在冯·诺依曼的信息化架构中，缺乏人类的创新能力及人工智能系统的整体要素，智能体中的知识创新并不是通过对已知进行学习，而是通过对未知的探索创造而产生，因而需要重新构建与之对应的人工智能软件工程能力成熟度评价体系(CRMI)，以提高智能体的运用与创新能力。　　　　人工智能软件工程能力成熟度　　管理与评价体系　　CRMI体系简介　　CRMI (Capability Ripeness Model Integration)，即人工智能软件工程能力成熟度管理与评价体系，主要用于评估组织在人工智能软件开发过程中的控制与管理能力，实现对关键过程域、控制与管理的能力、组织成熟度等要素的体系化与系统化，通过可视化、制度化、标准化来实现过程管理与交付质量的系统化。　　　　CRMI体系背景　　现有人工智能系统的开发过程中面临不可解释（黑盒化）与不确定性，可解释人工智能和人工智能软件工程学分别从技术和工程方面提供改善方法，而整个开发活动的过程与控制管理则需要基于CRMI体系实现不断提升。　　　　CRMI体系价值　　CRMI体系不仅可以帮助企业或组织在人工智能软件工程开发过程中，兼顾过程管理与商业目标，也是实现可解释人工智能系统(XAI)的重要支撑。　　　　CRMI体系通过对关键过程域的评级与提升，以标准化与迭代的模式降低开发过程中管理、组织和系统的误差。　　　　CRMI体系评价等级　　根据企业或组织对不同难度的人工智能软件工程的管控水平，可将其能力成熟度分为5个等级。不同成熟度等级之间的差距主要体现在开发过程的标准化、制度化、量化可视，以及持续优化的组织能力。　　　　CRMI体系框架　　CRMI的实施要点不是实践域的管理覆盖度，而是各实践的关键过程域及节点的选择与有效管控。　　　　CRMI体系过程改善模型　　CRMI体系的改善模型是用于过程改善的框架性工程方法与流程，其核心流程包括关键过程域选择、差距分析、过程标准化/制度化、可视化、评级与反馈。　　

2019年4月，由中国服装协会和上海时尚之都促进中心共同主办的以“未来时尚”为设计主题的2019中国国际服装设计创新大赛在上海落下帷幕，欧洲设计学院获得冠军，16支参赛队伍中唯一的“非人类设计师”——深兰科技服饰辅助设计系统，异军突起，获得了亚军，并同时斩获了“最受大众欢迎奖”。　　 “深兰科技服饰辅助设计系统”由深兰科学院自主研发，起初系统以服装生成和风格迁移这两个功能为主，随着系统的不断提升完善，如今又新增加了智能量体和虚拟试衣技术。下面，就为大家一一介绍这四项技术。　　服装生成技术　　 服装生成的核心是训练一个针对于服装样本的生成式对抗网络，目标是让网络的生成器通过学习已有的走秀图，来生成大量新的服装。　　 这里我们简单的介绍一下生成式对抗网络(GAN, Generative Adversarial Networks)，一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成器和判别器的互相博弈学习产生相当好的输出。　　　　生成式对抗网络逻辑图　　 服装生成技术中，生成器生成的图像作为假图像，收集到的服装走秀图作为真图像，都进入判别器来判断图像的真假。生成器为了骗过判别器，则需要不断地优化网络参数，最后达到生成的图像越来越精细乃至以假乱真的效果。　　 高质量的生成需要大量高清的样本，我们通过2年时间收集了30万张高清图作为样本。下面来展示一下服装生成技术的结果，这6张图片都是AI生成的走秀图。　　　　风格迁移技术　　 服装的风格迁移就是将指定的风格元素迁移到服装上，用到的技术就是风格迁移(Style Transfer)。它是使用深度卷积网络CNN提取一张图片的内容和另一张图片的风格， 然后将两者结合起来得到最后的融合结果。　　　　风格迁移算法原理图在服装风格迁移技术中，我们将需要迁移的服装部分抠取出来，下图我们抠取了整套服装，所以从右边的图片可以看到整套服装的迁移效果。风格迁移可以指定迁移的风格、迁移的程度和迁移的位置。　　　　智能量体技术　　 通过图像的人体3D重建算法有很多，比如PIFUHD算法就可以通过单张图像推理出人体的3D模型。　　　　PIFUHD人体3D重建算法流程图　　 我们通过PIFUHD算法得到3D模型，通过标定身高的方法，让3D模型与真人进行匹配，则得到了真人的所有身体维度数据，如下图所示。　　　　 通过这种方法得到的人体3D模型会存在侧面和背面误差较大的问题，所以我们在PIFUHD的基础上做了优化。我们采用正面图、侧面图和背面图作为算法模型的输入，通过3张图来获取人体的3D模型，利用多视点融合技术，通过测试对象的多角度图像来估计出当前对象的3D模型，最后再通过对象的身高来标定3D模型，将身体的大围度误差控制在了1cm以内。　　虚拟试衣技术　　 PF-AFN算法是目前效果最好的虚拟试衣算法，该模型算法原理图如下所示。　　　　PF-AFN算法原理图　　 我们在PF-AFN算法的基础上训练了自己的虚拟试衣模型，下图是我们利用深兰工装做的虚拟试衣结果，展示的是将深兰的无袖毛衫虚拟试穿到模特身上的试衣效果。从图中可以看出衣服贴合感很好。　　　　　　　　 中国的AI企业已经具备了通过大数据系统处理纷繁复杂信息的能力，能帮助设计师解决重复性的工作，为缺乏设计能力的品牌方服务，重塑整个服饰设计生态，也显示了中国人工智能技术在服装创意设计、材料使用、色彩搭配、市场趋势、大数据技术应用等方面取得的前瞻性进步。

