新的AI技术发展趋势有哪些？多模态学习技术一定是其中之一。最近，刚刚宣布“自立门户”的微软AI明星产品小冰改名为“红棉小冰”。殊不知2014年诞生的这一个AI对话机器人已经在5年时间里更新到了第七代了，据称能力上正在“无限接近人类”。现在的小冰，不仅是那个会作诗的机器人了，她还会唱歌作曲、阅读朗诵、撰写新闻，甚至去年还办了一个虚拟7位画家的个人画展。多模态识别技术正是小冰越来越像人一样沟通表达的关键之一。多模态技术同样也在视频网站、电商物流、自动驾驶等领域得到广泛。像爱奇艺推出的“只看TA”功能，优酷视频正在使用的视频帧、人脸帧的图向量检索，都离不开多模态识别技术的支持。而像京东淘宝等电商平台的“拍照购”、“拍立淘”的搜索技术背后也都是在计算机视觉技术下，使用了图像、文本和高层语义属性等多模态下的信息融合，才实现高精度的“以图搜图”功能。百度提出的“多模态深度语义理解”，则让AI实现从“看清听清”到“看懂听懂”的进化。可以说，人工智能在通向人的智能的道路上，多模态学习就是一个绕不开的发展方向。因为人类本身就是一个多模态学习的典范。现在，多模态学习技术正在带来众多全新的应用场景。关注AI技术和应用发展趋势的你，想必也想了解下多模态学习的来龙去脉，以及在这些新应用场景中的技术现状与问题。而这些问题也是本文重点探讨的内容。“多模态学习”，正式认识下模态（Modality），虽然不是我们的日常用语，但却十分容易理解。我们每一天都会接触到各种不同来源和形式的信息。正如我们有视觉、听觉、嗅觉和触觉等，那么我们接触的信息就有视频、图像、文字、语音、味道、软硬度等，这每一种信息的形式就可以称作一种模态。模态的范围要比我们的感知能力更宽泛。除了视觉、听觉获得的模态信息，我们也可以利用传感器获得诸如雷达、红外线等不同感应数据的模态信息。此外，模态的类型定义也可以非常宽泛，比如我们可以把两种不同的语言当做是两种模态，把不同结构下采集的数据，也可以当做两种模态。比如，仅仅一个视频内容数据，就是一个高维度、多模态的数据信息，其中包含了标题、简介、评论、字幕等文本信息，也有视频帧的图像、声音，以及连贯动作视频片段的视觉、声音信息。多模态学习，从上世纪70年代就已经起步，几经发展，现在正进入到机器学习特别是深度学习的阶段。通常称为多模态机器学习（Multi-Modal Machine Learning ，MMML），试图通过机器学习的方法实现对多源模态信息进行分析和理解。当前主要热门的研究方向自然是对图像、视频、音频、语义之间的多模态学习。当前，多模态学习主要研究方向有多模态表示学习、模态间映射，多模态对齐、融合、协同学习等。多模态表示学习，研究如何将多个模态数据所蕴含的语义信息数值化为实值向量，通俗理解就是对多个模态的数据进行相关性编码，让不同模态建立起映射关系。按多模态表示共享的方式，主要分为公共表示学习和特异性表示学习，后者由于是分别学习不同模态的特征，可以应用于诸如零次学习、模态间映射、跨模态检索等任务中。模态间映射，研究如何将某一特定模态数据中的信息映射至另一模态。例如，给定一幅图像，通过机器学习得到这副图像的描述，或者给定一段文字，生成一幅匹配的图像。类似于我们学习中遇到的“看图说话”和“以题作画”的问题。模态间映射早已可以应用于语音合成、图像视频描述以及跨模态检索等应用中。此外，多模态对齐，主要研究如何识别不同模态之间的部件、元素的对应关系，以促进学习到的多模态表示更加精确，例如将电影画面、口型、语音、字幕的自动对齐；多模态融合，主要致力于不同模态间的模型与特征的整合，以获得更全面的特征，提高模型鲁棒性，并且保证模型在某些模态缺失时仍能有效工作；而多模态协同学习，主要考虑如何从信息丰富模态上学习的知识迁移到信息匮乏的模态，使各个模态的学习互相辅助。