对于人工智能,体验/服务设计师该如何去思考?

今天,全世界的劳动者们迎来了属于自己的第129个节日。相比《摩登时代》里资本工厂的劳动者,王进喜们是幸运的;相比建国初期白手起家、以身为钢的铁人们,今天守望着钻井设备的钻探队又是幸运的。科技,正在一次

2019开年以来,智能家居、全屋整装,延续了去年的热闹势头,一路向上。家电行业开年盛宴上海awe以“ai上
·
智能生活”为展会主题,带来了一场智能化、高科技的家电“狂欢”,5g和iot技术成展会的最大亮点。欧洲灯光国际照明展刚在米兰国际展览中心刚落下帷幕,此次展会的特色是“集成与智能”。各大独具行业风向标意义的展会,众品牌大秀智能化产品,智能化趋势愈发火热。

2019-05-02 17:30来源:

今天,全世界的劳动者们迎来了属于自己的第129个节日。相比《摩登时代》里资本工厂的劳动者,王进喜们是幸运的;相比建国初期白手起家、以身为钢的铁人们,今天守望着钻井设备的钻探队又是幸运的。

面对照明市场的风口,深耕照明市场十多年的a8照明品牌也开始极力地推进智能化产品的研发与布局。“2018年是a8照明智能化的沉淀年,开始进行智能化技术的研发、储备以及产品解决方案的研究,今年正式开始推广,前期推出的产品收到了终端市场的高度认可,目前a8的智能化产品已占产品总体的50%。”a8副总经理祁总就智能化布局进行了分析。

本文来源:设作

科技,正在一次次帮劳动者减轻工作的繁杂与沉重。

智能照明市场潜力无限,众品牌动作频频

已获得授权发布

从第一次科技革命开始,人类一步步从蒸汽时代迈入电力时代,再从计算机及信息技术时代迈进“第四次工业革命”——人工智能时代。ai开始逐渐取代那些繁重、危险、重复性的工作,让工作效率更高、让重复性工作更少、让劳动变得更有创造性。今天要讲的故事,就和人工智能这位“隐形劳模”有关,它无需历经挨饿受冻,也不会把工作谱写得惊心动魄,但是,它却在21世纪,用各种算法串联出一场新工业革命下的“ai的奉献”。

5g网络的时代即将来临,而在此背景下,以iot技术为核心,伴随着人工智能,大数据等新一代信息技术的进一步融合,智能家居产业必然是未来家电的发展方向。

前言:

1

在智能家居的浪潮下,其热度正进一步辐射智能照明市场。据相关市场调研机构统计,全球智能照明设备和控制市场预计从2014年的221.1亿美元增至2020年的591.9亿美元,复合年增长率为17.8%。面对如此庞大的智能照明市场,除了为数众多照明类企业,还有物联网平台、房地产商等纷纷入局争相出手。

很显然我们已经开始迈入人工智能的新时代,那么作为服务/用户体验设计师,重新思考人与机器的关系并且可以在实践中加以应用,是在未来设计中必不可少的一个环节。在未来数字化领域中,服务/用户体验设计师将需要设计出相应的界面或触点,让人类与人工智能之间可以相互传递有价值信息从而促成真正的合作共生。

“在我们眼里,云是一串数字”

“智能化必然是从人的本身出发,运用人工智能技术,赋予产品作出自我判断的能力,最终实现人与产品的有效互动。”a8总经理陆总对智能化的照明产品有着自己独特的见解。

在过去,机器只能单纯的根据设定程序去执行一些简单的动作和工作,而如今,机器已经可以开始自主学习,自主感知和自我思考,从而去完成一些更复杂的工作,人工智能也就随之真正诞生。这些人工智能显然在不久的未来将创造出一个新的系统,颠覆这个世界传统的认知,将人类带入下一个时代。那么,实际的问题也随之而来:我们如何看待人工智能?人工智能将如何改变我们的工作生活?它将实际代替人类么?或者是怎样使之纳入现有的系统,让人类和机器可以更好的协同及交互?显然,这些问题不仅仅是技术层面的,更多的是一种对于未来人机关系的思考。接下来,笔者将结合问题,去发展一些自己的思考。

从南宋皇城遗址的凤凰山脚路一直向南走,只需要数百米就可以到馒头山,这里是杭州最老的社区——相比山下的智能化设施遍地、互联网公司林立,馒头山社区更像是一下穿越回了80年代,到处可见的铁锈斑斑和吱嘎作响的竹椅似乎都在见证着时光的洗礼。

a8照明凭借在照明行业多年的经验、对消费者需求的敏锐洞察力以及行业趋势的精准判断,通过产品的不断创新、研发,以满足新时代的消费需求。

怎样理解人工智能以及设计角色?