近年来，无人机已被广泛应用于很多领域，它不仅可以完成很多的任务，包括轨迹规划、避障、巡航等，在民用、军事都有很广泛应用，而且还有降低成本、提高效率、减少损失等很多作用。　　但是传统的无人机任务都采用飞控控制，需要人为操作。为了使无人机可以具备更广的适用性，或者从技术上来说拥有更好的泛化能力，深兰科学院尝试用强化学习来训练无人机做指定的任务。如果训练效果能够达到足够稳定的性能，则可以进一步实现商用目的。本文在此基础上，带大家简单了解一下强化学习的基础知识。　　强化学习小课堂什么是强化学习？　　1、强化学习　　强化学习（Reinforcement Learning RL）也有很多其他名字，例如再励学习、增强学习、评价学习，是机器学习的范式和方法论之一，用于描述和解决智能体在与环境的交互过程中，通过学习策略以达成回报最大化或实现特定目标的问题。　　　　上图为经典的强化学习结构图，从图片中可以看出，强化学习过程主要由4部分构成：智能体（agent）、观测到的状态（observation/state）、奖励（reward）和行为（action）。　　一个强化学习的过程中，智能体获得从当前环境中观测到的状态，然后根据这一状态采取一定的行为或策略，同时，有一个评价系统来评价这个行为的好坏，并返回正/负奖励给到智能体。循环往复，直到完成整个任务，此为一次强化学习的交互。整个强化学习训练过程就是，智能体与环境不断的交互，最终会学习到合理的策略，让奖励最大或者达到某个任务（指定的状态）。　　　　强化学习受行为主义心理学的启发，例如巴甫洛夫条件反射实验，训练摇铃小狗流口水。小狗看到吃的流口水、摇铃不流口水，实验中就采取摇铃并给狗喂狗粮的方法不停训练，最终即使在没有狗粮，只摇铃的情况下，小狗也会流口水。　　强化学习与此类似，是让智能体在与环境交互的过程中，一旦选择对的行为则给予正奖励加强这种行为，在不断的训练过程中使得智能体选择最合适的行为，最终使得智能体的每一步都能选择合理的行为，从而达到整体任务奖励最大化，并完成任务。　　2、深度强化学习　　我们一般所说的强化学习其实是深度强化学习（Deep Reinforcement Learning DRL），深度强化学习是强化学习与深度学习结合的结果。顾名思义，就是将传统强化学习中的某一部分用深度学习来完成。　　传统强化学习中的行为以及价值都是需要人为定义的，这也就是为什么传统强化学习起源较早，但是应用并不广泛的原因之一。而深度学习恰好将这一问题解决了，强化学习中的行为以及价值都用一个深度学习的网络来学习得到，这样不需要人为设定，使得强化学习可以广泛应用于很多领域。而传统强化学习无法解决的连续性动作的问题，深度强化学习也可以解决，使用对应的Actor-critic网络即可。　　深度强化学习的分类，有很多种分类标准。　　从智能体的个数上，可分为单智能体算法和多智能体算法；从是否基于模型的角度，可分为model-based和model-free；从训练时策略的选择，可分为on-policy和off-policy等等。　　这里不一一展开，但在实际运用强化学习的时候，根据具体的任务或者项目，需要选择合适的深度强化学习算法。　　强化学习可以解决什么问题？　　　　这张图是2016年引起热议人工智能的AlphaGo事件，AlphaGo打败了围棋世界冠军李世石。AlphaGo作为一个智能体，就使用了深度强化学习技术进行了训练。在这一场景中，状态就是每一时刻的棋盘，行为就是下棋的动作，而评价系统会根据每一步棋的价值返回奖励。完成训练的AlphaGo在与李世石的比赛中，根据当前的棋盘选择最优的行为“下一步棋”，最终击败了李世石，这就是强化学习的一个具体应用。　　智能体在不断与环境交互的过程中，会保留上次学习过的经验，下一轮与环境交互时，会选择奖励更大的行为，一般用来解决“智能体与环境交互时通过决策选择最好的行为”的这一类问题。