典型的方法包括多模态的零样本学习、领域自适应等。近两年，随着机器学习的模型的飞速进展，多模态学习中出现的映射质量问题、对齐的匹配度量以及融合噪声干扰等问题，都在实现很好的优化解决，为多模态的落地应用做好了准备。多模态学习，正在丰富哪些应用场景？通过以上解释可以知道，其实很多我们熟知的AI技术都可以归类到模态学习当中。比如，像机器翻译，通过输入的一种A语言即时翻译为另一种B语言，其实质就是一种模态之间的映射转化。类似的还有唇读识别和语音翻译，也就是分别将唇部视觉和语音信息转换为文本信息。在图像识别中，会应用到一种“图片语义分割”，即尝试给图片的不同像素区域对应到每一种类型标签，实现视觉和词汇的对应。这就是多模态对齐在空间维度的应用。当然，基于多模态数据的丰富表示以及映射、对齐和融合的应用，可以将目前AI的三种主要感知模态——语音交互、机器视觉、传感器智能进行多模态组合，产生全新的应用场景。在语音交互上，“多模态深度语义理解”技术正在为其带来更深度的应用场景。对于前几年的智能音箱，我们都有这样的感触，那就是语音交互只能完成简单的搜索，一旦多聊几句，就发现机器人要么只有万能的“套路”公式，要么就“答非所问”。这一问题的根源就是人工智能无法更好的理解对话者的深层涵义，也没有灵活的应答机制和内容。此外，也更难理解人的语气、情绪这类情感模态信息，当然因为没有视觉感知，更不可能去理解人的表情、动作、姿态等信息。多模态深度语义理解可以极大改善这类语音交互的语义理解难题。比如，其中一个应用场景是智能汽车的数字座舱，正在从原本单一的车载语音识别，实现融合视觉、语音、车内外场景图像的多模态识别的转变。在实际的语音交互中，车载智能助手不仅可以实现语音的识别，也可以通过摄像头识别人的表情神态、动作，比如识别疲劳驾驶、分心、发热等状况，以进行即时的语音提醒。语音交互也可以更加以人类的自然语言进行交互，而不必要使用生硬的指令型语言。而在以机器视觉为主的应用中，多模态学习技术也带来新的应用可能。以电商平台购物为例，用户的一大痛点就是看到一些“心水”的好物或者同款，但不知道名字，通过拍照识别和检索，将为用户提供最便捷的推荐服务。另外，在电商的智能客服，用户也希望能够通过简单对话或者发送图片、视频的方式处理订单问题。在这些场景中，跨模态检索和映射转化技术就得到了深度应用。比如，在商品推荐和信息流广告中，就需要结合海量商品图像与对应的商品语义属性，学习图像语义特征表达，以提高符合用户需求的商品推荐度。而与智能客服进行的多轮对话中，融入视觉到语言的跨模态转换技术，可以自动实现对用户上传的图片或视频进行自动应答。在传感器智能上，多模态识别技术可以应用到大量的物联网设备场景中。通过在大量的智能设备中增加视觉、温度、湿度和光线传感器，来实现多模态的智能交互。比如在智能空调中，加入语音交互、视觉识别指令，结合传感器判断屋内温度和湿度，可以根据屋内人数、位置等因素来实现更精准的控温方案。而现在更多智能大屏应用，也在将机器视觉、语音交互和一些智能传感器引入到智能硬件中，实现对屋内光线的调节、音量、观看者状态（离得是否太近，是否有未成年人）等因素的智能识别和调节。而近期，华为推出的一款针对办公场景的智慧屏幕，可以根据视频会议中的发言对象进行视角跟踪，将摄像头跟踪、焦点人物识别和身份识别结合起来。正如开始列举的，多模态学习技术更主要的应用还是集中在语音和视觉的多模态识别上。