杨焕强和同事们所在的杭州环境气象中心就在馒头山顶。2006年毕业后,杨焕强就住到了馒头山,这一住,就是12年。

a8照明现阶段的智能化产品主要是连接天猫精灵,例如5月初即将上市的智能风扇灯,可通过天猫精灵语音交互控制灯具,调整色温以及风量的大小,特别是夏天的夜晚,一语调节风量,便捷又舒适。

图片 1

作为气象观测业务人员,杨焕强的工作就是看云观天,用眼睛看、用仪器看、用探空气球“看”,最近又变成了用ai软件看……飘过杭州的每一朵云,杨焕强和他的同事们都见过。

“我们实现了灯具的智能化,这是a8智能化产品的第一阶段,接下来,我们要积极布局产品智能化的第二阶段,实现智能灯光设计,提供全屋照明智能方案。未来的智能产品必然是多维化的、综合模式的呈现,融合语音、人体感应、情境模式等,让用户切实体会到智能家居照明带来高品质的舒适便利生活。”对于a8智能产品后续的布局和方向,a8副总经理祁总已有清晰的战略。

对很多人来说,人工智能是神秘的,未知的,甚至是可怖的。或许是电影看的太多:)当很多人谈到这个话题的时候,他们会联想到人工智能对于他们工作的威胁,甚至对于生命的威胁。而这些认知,都来源于人们对人工智能错误的认知,因为他们根本不了解人工智能这项技术的工作原理以及技术局限。很多时候,媒体都会传递给人们片面的认知,从而让人们对于人工智能产生一种抵触或者够不着的心理,从而不利于我们对人工智能与人类的合作和共生产生真正的思考。所以,正确的理解与认知,对我们来说,会显得格外重要。

把家安在山上的原因很简单:气象观测的工作时间是早上7:00到晚上20:30,这还是近年调整之后的时间。杨焕强刚来馒头山时,面对的是24小时3班倒的工作模式,不把家安在上山,根本留不出给自己休息的时间。

目前,照明行业的领先品牌携手华为,打造全场景化的智慧生活,搭载手机app轻松操控灯具的开光、色温调节等,为用户带来舒适、人性化的照明体验。则与中科院云计算中心达成战略合作,积极布局智慧照明等方向。

图片 2

过去的12年,除了偶尔去附近的钱塘江边跑跑步,杨焕强连过年都待在山上。他至今还记得自己第一次独自在山上过年的场景,以往都是和家人过团圆年,但现在陪伴他的只有三五个同事和布满整个场地的观测仪器,“这是岗位需要,但没点毅力还真坚持不下来”杨焕强说。

智能照明的发展空间和潜力巨大,各知名品牌从不同角度发力推出智能照明产品,但目前整体的智能布局还处于初级阶段。很多品牌只是为了智能而智能,从最开始的蓝牙控制到如今的手机app操控,改变的只是控制灯具的方式,并不是真正的智能。

事实上,人工智能的能力是非常局限的。人工智能非常擅长于通过数据库采集信息从而处理复杂的计算,同时人工智能也非常擅长于处理重复且反人类的机械式工作以及计算。但是,相对于人类来说,人工智能很难从复杂的信息资源中分析并提取一些有价值的信息,无法结合上下文作出细微的推断,且无法使用人类的情感天赋以及所谓的“常识”去做一些判断。从上述中,我们可以发现人类其实在优化,商讨,解释,教育,协同,领导力,同理心甚至幽默等等方面将占到非常大的优势,而这些能力是人工智能非常难以达成的。所以,有效的结合(combining)人类与机器的能力,互补协作,将会放大两者各自的优势,从而事倍功半。

图片 3

随着年轻消费群体的迅速崛起,消费需求从满足基本日常需求转变为追求高品质舒适生活。对于居家产品,消费者更倾向于选择智能化、个性化、高品质、体验度更好的产品。a8致力打造人性化智能照明产品,更贴合消费者需求。