2021年，Python编程语言完成了三十年的发展，并变得较以往更加流行。在此周年庆贺之际，华为云社区博客发起“生长吧！不负盛夏，不负Python”有奖征文活动，以便大家更好地学习Python 以及更清晰自己对编程语言的学习规划。华为云社区第三期有奖征文“生长吧，不负盛夏，不负Python”开始啦！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Python的人成长的文章！如基于自己的实际使用经验，分享对Python的技术分析、使用感受及在项目实战中的经验或踩坑指南等：你可以从以下几类主题和参考文章中，找到自己感兴趣的投稿方向：1、关于Python的基础知识，包括如何理解面向对象编程、Python变量与常量、缩进与注释、赋值与表达式相关的学习内容从零开始学python | 面向对象编程 Python：你需要知道的一切[Python从零到壹] 一.为什么我们要学Python及基础语法详解2、介绍Python的一些辅助工具，比如reqeusts、pyquery、BeautifulSoup等python爬虫总计+案例+常用工具Python不为人知的Requests模块效率3.Python部署相关，比如如何用mrs中的spark服务，将Python的开发服务部署上去在MRS上部署利用python开发的服务4.Python的基础语法用法相关：python not 关键字实例用法、format数字格式化、内置函数、如何传参等内容了解python not关键字实例用法Python学习笔记（十三）format()数字格式化 和 内置函数(25-52)5. 如何用Python实现一些功能，比如用python操作excel、用Python实现FTP文件定时自动下载、AI人脸识别等运营的Python指南 - Python 操作ExcelPython实现FTP文件定时自动下载的步骤连Python都不熟，我是如何跑通AI人脸识别的6.Python框架相关：Django、Flask、Scrapy、Diesel、Cubes、Pulsar等等Python框架有哪些？区别是什么？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。希望最终的这份《日渐崛起的Python》精选集，有你的署名。优质作者更可获得长期约稿和更多内容合作机会。评奖规则说明奖品评选依据 ：文章投票数* 40%+专家评审打分*60%投票流程 ：截稿后评审会选出15-30篇最优秀的文章到论坛进行投票。投票链接 ：7月19日开启投票，更新投票链接。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。在哪里投稿？2、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 【生长吧！Python】结尾，例如：了解python not关键字实例用法丨【生长吧！Python】。文章末尾需加上活动名称及链接地址：【生长吧！Python】有奖征文火热进行中：https://bbs.huaweicloud.com/blogs/278897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，一起和Python生长吧！ 点击立即发布如果有任何问题，可添加华为云社区小助手微信号：bbs_huaweicloud，进行沟通咨询。添加微信时请备注：生长吧Python + 报名活动时使用的华为云昵称！扫码添加小助手：【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章

通过语音识别技术,在会议界面上实时呈现发言内容字幕,并实时翻译成英文。这对涉及跨国、跨语言开会场景非常有用。同时,可以区分发言人自动生成会议纪要,纪要可以导出后进行整理,无需手工记录,参会者可以轻松地聚焦会议讨论,同时也能获得完整的讨论记录。

6月20日-25日，2021 ACM SIGMOD 在西安举行。22日，华为GaussDB内核首席架构师任阳将受邀参会并分享华为新一代自研分布式数据库GaussDB的最新探索和研究成果，展示GaussDB相关论文入选SIGMOD等国际顶级学术会议的成果。数据库创新从来不是一蹴而就，而是千锤百炼后的厚积薄发，是百尺竿头更进一步，国产数据库的崛起和发展如此，华为云GaussDB也是如此。围绕AI-Native课题研究，今年华为云GaussDB相关论文被入选SIGMOD国际顶级会议，其研究论文《Learned Cardinality Estimation for Similarity Queries》提出使用DNN进行基数预测，为了解决DNN训练问题，创新地提出了模型分割和数据分割解决方法，同时在此基础上提出了使用该方法进行连接操作结果集预测。