在爱奇艺的“只看TA”的功能中，除了人脸识别要区分是真人还是卡通人物，还要对人体信息，甚至还有微表情、身体语言等识别，多模态技术成为视频场景中不可缺少的技术支撑。而在未来的聊天机器人或者智能助手上，多模态学习将帮助智能机器人综合处理图像、声音和文字信息，同时可以进行综合模态，甚至包括情感等特征信息的输出与表达。技术尚在中途，未来仍需努力不过，我们仍然需要指出的是，尽管多模态学习技术已经有诸多的应用场景，但其技术实现仍然有诸多不足，也会有一些场景仍然是“伪多模态”的技术应用状态，导致一些场景体验仍然不能“尽如人意”。现在的多模态技术的结合多为“松耦合”状态，各个模态可以一起工作，但耦合之下还不够十分紧密。也就是现在更多实现的是两种模态信息的转化和融合。而一旦多种模态数据增加，耦合也会增多，冲突也就会增加，产生各种噪声。比如，对于聊天机器人，如何在回复的声音、文本中增加情感特征，就是一件非常困难的事情。因此，我们遇到的一批智能机器人都很容易是冷冰冰的客服腔调，以致于我们确实不好识别对方是真人还是机器人多模态技术主要还是采用已标注的多模态数据来生成深度学习模型，这导致这些模型在真实场景下的泛化能力受到很大限制。现有的多模态技术更多要与知识图谱结合，融入专家、常识等知识，利用数据和知识的联合来让多模态技术建立其“智能”的作用。此外，正如一位专家指出的，当前的多模态技术还是属于狭隘的单任务学习，整个训练和测试的过程都是在封闭和静态的环境下进行，这就和真实世界中开放动态的应用场景存在一定的差异性。这距离人类在真实场景中的泛化的多模态感知相距甚远。未来为提高多模态的泛化感知能力，可以利用元学习的方式来让模型自己学会如何认知新的多模态知识，实现适用于开放动态场景并具备终生学习能力的多模态模型。而在推动AI的推理能力上，在多模态模型训练的过程中，可以引入自监督、自学习的推理性任务，“强迫”多模态模型进行推理和思考，这也能在一定程度上让机器去慢慢学会推理。通过多模态学习技术实现AI的推理，看起来难度极大，这一假设还需要未来更多实验和验证。总的来说，多模态技术已经在试图“复制”人类在日常生活中的各类场景，尽可能把人类的感知信息进行分析处理和整合，并实现更全面综合的理解，也能结合“数据”和“知识”给出相应的回应。但这距离真正的人类级别的智能还有质的差别。当然，人们对多模态技术的发展前景仍然看好，相比于只侧重单一模态的技术，多模态技术所构建的智能应用场景将更多样化，也与我们普通人期待的智能生活更近一些。更何况，多模态技术仍处在“襁褓状态”，我们应该留给它足够长的成长时间，等待美好发生。

就在不久前，国际权威分析机构Gartner发布了最新《Market Share: IT Services, Worldwide 2019》研究报告，华为云全球IaaS市场排名上升至第六，增速高达222.2%，全球增速最快，中国市场排名前三。仅去年一年，华为云便与2000家技术合作伙伴开展深度合作，云市场上架伙伴应用数量3500个，实现技术生态的商业闭环，形成紧耦合的技术生态。应该说，作为全球领先的ICT解决方案供应商，华为在云服务、云应用方面全速奔跑，全力出击，正是对整个云领域发展前景与升级态势的敏锐洞察。随着数字化进程的深入，大型政企“上云”和“智能化”驶入到波澜壮阔的深水区，而企业在本地数据中心部署的云基础设施，也随之迈进新的历史转型期。对于企业用户而言，转型上云是必然的的时代趋势，而如何上云，则成为当前及未来发展进程中亟待解决的问题。借助大数据、人工智能等技术“东风”，众多企业用户在探索中实践，在变革中前行，不断积累着关于业务上云的经验，与此同时，一系列新的挑战也在这一过程中接踵而来。