举个现实中的例子,一家保险公司开发了一套人工智能工具(本身带有潜在欺骗理赔形式的数据库,且可以通过学习从而识别出新的欺骗理赔形式加入数据库),目的是帮助他们的理赔审核员判断出哪些理赔是虚假带有欺骗性质的。虽然这个工具需要审核员去不断的在工作中去引导训练,从而可以处理一些新情况。但是这个工具的确帮助审核员获得了相对于之前独立工作更好的工作体验。而且一旦训练成熟,它将解放审核员的时间,让他将琐碎且数量庞大的理赔真假判断中抽离,从而更多的关注战略层,譬如可以更加关注于怎样从根源上防止理赔的发生,或如何维持客户关系等等。这就是一个典型的人类与人工智能协同工作的例子,互补,互动,互惠。

“与星为伴、与云为伍,这在别人看来是件浪漫的事。但在我们眼里,它就是一串数字。”胡德云说,他是杭州环境气象中心主任、高级工程师,在他和杨焕强这样的专业人士眼里,云,是可以量化的——普通人眼里的白云、彩云、乌云,在他们眼里可以细分成三族十属二十九类,天空的云量可以细化到11个级别。而他们要做的就是准确地“认”出这些云,且识别准确率不能低于80%。

精准市场布局,全方位力推智能产品

图片 4

馒头山与杭州市区平均海拔相差不大,但让人感觉气温比城区里低个几度,花开也比外面晚一点。但胡德云的意识却一点也不慢,他的想法总是很超前:以前气象环境中心是24小时人工值守,现在大部分气象要素实现自动化了,那能不能把剩下的部分也实现自动化,让气象观测员从馒头山的气象观测场解放出来?

优质的产品配置精准的市场投放,才能收获最佳营销效果。目前a8智能化产品的投放主要以江苏、江西、陕西、贵州为主,通过这四个不同经济水平、有代表性的省会,积累大数据,更加精准地把握市场的需求,从而不断优化a8的智能照明产品,真正在智能照明上为消费者提供合理、舒适的智能照明体验。

在人工智能世界,用户体验/服务设计师显然会和工程师技术研发师一样,占据重要的位置。因为设计师必须去保证人们与人工智能之间的交互及体验是以人为本的,吸引人的,且是有意义的。除此之外,设计师还必须考虑整个系统以及生态,使其创造出积极且具有影响力的社会价值。

天气瞬息万变,可人工的定时观测始终不能实现高时空密度的连续观测,这个时候,ai帮到了胡德云和杨焕强。用高清视频摄像机图像结合人工智能算法,如果能够有一个云图的模型规范了不同形状的云图对应的结果,那么当产生新的云图时,只要输入模型进行比对,就能得出结果。为了验证这个想法的可行性,胡德云和他的同事全国建立了28个站点,收集了内蒙、青海、黑龙江、北京等多地不同的气候图片,从沙暴、扬尘到高原云状,他们全都“捕捉”到了,数量达100万张。

对于今年的市场布局,a8总经理陆总表示,力争尽快覆盖长江以南的省份,通过快速的市场布局,建设一批较高质量的终端网点,快速抢占智能化照明的市场份额。

人工智能 –

收集到足够多的图片样本只是第一步。之后,他们将精选的2万张气候图片,借助百度easydl定制化训练和服务平台进行训练(百度easydl定制化训练和服务平台是一个零技术门槛的快速应用平台,用户根据文字提示进行简单的页面操作,只需四步,最快10分钟即可训练业务定制的深度学习模型。目前easydl已经开放了定制化图像分类、物体检测和声音识别、声音分类等能力),打造了一套能够智能“看云”的ai系统,这套系统里包括观察云状、云量、天况、霜露、雨凇雾凇、茶叶霜冻识别等气象图片的定制化模型,目前,已经对20多种云状、11种云量,以及雾、霾、沙尘、霜露、结冰、结雪、雨凇雾凇、茶叶霜冻等天气状况进行自动观测。

而在销售渠道层面上,a8照明积极鼓励经销商与当地建材商合作,从装修渠道、水电工渠道、设计师渠道等多方面布局,同时积极寻找与全屋定制的合作。

蓝图上新的利益相关者

图片 5

全方位发力,a8照明要做灯具界的小米,追求极致性价比。为了实现这一性价比,a8照明采取产品直供的模式,没有中间代理商,销售过程中减少了中转的环节,性价比更高,为消费者提供更专业、时尚、智能、健康的智能照明,引领照明的智能化趋势。