该方法在BMS、GloVe300、ImageNetde等数据集上取得了很好的效果。作为数据库领域公认的最具学术影响力地位的国际性学术会议，SIGMOD与ICDE、VLDB并称为国际数据库三大顶级会议。华为云GaussDB基于AI-Native理念，近年在SIGMOD、VLDB等会议上发表了数篇论文，如《Interactively Discovering and Ranking Desired Tuples without Writing SQL Queries》，《Query Performance Prediction for Concurrent Queries using Graph Embedding》，《QTune: A Query-Aware Database Tuning System with Deep Reinforcement Learning》以及《An End-to-End Learning-based Cost Estimator》等，分别就数据库优化器相关问题提出了AI技术解决方案，在RBO、CBO基础之上提出了基于AI技术的AI优化器，简称为AIBO（AI Based Optimizer），使得数据库中从数据分布估计、代价估计、执行计划选择等各个阶段均使用AI技术，在该领域取得了很好的突破。华为历来重视与高校、合作伙伴共建良好生态关系，积极促进数据库领域开源、开放、融合、创新发展。在同清华大学数据库组的合作中，华为进一步围绕AI-Native理念，在GaussDB的开源版本openGauss社区中，使用AI技术对数据库的众多模块进行了重构，例如使用MCTS方式代替数据库优化器中基于规则的逻辑重写，使用Tree-LSTM代替原始的基于直方图的代价估计，使用深度强化学习方式代替原始的Greedy/Genetic算法。同时为了提升数据库自治能力，先后提出使用Extreme Value Theory进行数据库异常检测，使用LSTM+KNN的方式进行系统异常诊断，使用Tree-LSTM方式进行SQL诊断，使用深度强化学习及RNN的方式进行系统自调优，物化视图推荐及索引推荐，使用GNN的方式进行系统性能预测。相关技术陆续在实际生产系统中使用，例如索引推荐功能，在客户负载性能提升的基础上，消除了83%的索引冗余，索引空间磁盘占用率降低70%。此外，华为在同清华以及CCF数据库专委会的合作中，陆续产生众多的科研成果，先后在SIGMOD、VLDB、ICDE上发表论文36篇，CCF-华为数据库创新研究计划总共资助20项数据库相关研究课题，成果覆盖数据库多模、云数据库、数据库全密态处理、图数据库等，极大的活跃了openGauss开源社区以及国内数据库研究发展。6月22日，在本次SIGMOD 2021大会上，华为GaussDB内核首席架构师任阳将会带来《华为自研分布式数据库》主题分享，内容覆盖华为自研分布式数据库的发展和使用现状，以及GaussDB极致性能、混合负载、高安全等特性，更多精彩，敬请关注！嘉宾简介：2014年9月至2019年10月，担任分布式分析型数据库架构师与系统组组长，完成华为公司自研超大规模并行数据仓库产品设计与实现，完成GaussDB(DWS)数据仓库在工商银行的规模商用。之后担任华为GaussDB自研分布式数据库首席架构师及内核系统组组长，在性能、混合负载能力、容灾能力、安全能力以及易运维能力方面构筑数据库内核核心竞争力。议题简介：本议题将会介绍华为自研分布式数据库的发展和使用状况，并围绕高性能、高可用、混合负载、安全以及易运维五大特性进行技术介绍，向大家全方位展示GaussDB分布式数据库。当前GaussDB分布式数据库及其开源版本openGauss相继在国内头部银行客户上线并规模使用。  点击链接预约直播：https://live.bilibili.com/21945422 

记者殷聪薛层昨日，宁波迎来了一场全球性的盛会。第九届全球云计算大会·中国站拉开帷幕，为宁波带来了一场前所未有的“数字盛宴”。作为全球十大云计算盛会之一，全球云计算大会创办于美国硅谷，已在美国纽约、日本东京及中国上海等地举办。去年7月，第八届全球云计算大会为宁波带来了最新的云计算技术以及云计算在金融、制造、电商、物流、医疗等领域的应用前景。“要转型，就必须更新发展理念。引进全球云计算大会，就是为了把最前沿的理念、技术带给宁波相关企业，从而选择适合自己企业发展的技术路径。”市服务业发展局局长谢月娣说，相比往届，本届全球云计算大会活动更加丰富。在昨日的主论坛上，国家发展改革委员会国际合作中心副主任刘建兴博士、成都道存知科技有限公司首席技术官David Watson、德勤咨询首席云战略官David Linthicum、KIT中国研究院执行院长杨顺等十余位大咖围绕数字经济发展、数据与人工智能在未来的应用、混合云的首次应用、数字化赋能中国制造等话题进行了精彩的分享与探讨。