提升的整体挑战。  大部分制造业企业需要在较短的建设周期里，大跨步补齐信息化、自动化、智能化这三块短板，实现跨越式发展。物联网、大数据、机器视觉、自动规划与决策、自动控制等前沿科技是此过程中的关键技术。其中，AI相关的技术更是由“制造”到“智造”跃升的基础。 **具体到工业视觉场景，为什么工业视觉需要人工智能？** 工业视觉要解决的是如何“看”清制造场景与如何“感知”“理解”关键信息的问题。当前，光学成像技术，多传感器融合技术，感光和光学处理芯片技术大幅进步，使“看得更小、看得更清”成为现实。在此基础上，AI恰好可以帮助我们“感知更准确、理解更深刻”。 以电子制造行业为例，我国相关生产线上与视觉检测有关的工位每年人工成本约60亿元。前沿科技的切入，会将视觉检测这一工序从较粗放、难量化的劳动密集型工位升级为可精准定量、可完整溯源、可智能集成数据的全自动工位，带来生产效率和产品质量的大幅提升。 **在工业视觉领域规划、定义、设计一款产品或解决方案，是一种怎样的体验？** 挑战很大。要说体验么，“苦其心志、劳其筋骨”吧。在工业视觉领域，一个产品的正向开发会经历需求调研、总体方案设计、关键技术验证、子系统方案设计、样机试制、现场方案验证、产品发布和市场推广等环节，每个阶段都要产品经理带领团队在正确的方向上，投入全部精力去打磨和优化。 上述过程中，产品经理的思路需要在宏观和微观之中随时切换：在考虑客户需求、产品定位时需要宏观思考；在考虑技术实现时需要聚焦在各个关键层级的技术细节；在布局产品线时需要考虑差异化配置对各类客户的匹配；在现场方案验证时需要关注具体数据和定制化需求。 但在这个领域做产品经理也是成就感满满的：工业视觉类产品，特别是自动化视觉设备是最能够带给人成就感的产品。当产品成功交付并在客户产线稳定运转时，客户的肯定就是对产品开发团队的最好回报。 来源：雷锋网