如何快速获得人工智能、大数据、区块链等创新业务和丰富的生态资源？如何实现业务的按需使用、弹性扩展、持续迭代，把公有云带回家？如何围绕业务的全生命周期，打造云时代的运维新体系？如何有效满足安全合规诉求，让政企上云更省心安心？……这些问题，是否让你有很多问号？鉴于此，华为云集结了超强全明星专家阵容，将于5月15日10:00~12:00，准时与您相约官网直播间，在线举行华为云混合云战略暨新品发布会，届时将重磅发布包括新品在内混合云全系列产品，立体解读华为云混合云行业场景，打造最佳混合云体验，并针对用户上云困扰进行答疑解惑，助力广大政企客户应对转型挑战，加速行业数字化转型与智能化升级。作为华为企业业务全球性总经销商，中建材信息技术股份有限公司在践行“平台+AI+生态”理念，助力产业智能化升级之路上，始终与华为同舟共济，砥砺同行。本次华为云混合云战略暨新品发布会，我们同样期待您拨冗参与，跨越时空的阻隔，借助网络的力量，与我们在线相约，远程联动，共同聆听华为最新的混合云技术研发成果与专业解决方案，洞悉瞬息万变的云领域新业态与新动向，感受华为云“融领创新，浑然天成，化云为雨”的生态理念，共同升级云服务，拓展云平台，优化云应用，引领企业用户实现产业升级，打通万物连接，奔向智能时代。

【摘要】 modelarts自发布以来，不断地更新增加新的功能来为AI工程师们带来新的服务，在这次的全联接大会上EI服务产品部总经理贾永利宣布——华为云AI重装升级，并重磅发布一站式AI开发管理平台ModelArts2.0。贾永利表示，“2019年华为完成从芯片到软件的全栈AI能力集结，华为云AI重装升级。通过技术创新，我们希望为AI开发带来全新体验，一方面大幅降低初学者的门槛，让更为广泛的AI初学者群体和庞大的软件开发者群体都能快速掌握AI技能，把AI用起来；另一方面显著提升专业AI开发者的效率，让算法工程师、数据科学家们聚焦基础核心的算法研究与创新，释放他们无限潜能。  ”新的版本带来更智能的服务modelarts2.0其拥有十余项新特性及服务，包含智能数据筛选、智能数据标注、智能数据分析、多元模型自动搜索、ModelArts SDK、图神经网络、强化学习、模型评估/诊断、模型压缩/转换、自动难例发现、在线学习等，覆盖AI模型全生命周期。自动化AI数据处理ModelArts2.0通过智能数据筛选，用AI的方式自动过滤和筛选出对训练模型无效的数据。以视觉类场景为例，失焦、过度曝光图片往往不能参与标注；从业务场景上看，有些不符合要求的也不能参与标注。华为云将业界传统的主动学习进行升级，首次提出混合智能标注技术，可以让标注效率获得至少5倍以上的提升。除了自动标注，ModelArts2.0还将上线数据评估与诊断功能，目前已经提供基于样本质量特征、图像全局属性、标注特征20种左右的特性的自动提取和可视化能力，帮助开发者识别数据的深层关系，指导开发者对数据进行优化。业界领先AI模型训练独创的多元搜索技术，将自动数据增强、超参自动搜索、神经网络架构搜索等技术进行融合，可以帮助用户快速构建AI模型，并且在精度表现上远超业界水平。开放ModelArts SDK，支持集成第三方开发环境(例如PyCharm)，为企业级应用打通开发流水线，供开发者按需灵活调用云上强劲算力，支持线上线下协同的开发环境。针对更加专注于数据建模和问题解决的资深算法工程师和数据科学家，华为AI计算框架MindSpore 提供自动化的并行能力，只需简单几行描述就可以让算法跑到几十乃至上千AI运算节点上。提供强大的自动微分能力，从源码级别帮助实现微分算子的自动开发，极大释放专家们的创造力。