“随着中央出台数字经济政策，地方层面也不断加强数字经济的战略引导。2020年，我国31个省市(自治区、直辖市)的政府工作报告中，有26个省(自治区、直辖市)明确要大力发展数字经济。”刘建兴博士说，在“十四五”规划中，也有不少关于数字经济的发展要求。比如：迎接数字时代，激活数据要素潜能，推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革；充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，壮大经济发展新引擎。在刘建兴博士看来，数字经济正成为推动经济发展质量变革、效率变革、动力变革的重要驱动力，成为全球新一轮产业竞争的制高点和促进实体经济高质量发展的新动能。成都道存知科技有限公司首席技术官David Watson认为，中国人工智能产业市场潜力巨大。中国幅员广阔、人口众多、产业门类齐全、基础设施完备，人工智能技术拥有丰富的应用场景和广阔的需求。人工智能技术在中国的应用不只是在新经济领域、新商业模式和新生活方式，而且在帮助传统产业转型升级的过程中也将扮演重要的角色。由于应用场景广泛，市场有足够深度，中国在人工智能技术应用的数据积累上拥有得天独厚的优势。这不但有助于人工智能技术的商业化和产业化，而且有助于研发人员利用大量且优质的数据来提高算法与模型的准确度，并不断迭代更新，增强人工智能技术的商业价值。一旦人工智能企业实现商业盈利，对人工智能技术的研发投入将更加可持续，产业的发展将势不可挡。目前，中国在人工智能领域的多项指标已跻身世界前列，整体实力在全球范围内仅次于美国。根据今年4月中国人工智能学会等机构联合发布的《中国人工智能发展报告2020》，过去10年，中国人工智能专利申请数量迅速上升，10年累计达39万件，占全球总量的74.7%，居全球首位。虽然中国在基础层和技术层与世界领先水平还有差距，但在基础层、技术层和应用层这三个层面都有了相当深厚的技术积累与产业基础设施的积淀，迎来爆发指日可待。

IPA可以理解为AI化的RPA，具有从经验中学习的能力。它以RPA为基础，融合了AI的复杂性，通过NLP（自然语言处理）、OCR（光学字符识别）、ML（机器学习）等辅助技术，拓展机器人的工作范围，进一步释放自动化的潜力与价值。相较于传统的RPA，IPA在读取非结构化数据、做决策、保障执行任务准确率、衔接人机交互任务上更具优势。据Gartner预测，到2022年，80%部署了RPA的组织将引入包括机器学习和自然语言处理等在内的AI技术，以改进业务流程。毕马威的调查数据显示，到2025年，组织对IPA和其他类似技术上的投资将达到2320亿美元。2021年，随着RPA在全球范围内的普及，IPA也将逐渐兴起。这种经过AI加持的RPA，将对流程产生变革性影响，为企业打开新的商业机会，创造更大价值。

《自然》本周发表的一篇论文指出，机器学习工具可以极大地加速计算机芯片设计。研究将芯片布局规划设计成了一个强化学习问题，并开发了一种能给出可行芯片设计方案的神经网络。他们以此训练了一个强化学习AI，AI会将芯片布局规划看作一种棋盘游戏：元件是“棋子”，放置元件的区域是“棋盘”，“获胜结果”则是根据一系列评估指标评出的最优性能。作者指出，这种方法能在6小时内设计出与人类专家不相上下或是更好的可行芯片布局，有望为今后的计算机芯片设计节省数千小时的人力。~真的吗，可以代替普通的人类硬件工程师？~

天气，关乎地球上所有人的生产生活。古时候，人们看天吃饭，如今，我们是看天气预报，提前做好工作生活的准备，比如：预测台风、洪水，给出预警，做好应急方案；结合污染排放数据和大气流动预报空气质量；海洋养殖根据气候变化及时修改培养策略；……除此之外，国防、交通、保险、智慧城市等等领域，都依赖着气象数据。在这样一个关乎民生的行业里，人工智能、大数据、超算这些技术，可发挥的潜力也是无限的，华为云MVP周峥就是其中的技术践行者，他正带领着团队为国内气象行业带来一股温柔而不失力量的春风。气象市场红利：5年翻20倍2015年是气象领域的转折点，自此之后，垄断的时代宣告结束，气象服务逐渐向商业公司开放。有数据统计，气象市场在未来几年内将有20倍的成长空间，2025年将达到3000亿的市场规模。对比之前7年翻一番的数据，市场开放带来的红利显而易见，一大波新兴的创业公司涌入。2018年，周峥也毅然跨入了这波浪潮中。在创立九方科技之前，周峥在气象领域已经有了一定的技术积累。作为武汉大学&俄亥俄州立大学联合培养博士，他是清华大学地球系统科学系高级工程师，也担任过国家超级计算（无锡）中心部门主管、高级工程师。