图片 6

经过不断的优化迭代,现在这套人工智能天气观测系统对20
多种类型的云状识别准确率达87.5%,云量识别实际准确率也在85%以上,霜露、雨凇雾凇识别准确率均在80%以上。

服务设计师的一个职责就在于通过运用一些技术的部署,来支持和促成用户和服务提供者的关系,从而保证服务的高质量运作。但是这里有一个很重要的设计原则就是,技术虽然需要被考虑,但是它必定不是服务的驱动者,而是赋能者。

就像“人脸识别”一样,ai帮胡德云和他的同事们实现了24小时“天脸识别”,准确度不输于人工观察,杨焕强不用再每天必须守在观测场了。——胡德云说,“这套系统在五月份会在3到5个气象站进行试点,效果好就有机会推广到全国。”

人工智能,却可以打破这个原则。因为人工智能可能不仅仅是一个技术或者工具,而且它很有可能和人一样,成为可以驱动服务的新的利益相关者,因为它也需要去学习,去交流,去“进化”,在服务中产生更可持续的价值。这些可能的价值包括帮我们处理单调乏味的工作,提升利益相关者们的参与感,提高时效以及提供持续的数据洞察从而推动决策。

图片 7

因此,想要最大化人工智能所带来的好处,用户体验/服务设计师需要开始像思考利益相关者一样去思考人工智能,而不仅仅将它视为一个工具。如何安排人工智能,去让工作人员可以关注于作为人类更擅长完成的工作及任务,从而提升用户对服务的感知与体验?这应该是每一个用户体验/服务设计设计师都应该思考的问题。

高清摄像机和获取的全天空云图

人机协作需要双向交流

2

(two-way communication)

杨焕强孤守山顶仰望天空的日子里,徐振磊正在用脚丈量佛山的输电线路。

图片 8

在佛山市3798平方公里的土地上,铺设着超过5000公里的输电线路,而徐振磊和同事们要做的,就是保护这些线路的安全可靠运行,确保电力供应的安全。徐振磊所在的南方电网广东佛山供电局输电管理所,有9个线路班组,每班平均十来人,这些人每天要驱车100多公里,巡查沿途输电线路的情况。

考虑到人工智能作为一个新的提供服务的关键角色,那么它必定也会存在服务传递以及服务交换,这时,双向交流是必不可少的。就比如之前提到的那个保险公司审核员的例子,人工智能与工作人员相互提供服务,和谐共生。但是,如果往细里想,人工智能和人类“思考”事情处理事情完全是处在两个完全不同的维度,那么他们该如何去进行交流和合作从而促成高效高质量的服务交换呢?人工智能该如何和人类交互,才能确保它是用户友好的呢?因为交流是双向的,所以接下来,文章将从两个方向来进行提供一些解决问题的思路。

线路运维人员每天大部分的时间都消耗在路上,不仅工作量大,有些地方路况不佳,开车都很难到达。最近几年,他们开始尝试用科技进行改善:比如应用无人机帮忙巡线,还在一些线路上安装了摄像头。

机器到人

但是,即使有了摄像头和无人机等新型设备,他们依然需要定期到工地现场,和施工人员沟通情况,针对施工密集的隐患点甚至要三天一查,时刻监督现场施工安全,保障输电线路安全运行。输电线路在线监控装置的大面积部署能让人少跑几趟,但带来了新的挑战——传回来的照片仍然需要人工筛别,且数据量呈几何式增长,平均每人每天要面对几千张照片,这给审核人员带来了巨大的工作压力。

(machine-to-human )

图片 9

图片 10

面对庞大的工作量,徐振磊也选择了ai。

当我们看一张小猫的图片,我们也许一下子就能看到说毛茸茸的耳朵,尾巴以及诱人可爱的猫爪,然而机器看到的是一堆像素点。为了让人工智能明白其实人类看到的是一只小猫,机器必须首先记忆猫的像素模型(毛绒耳朵,尾巴等等),通过多次的数据输入来分析出构成猫这个标签的像素分布以及像素信息,然后达成最后的认知,最后在看到图片时都可以快速计算来识别出小猫。这就是人工智能最基本的认知原理。