完备的AI模型管理对于算法开发人员来说，对模型性能的评估以及调优是一项重要且难度极高的工作。ModelArts2.0提供了丰富的模型评估接口和可视化能力，并且能够基于评估结果给AI开发者提供模型诊断建议，辅助开发者对模型进行调优和增强。持续进化AI模型推理ModelArts 2.0业界首发难例自动发现功能，结合在线学习方式，打通运行态和开发态，让模型随着数据的增长和变化，也可以在线持续学习和进化，真正提供企业级的可进化的AI。该功能已经率先在华为云自动驾驶云服务Octopus上试运行。华为云AI重装升级，ModelArts2.0性能飞跃从2012年到现在，人工智能计算的能力增长了30万倍，同时期的芯片性能提高了30倍左右，这远远超过了摩尔定律。但仍然难以满足以指数级增长的AI算力需求，这对于计算体系结构也提出了挑战。在实际的开发工作中，AI对于算力的需求可以说是无止境的。换句更容易理解的话来说，就是AI应用落地最大的挑战是识别度、准确度不高，想要提高AI模型就需要更高的算力支撑。为了给开发者提供充裕经济的算力，9月18日，华为副董事长胡厚崑在华为全联接大会上发布了基于Atlas 900的华为云EI集群服务，以解决当前业界算力稀缺的问题。作为全球最快的AI训练集群，华为云EI集群服务代表着目前全球的算力巅峰。据悉，华为云EI集群服务巅峰算力的背后，是华为工程师们用集体智慧实现从底层硬件到软件构架全栈优化。而ModelArts2.0能够支持华为自研的世界最快AI集群——Atlas 900，训练速度业界第一。业界普遍认为，AI是一项通用目的技术。这意味着，所有行业都有可能被 AI 带来的技术与理念所重构，这是技术进步带给产业的全新机会。作为贯通AI底层架构与AI基础能力的开发平台，ModelArts肩负着使能各行业AI开发流程与生态搭建的平台使命。基于ModelArts 2.0，普通用户都可以以极低成本训练一个模型，企业级开发者可以一站式完成复杂模型的训练与部署。实际上，拥有超强功能的ModelArts 2.0可以说是华为云在AI领域的先锋解决方案，也是华为云全栈全场景AI能力升级的一部分。在普惠AI这条赛道上，华为云正快速奔跑。依托华为全栈全场景的AI能力，相信华为云未来也将带来更先进的AI技术，使能千行百业。

5月27日竹间智能COO孙彬老师做客华为云云市场直播间，给观众带来了《AI能力整合，做企业的“最强大脑”》的主题分享，介绍了华为云联合竹间智能打造的AICC智能客服系统。AICC是AI Contact & Collaborate的简称，那么竹间智能AICC能做什么呢？一、电话机器人1）防疫机器人：为企事业、政府机关部门、街道、居委提供疫情防护机器人，覆盖4大类场景：人员进出异地筛查、每日身体状况调查、口罩购买提醒、员工返程确认，有效降低基层组织的防控压力和极大的提高效率。2）催收机器人：催收机器人主要用来解决银行(信用卡)、互金、P2P、和汽车金融行业的贷后催收管理，满足企业客户在金融 M0 / M1 / M2 阶段的催收需求，实现全流程、智能化的业务运营。3）满意度调查机器人：为企事业的售后服务提供自动化的智能调查服务，主要覆盖：金融服务，家电售后，教育，零售、汽车等传统行业。实现智能化的主动触达，快速完成客户意见/反馈的收集。4）HR招聘机器人：为企事业的HR 业务提供3大类场景：人次唤醒、入职提醒、招聘邀约 (目前已上线蓝领岗位、软件工程师、实习生，在快速扩充ing)，提高HR 工作的效能和效率。