周峥擅长系统结构设计、核心算法设计等，参与过多项国家重大科研课题的研发工作，论文发表、软件著作专利，各种国家级奖项，不一而足。正是在国家超算无锡中心的研究工作，促成了他的气象大数据创业。周峥带领原部门“地球系统数值模拟部”近20位同事探寻超算产业化与商业气象服务的商业化之路。技术人才的强强联合，让这个从国家科研团队走出的创业公司，成功实现了连续三年的公司盈利。把预报做准确，实非易事作为公司创始人&CEO，周峥带领核心研发人员，基于“神威·太湖之光”超级计算机系统，结合超级计算与人工智能等技术，研制了国产自主的智能网格预报平台，在气象、海洋数值预报方面领域取得技术突破。以海洋数值预报为例，周峥介绍道，在海洋养殖方面，海水水流过急，海带就会冲断。如果温度过高，海参就会直接化成水了，如果温度突然太低，螃蟹就难以存活。于是，他们通过“三维海洋要素智能预报系统”，用科学的手段分析海产品养殖区域情况，不仅可预报海洋温度、盐度、海流这些信息，还可进行营养盐、海洋生物化学等要素的预报。“我们做的事情，就是把天气预报给报准。”看似这句话很简单，但也是最具挑战性的。周峥谈到，他们的定位是数据的生产者，而不是数据的搬运工。所以，周峥和团队耦合了大气、海洋、海浪、海冰、陆面等多个气象预报模式，汇集了卫星、雷达、站点等多类数据，并结合数值预报、人工智能、超级计算技术，形成从气象预报到气象信息应用的完整产业能力与技术壁垒。而且与多数气象公司不同的是，周峥和团队具备自研气象预报数值模式，以及直接加工源数据和应用的能力，这也是他们的杀手锏。他们把数据和AI算法相结合，利用强大的算力推出准确度、精细度更高的气象预报数据，据了解，他们可将大气、海洋预报的时间精度和空间精度进一步提升至分钟级更新和百米级网格水平。比如在大气污染监测方面，周峥和团队已经做到准确度近90%；在厄尔尼诺现象方面，可以提前6个月预测等等。周峥和华为云的合作，也让他们的气象预报能力更上一层台阶。比如，通过华为云高性能计算HPC集群打造大气污染预警系统。其中，HPC管理节点将计算任务通过SGE资源调度系统进行任务投递，集群内基于弹性云服务器搭建的计算节点承担主要计算任务，同时将所有处理结果存储在弹性文件服务，共享存储结果。据了解，华为云HPC解决方案针对HPC Workload进行优化，实现HPC资源按需租用，能够帮助用户降低成本，提升气象预报的效率和准确度，帮助气象业务快速向智能化、云化、和数字化转变。最后深耕气象行业多年，通过历年的技术攻克，周峥和团队也取得了一系列的荣誉与资质。在国家级、省市级的各类大赛中多次获得奖项，积累专利、软件著作等知识产权26项。他们也完成了10余项国家级科研项目研究课题，发表大量科研成果。并加入中国气象服务协会、国家海洋信息产业发展联盟、中国港口协会、华为解决方案伙伴战略合作计划。未来周峥也将面向G端和B端客户提供精细化的气象数据及综合解决方案，包括和华为云合作，基于自研数值模式和人工智能预报技术为行业客户提供更精细化、更针对性的产品和服务，覆盖智能气象预报、大气环保、航运导航、金融保险等等领域。

大家好，我是RPA之家的徐老师。2020年，疫情“黑天鹅”盘旋不散，远程办公模式的开启，使RPA从小众变为大众，覆盖到更多更广的场景范围。疫情之下，越来越多的企业认识到RPA技术对于企业可持续发展的重要意义。那新的一年，RPA行业将会有哪些发展趋势？这期我们来讲第一点：①智能流程自动化（IPA）IPA可以理解为AI化的RPA，具有从经验中学习的能力。它以RPA为基础，融合了AI的复杂性，通过NLP（自然语言处理）、OCR（光学字符识别）、ML（机器学习）等辅助技术，拓展机器人的工作范围，进一步释放自动化的潜力与价值。相较于传统的RPA，IPA在读取非结构化数据、做决策、保障执行任务准确率、衔接人机交互任务上更具优势。据预测，到2022年，80%部署了RPA的组织将引入包括机器学习和自然语言处理等在内的AI技术，以改进业务流程。毕马威的调查数据显示，到2025年，组织对IPA和其他类似技术上的投资将达到2320亿美元。2021年，随着RPA在全球范围内的普及，IPA也将逐渐兴起。这种经过AI加持的RPA，将对流程产生变革性影响，为企业打开新的商业机会，创造更大价值。关注我，了解更多RPA小知识。