他们借助百度大脑easydl训练了一套输电线路外部隐患识别模型,用来识别出输电线路中存在的吊车、挖掘机等外部隐患,一旦发现隐患,就实时通知负责该区域线路运维的班组及时排查处理,确保输电线路安全运行。

但是试想一下如果机器只是简单的提供他们计算结果,譬如这个结果是“猫”,那其实并不能算作一个有意义的解释,也不是用户真正想要的。用户更想要的(也是用户看到图片会认知到的),是一些包含具体描述,甚至情感的信息,比如“一只可爱的花斑肥猫,它抱在手上一定很重”等等。所以,从机器到人的交流,我们必须去思考如何转化机器的语言,让这些语言更加易于让人理解,生动。

“以前安装监控,相当于给输电线路安装了‘眼睛’,现在有ai技术,输电线路就像是有了自己的‘大脑’,不仅更快更便捷,检测的水平也提高了”徐振磊说。

总结来说,相对于机器“是”或“否”的答案,或是复杂的算法链,体验/服务设计可以促使人机进行更多微妙的互动,从而使他们合作起来更加有效和谐。所以作为设计师可以做的,也许是协作算法师一起去推动更多的交流交互多样性(特别在重要的服务环节),或者视觉化重要的决策点以及决策模型使之更易于管理及理解,再或者是提升人工智能的可信赖感等等。

正是ai的这个“大脑”,
监测系统可以自动识别输电线路外部隐患,让班组人员和巡检员工作量减少了20%。

人到机器

当然,事情也不是一开始就这么顺利。徐振磊说,他们需要ai的识别准确率达到90%,但是最早的版本,准确度提高到80%左右就遇到了瓶颈。“只能一版一版的做迭代,”徐振磊和百度的技术人员一直琢磨怎么提高精确度。“前后迭代了十几个版本,终于把准确率给提升到了90%以上,和人工水平持平。”至此,ai才终于“上岗”。“那阵子振磊真是钻到里面去了,识别精度训练期间,他被派去一个偏远的地方出差,大晚上还跟我们在群里讨论。后来聊天才知道,他入住的酒店网速跟不上,他是跑去网吧做的调试。”徐振磊的同事小麦说。

(human-to-machine )

图片 11

图片 12

作为一个输电线路运维人员,徐振磊觉得,人工智能把自己从巡线这种重复性高、人力和时间成本高的工作中解放了出来,而节省出来的时间和精力又能用来搞研发,这样就形成了一个良性循环。

相反的,人类也需要方式方法去给人工智能推送有效的信息,从而去训练它们并不断的升级它们,使它们变得越来越好用。举个例子,waze,一个导航app,它可以基于基础数据库和其他用户的实时路况数据输入来进行推算,最终帮助用户找到最快捷的路径。用户的数据输入量越大,这款app就在不断的自动优化,用户体验也就越来越优秀。

徐振磊认为,人工智能有很多优点,它是推动电力行业向智能化转型的关键技术之一,无论是配电、调度、营销都可以用ai完成——巡检机器人、智能客服、大数据分析等“隐形劳模”都在降低一线员工作业风险和强度,更重要的是让百姓用电变得更加安全可靠。

所以该怎样输入信息?输入怎样的信息呢?我们知道人与人之间的交流解释其实都是很复杂困难的,充满了不确定性,不准确性以及含义模糊性,更何况是给到机器。就比方说在中国我们会说我们的三四线城市为“小城市”,但是也许中国的一个小城市的人口和占地会远超一些国外国家的大城市,所以这个词其实就是很模糊的一个东西。在人与人之间的交流中我们可以通过补充以及上下文可以自然的明白这里的“小城市”是指什么,可是机器就很难反应了。

3

用户体验/服务设计师因此需要全面的去思考和设计传递给机器与人传递信息的界面。这些界面将需要给人们创造一些场景可以给机器提供一些持续不断,清晰且准确的信息输入,从而可以让机器的“学习体验”变得更加良好,从而真正实现人工智能。并且,在人工智能的开发阶段,也需要进行尽早且频繁的纳入用户进行研究以及可用性测试,以确保机器在未来的工作中可以有效学习。

“让人工智能在工业上形成生产力,最可能的方向就是质检”