5）回访机器人：回访机器人主要用来满足企事业客户针对产品、服务的回访，主要涵盖：银行服务、保险理赔、证券开户、家电服务等回访场景，用AI 来改善传统回访工作的低效率现状6）营销机器人：营销机器人主要适用于电话营销的行业，能实现快速的沉睡客户激活，意向客户筛选，为企业赢得先机。覆盖以下行业： (银行)信用卡分期、(消费金融)沉睡客户激活、幼教推广等场景。 二、坐席助手1）金融行业坐席助手：智能辅助保险、证券、银行等金融行业坐席，涵盖：银行服务、保险理赔、证券开户等场景。通过自动提示业务知识、业务办理流程，提升坐席服务效率，降低人力成本；实时质检坐席服务，提升客户满意度。2）政府热线助手：为政府热线坐席自动推荐市民诉求解决方案，热点问题、突发事件实时监控预警，帮助热线机构提升市民诉求解决效率，及时获知社情民意。3）销售助手：主要适用于电话营销行业，通过销售策略提示、客户画像自动构建、优质客户筛选，帮助企业挖掘价值客户，提升销售成单率。主要覆盖行业：保险销售。4）医生助手：主要用来提升互联网医生问诊效率，在问诊过程中，即时提示药品资料、诊断流程等信息，帮助规范药品使用建议，提升问诊效率。 三、智能客服1）健康顾问智能客服：提供健康顾问服务，通过营养知识图谱、生活习惯多轮问答的对话方式，解答用户对健康、营养、生活习惯的疑问，最终为用户推荐健康的饮食生活习惯。2）电商智能客服：适用于电商领域，智能问答贯穿于售前、售中和售后全服务场景，覆盖商品咨询、智能营销、智能催单、地址核对、物流发货、售后退款等关键节点，同时搭配转人工处理，提高用户满意度。3）智能票务客服：通过一问一答智能对话方式，实时解答票务信息及完成订票（火车票、机票等）需求，与传统互联网订票方式互补，降低客服服务压力和提高服务效率。4）金融领域智能客服：在金融领域，覆盖银行、证券基金、互联网金融场景，除了基础业务如信用卡业务、储蓄业务外，还提供包括虚拟智能投顾如基金投教、基金数据实时查询、股市行情查询等智能问答服务。5呼叫中心智能客服：为传统呼叫中心部门提供智能热线呼入呼出机器人、智能文本机器人及人机协作在线客服全场景闭环的智能客服产品，AI赋能降低客服人工成本、提高客服服务效率。 四、智能质检1）保险质检：为保险公司、银行（银保）等企业的在线客服、电话客服、电销等渠道提供覆盖呼入客服、外呼回访、业务办理、电话销售等业务场景的流程质检、合规质检。帮助客户实现100%质检覆盖率，有效提升工作效率。2）催收质检：为银行、互金等企业，提供覆盖催收禁忌、催收技巧、放款审计等场景的合规质检。帮助客户提升催收技巧、杜绝暴力催收、错误引导客户等违规催收的情况发生。3）多模态质检：综合语音对话质检、语音情绪质检、视频情绪质检、人脸身份验证等多种模态的质检功能，实现多维度、多模态的质检分析。广泛适用于保险、银行、证券等金融行业的双录视频合规质检，符合行业监管要求。4）证券质检：为证券公司提供覆盖语音客服、在线客服、业务呼回访、业务受理等业务场景的流程质检、合规质检。帮助客户实现100%质检覆盖率，有效提升风控监管。5）客服质检：为泛行业客户的电话客服、在线客服提供业务流程、服务态度、服务水平等场景的质检。帮助客户实现100%质检覆盖，有效降低人力成本。6）质检分析：为保险等金融行业提供标准的数据分析模型，基于质检数据，实现保险退保、潜在客户转换、自助渠道办理引流等业务场景的数据分析挖掘，自动输出业务中存在的问题、未来的发展趋势，并给出优化处理建议。 五）Emoti Mate目前竹间智能已在金融、健康医疗、制造、智能终端、政务等领域能够提供完整的解决方案。期待未来竹间智能和华为云能带来更多的AI解决方案。 直播链接：https://bbs.huaweicloud.com/live/marketplace_live/202105271900.htmlAICC-客户智能联络中心配套人工服：https://marketplace.huaweicloud.com/contents/a62579ab-97e4-439a-af82-519e4214ab1a?marketplace_live_20210527