6月10日19:00，华为云云市场新生态直播间邀请到了一知智能科技市场负责人陈厚志，为观众带来《AI智能语音，企业高效获客的秘密武器》主题分享，直播中陈厚志老师从AI智能语音领域的需求痛点、一知智能当前的应用场景解析及与华为云的技术结合等方面展开，深入分析了一知智能AI语音智能针对TOB领域高效获客的核心技术与成果，直播最后，厚志老师也详细解答了直播间观众提出的系列问题，让我们一起来复习一下要点吧！>>点此观看直播回放<<我们身边有哪些沟通能被AI替代?电话销售、会计、银行职员、房产经纪……不同于以往点对点的人工呼叫应答方式，AI智能语音本质上是代替人和已有客户及目标客户进行更高效沟通与触达。2017-2020年间，随着AI语音技术的发展，用户对话体验更优，电话触达通道被激活，客服平均对话时长从小于30s上升至55-75s,众多品牌开始大规模应用AI语音技术与用户进行沟通。一知智能AI智能语音四大应用场景在电商场景中，触达C端用户时，AI智能语音拟人化的音色及准确的信息识别和问答，能够使用户的通话体验感更佳，比人工获客效率更高。通过一知智能在某母婴品牌所做的加粉效率对比，在电商活动通知及私域加粉场景中，AI语音通道相较于过往的短信、人工，在成本、周期及效率和专业程度上，都有了更明显的优势，触达率及转粉率实现数倍增长。 在教育场景中，AI智能语音能够实现全链路赋能，通过表单数据瞬时回访，及时触达，减少用户流失；在直播课程开始前实时提醒，提升到课率；另外，对沉睡数据再次激活，全量挖掘客户价值。 在银行行业，AI智能语音的场景主要包括通知关怀、价值提升、风险管理、营销拓客、存贷业务等，通过“外包数字员工”，告别重复低效、低标准的语音触达。 在反电信诈骗场景中，应用AI智能语音，能够解决劝阻人力不足、触达效率低、缺乏针对性、数据分析不及时等核心痛点，通过AI海量外呼，一键启动批量外呼，快速覆盖，交互式的话术设计都能有效提升劝阻效率。 一知智能与华为云多个部门达成包括图像、语音、语义在内的项目合作，一知-AICC整体服务也已全链路在华为云实现闭环，包括部署、监控、报警运营，使用了包括华为云的云服务器、云存储、语音语义处理等，能够根据用户需求实现方案定制、灵活部署。 通过与华为云深度合作，在技术上的强强联合，一知智能AI语音解决方案已服务于众多行业头部用户，未来将继续深耕AI智能语音领域，与赢者共赢，创造社会价值！直播精选问答：1、Q：企业如何选择和确定符合自己的方案及服务？     A：首先一知智能科技在电商、教育、银行、反电诈等领域已经有了相对成熟的方案可供用户选择，另外，也配备有完整的AI语音顾问、客户服务、AI训练师等帮助用户定制方案，提供完整的服务流程。 2、Q：竞争对手多吗，市场占有率多少，相对于竞争对手有哪些优势？     A：目前一知智能在电商、教育及反电诈领域的市场占有率均占领先地位，且AI训练模型、机器学习等会随着头部客户语料积累的优势也逐渐递增，一知智能最核心的优势是基于在深度服务行业对其细分产品的理解能力。 3、Q：智能语音发展目前面临的瓶颈有哪些？     A：目前AI智能语音回答客户提问的方式还是通过关键词识别反馈的方式，对NLP使用率较低，但其即是瓶颈局限，同时也是一知智能未来展望的方向。 4、Q：AI是否能听懂各种地方方言？     A：一知智能AI语音智能针对各地方言积累了一些模型，目前主要还是基于北方的方言，识别错误率较低，但是相对南方较难理解的方言，识别率在行业内普遍不是很高，希望未来能有所突破。 5、Q：智能语音可以定制吗，如网红小团团语音包？     A：语音可以定制，智能语音包含三大底层技术能力：（ASR）语音转文本、（NLP）智能语意理解、（TTS）语音合成；语音合成部分支持录音师提前录音后，智能语音就可以自动根据音色合成，与地图导航语音包的制作原理相同，但一知智能场景做了更精细的优化。 6、Q：智能外呼系统部署时间要多久？     A：基于公有云或标准化的商品部署，整体从商务对接、话术定制到方案使用，约2周时间即可完成。7、Q：一知AI智能外呼采用了哪些语音处理算法？语音识别率能达到多少？     A：一知智能AI语音智能主要采用了ASR、NLP、TTS三大核心技术。在电商、教育、反电诈领域，基于现有的语料包和模型包，一知智能科技的AI语音识别率能够达到80%-85%的准确率，再经过对客户核心场景做小范围测试，2-3周能够将准确率逐步提升至95%，并持续优化。  8、Q：一知智能科技的售后服务有几种方式，是由合作伙伴还是一知智能科技负责？     A：针对用户服务，一知智能科技共分为三部分：用户顾问（对接商务）、客户成功（定制方案）、AI训练师（话术配置相关），我们始终认为一知智能科技是做服务的公司，针对有方向性的问题，也十分愿意与用户共同探讨。 9、Q：在ASR语音识别方面，是如何实现个性化定制识别模型的？     A：首先可以获取基于行业的语料包，如电商行业问价，通过行业数据积累的模型可能包含了100多种问法，再将其以公式乘积的方式，覆盖所有问价意向，如果用户有特殊场景需求，只是根据场景复杂程度，测试时间会相对延长。 