图片 13

佛山向东南145公里,就是改革开放的第一个窗口——深圳。作为新时代劳动的结晶,每个来到深圳的人,都会感受到这座城市的独特气质:现代化、科技感、活力、年轻化。自1980年成为经济特区以来,深圳一直在以惊人的速度成长,在外围郊区,座落着几家大型工厂,它们是世界级品牌苹果与三星产业链上的一个齿轮:核心零部件生产供应商。

总结

华付瑶,就是这些工厂里数万工人中的一个。与其他流水线上的工人不同,华付瑶身体不如他们那么健壮,还戴着一副眼镜,“别人说我不像工人,更像是个搞学术的,”华付瑶说,“我的工作是质检员,也就是产品质量的把关者。”

当下,树立一个可以感知,分析,合作的新的人机系统是未来的方向和机会点。这样的新协作系统应该整合人本身的优势以及人工智能的优势,从而创造更加高效有效的服务,运行模式。而用户体验/服务设计师在这个系统的开发应用中应该扮演促进提升人机交互,体验,关系的角色,连接人与人工智能。

“以前这活儿很枯燥。也很伤眼。”华付瑶在深圳呆了十年,见证了深圳的制造业由小到大、由传统到智能化的过程,每次走进自己的工间,他都会想起自己最初工作的样子。“那些零件,最小的可以达到1mm
x 1mm,质检员都得拿放大镜看。”

未来人机的交集将会越来越多,关系也将会变得越来越扩展,所以对于设计师来说掌握这些技术的可能性,并结合基础的“以人为本”的设计方法去构建一个和谐的人机新系统,必将让无论是人还是机器都发挥出更大的潜力。

图片 14

本文主要观点来自于satsuko vanantwerp与simon mhanna在 touchpoint杂志vol
10 no. 2发表的文章《human machine collaboration: designing for a new
kind of relationship》,部分观点来自于笔者。

那时候,人们在手机上花费的时间还没有现在这么多,质检员要低头一批一批地检查,睁大了双眼去找零件中的瑕疵。“我们就是最早的低头族。”付瑶不止一次和别人这么自嘲,比起颈椎受到的压力,更大的伤害在于视力:高亮度的工作间里,质检员每天都要重复这样的工作8~12小时,下了班眼睛都是痛的,见风就会流泪,高度近视是常见的现象。除此之外,质检员还面临着因一个漏判,整批次零件打回的风险。

· ··· · · · · ·

“让人工智能在工业上形成生产力,最可能的方向就是质检。”领邦仪器公司ceo崔忠伟博士说。领邦是一家为制造业提供自动化快速检测设备的高新技术企业,他们开发了零件智能分选机器人,利用人工智能的视觉技术把瑕疵零件快速精准的挑选出来。

如何增强机器的深度学习能力,让质检过程精度更高、速度更快、运行更稳定?领邦引入了百度的开源深度学习框架paddlepaddle,通过训练和研发,ai做到了可以检测45mm以下零件外观缺陷,如刀痕、磕边、麻点、砂眼等,并实现缺陷位置标注和分类。而且ai的工作效率很难搞——一台零件智能分选机器人能达到10
个工人的工作效率。

2019,ixdc国际体验设计大会北京站将于7月11-14日举办,以主旨演讲、工作坊、峰会演讲,设计之旅,设计大展,圆桌等板块,邀你共同参与ixdc十周年设计盛宴!

图片 15

这一次,ai这个“隐形劳模”帮工厂生产成本平均降低15%,效益提升15%。由于机器检验水平稳定,大大提高了产品的交付质量,交付投诉率平均降低了30%,综合生产力水平平均提高了30%。

让华付瑶感到安心的是,智能工厂、智能流水线并没有像以往想想的那样让他失业,他的工作从质检员变成了智能分选机器操作员,经过培训,他已经能熟练的进行零件样本数据采集、标注,分拣机器维护、数据统计和分析等工作。

图片 16

4

“终于有空闲好好看看故乡宁波的山水了”

崎岖行石道,外折入青云。

很多人登上宁波市远郊陡峭的山区,都会想起李白的诗句,这里也是人们周末游览的好去处,自驾的游人总是络绎不绝,站在山顶,能看到平坦宽阔的公路在山间蜿蜒,穿过隧洞,趟上上大桥,延伸到看不见的远方。

但在山顶上远眺的,除了游客,还有一种被称为桥隧养护工程师的职业,他们来不及去看这春意盎然画面的和嶙峋骨气的山景,就要走向下一个观测点,去检查桥梁桥墩、桥台、桥面、栏杆等,刘瑞江就是其中一位。