教育向来是重中之重，人才始终是推动国家发展的力量源泉。随着大数据、云计算、人工智能等核心技术的快速发展，AI怎么赋能教育呢？3月18日，华为云邀请知途教育专家，为大家分享了《AI赋能未来，人才培养如何满足发展需求》的主题直播。下面我们来梳理一下直播的重点内容。一、政策加码：国家政策推进 人工智能专业人才培养与发展国家颁布一系列政策，大力推进大数据、云计算、人工智能等核心 技术的快速发展，推动人才培养模式变革，培育经济发展新动能。 大数据、云计算、人工智能专业也被列入战略性新兴产业相关学科 专业，大数据、云计算、人工智能相关专业的建设及应用发展被提 升到了国家战略的高度。 二、就业形势分析：现阶段企业最需要能将AI技术应用于各领域场景的应用型人才作为全球最大的人工智能应用市场，中国人工智能技术落地迅速，已经广 泛应用于多个行业和场景，未来将在现有行业更深入应用，并触达更多行 业场景。中国人工智能核心产业规模也将保持高增长趋势，预计到2025年 中国人工智能核心产业规模将超过4000亿元。数据显示人工智能不同技术方向岗位的人才供需比均低于0.4，说明该技术方向的人才供应严重不足。从细分行业来看，智能语音和计算机视觉的岗位人才供需比分别为0.08、0.09，相关人才极度稀缺。 三、华为云人工智能的发展历程中国本土科技巨头正在不断提升对AI人才的吸引力。目前在中国AI人才最集中的前十大企业雇主中，中国本土企业有5家， 占据了半壁江山。而排在前三位的雇主分别是华为云、百度和阿里巴巴，均为中国本士高科技巨头企业，华为云在技术投入资金、 研发人员数量、专利数量上也是遥遥领先。 四、AI高校学科建设课程体系：11门课程及115个随堂实验，27个实训案例 五、AI高校学科建设端云协同课程体系 六、基于华为云的人工智能实验室建设 七、基于ModelArts搭建AI实验室直播链接：https://bbs.huaweicloud.com/live/marketplace_live/202103181900.htmlAI高校学科建设：https://marketplace.huaweicloud.com/contents/04892340-92ef-432e-8e99-6f15397c0611?marketplace_live_202103018

浙大与阿里细粒度图像识别AI取得最优效果 鸟类判识率达91.3%话说，你能看出这三只鹦鹉有什么不一样吗？脸盲如我，要使出玩“我们来找茬”的十级能力。AWSL，鹦鹉鹦鹉，傻傻分不清楚。结果，AI一顿操作猛如虎，进行了判断：左边的是桃面牡丹鹦鹉，右边的是国家保护动物费氏牡丹鹦鹉，二者区别仅在于喙的颜色以及白色眼圈。小鸟并不孤单，猫猫狗狗和花花草草也在被“找茬”。最近，浙江大学和阿里安全在AI细粒度图像识别技术上取得了新进展，利用RAMS-Trans相关技术先后在公开数据集CUB（鸟类识别）、Standford Dogs（狗类识别）、iNaturalist（动植物识别）的识别上准确率达到91.3%、68.5%、92.4%的行业最优效果，研究成果被多媒体国际顶会ACM MM 2021 收录。论文链接：https://arxiv.org/pdf/2107.08192.pdf