10、Q：AI智能能否准确回答用户提出的问题，是否会答非所问导致用户不满意？       A：基于当前所服务行业的语料库积累，AI语音识别的准确率能够保证在85%左右，再通过不断测试逐步提升，保证较高的识别率。针对少数实在无法识别的内容，也会配置兜底措施，引导用户寻求其他渠道解决。其实品牌更在意用户好感度，许多银行及国际高奢品牌都选择使用一知智能科技AI智能语音技术与客户进行沟通，说明其容错率和通话体验都是客户能够接受的。想了解更多直播详情，点击 《AI智能语音，企业高效获客的秘密武器》，进入EcoSpace云市场直播间观看精彩回放！ 分享你的观后感或梳理直播内容至云社区论坛-云市场版块“云端心声”，还有机会免费获取华为云百元代金券/华为手环4/笔记本套装/保温杯！【>>点击了解活动详情，参与投稿吧！】本期直播商品（华为云云市场在售）：一知智能外呼系统一知智能客服一知智能外呼系统 话费服务包一知智能外呼系统增值服务一知智能客服 增值服务【华为云云市场，助您上云无忧】

你了解超自动化吗？大家好，我是徐老师。超自动化就是将几种流程自动化工具和技术相结合，它可以增强能力，为更多工作实现自动化。它以机器人流程自动化（RPA）为核心，添加人工智能（AI）、流程挖掘、分析和其他高级工具，全面扩展自动化组合能力。借助超自动化，组织可以为越来越多的知识型工作实现自动化，让每个人都能有机会参与全面数字化转型。所以超自动化可为自动化企业释放最大潜力那机器人流程自动化（RPA）又是什么呢？RPA通过各种人工智能（Al）功能得到加强，例如：机器学习（ML）、自然语言处理（NLP）、智能光学字符识别（OCR）和Al计算机视觉，让机器人能够阅读、看见并处理更多的工作。它具备员工参与能力，使企业中的每一个人都能够为自动化做出贡献。不仅是传统的RPA开发人员和测试人员，而且还包括各领域专家、业务分析师和业务用户。自动化流程发现工具，可深入研究团队的工作方式，以便向您展示哪些流程理应实现自动化。高级分析功能，可基于对您公司至关重要的业务效果来衡量和展示自动化的投资回报及其影响。关注我，了解更多RPA小知识。

大家好，我是徐老师。最近在我在给一家客户做POC，当时客户看见机器人在一个客户端软件（C/S）上，点击左侧菜单栏，操作了很多次，进入了很深的层级。他就问，是否有快捷的操作，不用点击这么多次，就能进入目标层级。这个问题把我问住了，这在C/S上是不能的，毕竟C/S没有提供一种快捷方式。那什么时候是可以的？B/S，在支持地址进入该层级时就可以。发散开来，如何让C/S支持？该C/S支持脚本，并且，提供了指令支持该快捷操作。比如SAP支持VBS，目前RPA产品中内置的SAP组件，就是通过VBS操作的SAP。 我们继续发散一下，如何利用这些方式，简化RPA机器人的操作？之前我做一个流程，很常规的登录，然后在左菜单点击，进入目标页面。然后，我发现另外一个同事操作其他业务系统，他在登录之后，直接访问了目标页面地址。这样就简化了各种点点点。 于是我发现：RPA机器人的优势是能模拟人的鼠标键盘操作，但是这模拟鼠标和键盘，优先级是很低的。如果可以的话，我们可以用其他快捷的方式处理，不用模拟人的鼠标和键盘操作。很多时候，人工操作时的鼠标和键盘操作，对于RPA机器人而言，有其他更好的选择。比如操作Excel，虽然大多数RPA产品能够元素识别Excel和word界面的。但是RPA产品内置的组件，通常不是基于鼠标和键盘操作实现的。 要么是通过VBA要么是通过其他等价的后台运行的代码。能模拟鼠标和键盘是RPA最后的底牌。 在操作b/s企业业务系统中，我们常常会遇到需要设置查询时间。这个通过模拟鼠标设置起来就很麻烦。经过我的观察，我发现有其他两种可以尝试的方式：1，很多网页查询条件是设置在URL里的，我们完全可以在URL拼接查询时间，达到设置页面上日期的目的2，直接将日期文字输入到日期输入框上。当这两种不可用，或者不支持时，我们会使用我们的底牌，模拟人工的鼠标操作，来选择日期。关注我，了解更多RPA小知识。

最近在创投圈的分享会上，经常会看到RPA+AI的词。只要有RPA都会加上AI这个词。包括还有些RPA公司，也与AI公司进行合并。那么RPA为何要与AI结合，与AI结合能带来什么？RPA我们都知道，是以预先编排好的规则，以固定的逻辑进行执行的。这是我们传统意义上的程序。对于AI而言，RPA是相对死的。AI是具有一定智能，相对于RPA，AI具有更多的多样性。目前已落地的一些RPA+AI场景：比如说计算机视觉：票据识别、证件识别。自然语言处理：语言理解、情感分析。预测模型：商品定价、企业风控。目前AI还只是初级应用阶段，随着AI行业的发展，将赋能RPA更多的能力。同时RPA也是AI一个很好的落地场景。