“宁波有6000多座桥梁。”刘瑞江告诉记者:“宁波市下属有40名左右的桥隧工程师,在下面是一线巡检工人,每人每个月要检查一次,每次大概400-500座桥。”桥梁监测并不是远远看一看就好,他们需要现场采集病害图片,手写记录相关数据,回到工作单位后再将巡检内容汇总、分类数据并提报系统。

图片 17

“内容要记录的东西很多,比如哪个桥上、哪个部件、什么位置、病害类型、病害尺寸、定损等等。”刘瑞江说,录入很耗时,一般要花3-4天,提报系统后,会按照提报情况、区域分配维修工程师做相关维护。

这个工作频率高、时间长、过程繁琐,愿意干的年轻人已经越来越少了,公路管理局在缺少人力的情况下,不得不将巡检工作外包给第三方。手动录入还可能错录漏录,长此以往,道路桥梁安全隐患得不到处置,会极大影响到交通安全。

“其实公路养护行业有大量的纸质历史数据,但是传统手段应用它们的成本高、效率低。”刘瑞江说,人工智能的一些技术解决方案比如nlp
、ocr 、知识图谱这时候就派上了用场。

在北京,新桥信息研发部部门经理张磊也在想,能不能借助技术,帮助宁波的巡检工人更轻松的巡检桥梁。

结合历史积累的道路及病害图像,北京新桥使用百度的easydl
训练了图像分类、物体检测算法,实现训练桥梁结构类型分类、桥梁破损部位、道桥病害模型,用于帮助全国日常道路桥梁维护巡查工作。如今,easydl训练处的模型对桥梁破损部位识别准确率可达94%,并能识别出结构物破损、裂缝等十多种病害,完全是一名合格的路桥巡检员了。

现在,刘瑞江和他的同事们只需要现场拍照,并测量病害尺寸即可,后台算法就能实时识别并作出相关反馈,只需要花费原来三分之一的时间,而且原来人看不见的地方,比如悬索桥顶部、桥底部,也可以通过无人机拍摄,再交给人工智能这位“员工”处理。

刘瑞江觉得自己工作最大的变化是,他跑现场的时候,终于有空闲好好看看故乡宁波的山水了。

图片 18

5

“ai 为生物多样性研究与保护提供新的选择”

对于刘瑞江来说,看看山水目前还是一种奢望,但是对于林聪田来说,山水,是他再熟悉不过的工作环境。

林聪田博士就职于中国科学院动物研究所,不久前,他开发出了一个名为“生物记”的平台,这是通过百度easydl
训练野生动物模型,有效解决了生物分类学研究、生物科学普及中快速鉴定识别物种难题的平台,可支持科学考察与科学普及活动,网站平台目前已经上线服务,即将推出生物记app。

“生物记将为中国科学院a
类先导专项‘地球大数据科学工程’积累更丰富的生物物种数据,也将为野外博物教育提供强有力的科学支持。”林聪田介绍,在最新版本的生物记中,物种智能识别工具可与分类专家的专业知识相结合,帮助分类专家及野外观测人员大大提高物种识别的效率和可靠性。目前训练后的鸟类识别模型能够识别1000多种常见中国鸟类,top3
准确率达到92%,蝴蝶物种模型能够识别12个科级类别的蝴蝶。

生物科学是如何与ai结缘的?实际上,林聪田的研究方向是生物多样性信息学,是计算机与生物学的交叉学科,于是他自然而然地把目光集中在如何用信息学的方式解决和研究生物多样性的问题。此前,林聪田也用过比较主流支持向量机、神经网络等模型,但深度学习的到来让他眼前一亮。

生物多样性野外调查是一件枯燥的事,观测员到某一个研究区域,会沿着一定的样线进行边观察边记录样点所观测到的信息,包括观测时间、位置、生境、物种类别、数量、行为等等。

图片 19

近年来,搞生物分类的研究人员在不断减少,甚至一些学校已经放弃了相关专业招生。分类的专业人员越来越少,但是公众想了解自然,了解生物的愿望却越来越强。随着人民生活水平的不断提高,越来越多人的愿意去野外看看,想了解这些生物知识。这就产生了一个矛盾——专业人员太少,没有办法给公众提供丰富充足的知识。