AI化学平台Syntelly开发正确命名有机分子的AI工具AI 化学平台Syntelly的研究人员基于Transformer模型开发了Struct2IUPAC和IUPAC2Struct，可以在SMILES和IUPAC化学符号之间进行转换，实现化学有机分子的正确命名。论文发表在《科学报告》期刊上。 论文链接：http://dx.doi.org/10.1038/s41598-021-94082-y项目地址：https://app.syntelly.com/smiles2iupac相关报道：https://techxplore.com/news/2021-07-neural-network-properly-molecules.html

“不好意思，我很忙”，对着电话里询问是否需要精准营销服务的客服回复完这句，老张已经决定挂断电话。“我理解您平时都很忙，不过请您抽出1分钟了解一下，我们是如何帮您公司提升意向客户数量、高效筛选潜在客户的，您先了解一下再做决定好吗？很多企业都在使用我们这款产品，顺便您也可以做一个市场调研嘛。”老张犹豫了几秒，公司现阶段确实有营销的需求，而且电话里客服的语气诚恳，其实抽几分钟了解一下也无妨，于是他张口道“那行，你再给我介绍一下吧”……像这样的互动对话，对于“AI客服”来说，已经不是难题。从理解起来较为简单的文字、语音，到开始分析人的情感、语义，做出精确的判断并给予回应，越来越聪明的人工智能，能将大量简单、重复、耗时又不可控的工作流程进行自动化处理，在帮助企业提升效率，降低成本方面贡献了新的解法。那么智能客服究竟能做些什么呢？由华为云携手百应科技，推出百应智能联络中心，包括智能语音机器人、呼叫中心、质检机器人等产品，以大数据和人工智能为驱动，帮助企业提升电话营销、服务效率，节约人工成本，真正实现用AI赋能产业升级。百应智能联络中心（以下简称AICC），采用真人语音交互，语义辨认。使用百应AICC可以帮您实现智能外呼、智能接待、智能质检、智能人机交互。百应机器人通过规范化的客户管理，从线索客户开始，直到客户成交，提供一站式的客户管理服务。 综合闭环AI核心技术：自主产权的智能语音、语义辨认、大数据分析等AI技术，独立研发的Voicebot全双工智能语音对话机器人的整块技术已拥有核心技术专利。另公司还拥有数十项AI及大数据领域相关专利和软件著作，研发水平一直保持在行业头部。完善智能营销产品矩阵：基于人工智能及大数据技术，百应科技构建了从企业营销、销售到客户服务的一体化智能解决方案，全面深度赋能企业售前、售中、售后环节。帮助企业高效引流、准确获客，以更低成本获取更多的商机，充分挖掘用户价值。强大的AI运营能力：用户可通过可视化话术轻松搭建场景话术，同时通过在线工具实时进行训练不断完善黄金话术。数据化运营工具赋能客户清晰直观掌握话术效果数据，实现透明化、可视化管理，助力企业实时掌握营销效果，有效提升营销及管理效率。百应智能联络中心已在金融、政务、教育、房产/家居等四大行业领域布局，为全球42000+企业提供产业服务，以“全渠道接入、全场景服务，全媒体融合“为一体的智能联络中心整体解决方案，从市场营销，销售、服务三大业务场景出发，快速、敏捷建立企业用户联络体系，致力于让企业与用户智能联接，让每一次沟通具备增长价值。文中提到的商品链接：百应智能联络中心热门上云商品0元体验>>华为云云市场免费试用中心（点击跳转）【华为云云市场，助您上云无忧】

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。