而林聪田想做的,就是在二者中间搭一座桥。“我们希望做一个平台,把人工智能、专业人员和公众整合到一起,科学研究来支持公众科学,公众科学又反哺科学研究。通过ai形成一个良性循环。”

“比如我拿一个手机,看到了就拍到,拍到就留下一条记录。因为大众是百万量级,只要每人提供一张照片,每人提供一个位置信息,那么这个生物记录的信息成百倍地增长。”
林聪田说,国外的公众科学很发达,现在单单鸟类的记录通过公众科学,就能达到几亿条。“中国你知道多少条?现在估计只在百万级别。”

从2017年开始,林聪田就不断尝试用ai训练动物识别模型。经过不断的累积上传,现在已经突破一千种鸟类了,中国鸟类的总数在1300-1400种左右。

并且,通过版本的快速迭代,现在借助easydl的定制化训练,生物记平台的鸟类识别准确率有很大提高,在保证物种覆盖度的同时,top3的识别准确度在92%以上,top5的准确率接近95%。

图片 20

在林聪田眼里,ai就是搭建专家跟公众之间的桥梁。“专家不能天天跟着公众跑,但是ai在吸取专家的知识以后,可以传播给公众。那些比较普通的工作,就由ai来做。公众可以为ai提供图像数据、记录数据,同时获取生物知识。而公众反馈给ai的数据,可以进一步训练,增强ai的能量。”

林聪田花费了2年多的时间,终于让生物记成为了专家与公众之间的“调解员”。这两年,他带着团队收集整理野外鸟类生态图片40万幅,经过分类学专家标注筛选,最终选出20万幅,覆盖1000多个中国鸟类物种。通过使用百度easydl定制化图像识别进行训练,先后进行雀形目鸟类模型、非雀形目鸟类模型到1000多种鸟类模型训练,并进行逐步优化。

图片 21

目前,生物记app框架搭建已经完毕,正在进行内部测试运营,预计5月就会上线。届时,公众只需要下载一个app,就能在人工智能的引导下,随时随地记录身边观测到的物种,包括观测时间、观测地点、观测笔记等。用户可以为每一条观测记录提供相关证据,批量上传物种图片。通过百度easydl
训练的鸟类识别模型,用户可以快速获取物种名称与百科知识。

图片 22

“其实生物多样性,跟我们的衣食住行都有关系,人也是生物多样性当中的一环。绿水青山,美丽中国,缺少了这些生物,就不是美丽中国了。生物多样性是战略资源。如果没有生物多样性,人类可持续发展就没有基础。”林聪田表示。

有了ai的帮助,杨焕强不用再每天坚守25平米的小院,他“以后可能会搬去杭州市区,在那里买房安家”。

徐振磊对旁人说,“都说人工智能,我看这其实是一个先人工再智能的过程,你想让它帮你提高多少工作效率,你前期的投入还挺重要的。”

因为ai,华付瑶眼睛见风流泪的毛病好了很多,“眼镜度数现在也不涨了。”

如今,宁波路桥的巡检工人,从发现破损到处理破损要十五天的流程被缩减到了一两天。

只需要掏出手机打开app,公民科学就能变成一种可能,人工智能让专家和公众之间有了新的平衡点。

这五个故事里,每一个劳动者身边都多了人工智能这么一位“隐形劳模”。故事的细节不仅仅有各行各业的辛勤与汗水,有科学进步的推动力,有时代变化的天翻地覆,更重要的是,有了“隐形劳模”的守护,越来越多的行业正在收获成功的喜悦与欣然。

百度大脑是百度ai多年积累和业务实践的集大成,包括视觉、语音、自然语言处理、知识图谱、深度学习等ai核心技术和ai开放平台,对内支持百度所有业务,对外全方位开放,助力合作伙伴和开发者,加速ai技术落地应用,赋能各行各业转型升级。经过两年多的努力,百度大脑平台上开发者数量超过100万,日调用量超过4000亿,覆盖20多个行业。

而百度大脑赋能的这五个故事也正是“第四次工业革命”中五道小小的微光,他们聚在一起,无疑会使百度大脑ai技术更加深入人心。同时,这个五个故事也用人工智能让我们看见了未来社会另一种劳动者的缩影。

(免责声明:本文为企业宣传商业资讯,仅供用户参考,如用户将之作为消费行为参考,凤凰网敬告用户需审慎决定。)

相关文章