“热带雨林”
一个AI开发平台是怎么保护热带雨林的？
华为云ModelArts热带雨林
“科技理应普济天下”，近日华为副董事长胡厚崑在华为全球分析师大会上表达了这一观点，并宣布华为推出Tech4ALL计划，主要围绕联接、应用和技能三个方面来开展，希望在接下来的5年里，让全球再多5亿人从数字技术里受益，最终实现让科技普济天下。
“AI makes it possible”
眼下就有一个实际的例子，让我们看看华为是如何从联接、应用和技能三个维度达到目标的。
热带雨林无疑是地球赐予地球上所有生物最为宝贵的资源之一，超过25%的现代药物是由热带雨林植物所提炼，热带雨林也由此被称为“世界上最大的药房”。同时，众多雨林植物的光合作用对于净化地球空气的能力尤为强大，其中仅亚马逊热带雨林产生的氧气就占全球氧气总量的1/3，故有“地球之肺”的美誉。
但让人警惕的是，世界热带雨林的面积在剧减，甚至有预言2030年世界将再无热带雨林。人类大量砍伐是一部分原因，使得雨林面积减少，从而导致生物多样性的降低，形成负面循环。
好在保护力量一直在行动。RFCx就是其中一个热带雨林保护组织。2014年，物理学家和软件工程师Topher White创立了非政府组织、雨林保护项目——Rainforest Connection（RFCx），总部设在加州旧金山，致力于帮助保护世界免受非法砍伐和非法偷猎。他们的生态系统和联接方式非常符合华为的品牌愿景——构建万物互联的智能世界。目前Rainforest Connection已在10个国家部署，保护森林面积超过2000平方公里。
其实，在华为云进入这个项目之前，他们已经用上了华为手机做联接——通过将大量回收的旧手机升级改造为太阳能雨林监听设备，分散部署在丛林深处。无论大雨倾盆、艳阳高照或终日潮湿，一旦监测系统发现盗伐异响，如电锯或卡车声，便会第一时间告警，将具体盗伐定位推送给当地的护林员，帮助他们快速进行搜查。
手机做联接，数据收集到云上作分析，分析之后的结果下发到工作人员，新技术让过去巡林员似的工作大大简化，效率提高。雷锋网还了解到，其实几年前RFCx设计检测声音方案的时候，他们测试了几个品牌的智能手机，最后选择了华为高品质智能手机。
不过，监听设备只负责收集声音，而声音的识别和处理就需要用到AI。在华为云到来之前，在RFCx系统中使用的链锯模型是RFCx工程师用TensorFlow搭建而成，团队中必须有人知道如何编写代码，并设置环境来使用TensorFlow构建和部署AI模型，尽管复杂，但是总是开了个头。
可以想象的是，如果没有AI，2000平方公里要花费多少人力物力去分辨各种类型的声音，这根本是不可能完成的任务，AI的价值就体现在这里。
Huawei makes it easier
RFCx和华为云从今年初开始合作。目前，双方正在合作优化RFCx现有的声音模型，并在华为云AI技术和解决方案的帮助下，构建能够检测和分析蜘蛛猴叫声的智能模型。
蜘蛛猴是热带雨林中的一类濒危物种，被列入《世界自然保护联盟》2008年濒危物种红色名录ver 3.1。然而，热带雨林的濒危物种还有很多，每一种声音的识别都是复杂的，在不同的干扰环境下要让AI识别率提高，都需要做不同的优化层，复杂度大大提高，如果只靠工程师一个一个优化，工作量将非常巨大。
在ModelArts平台上对采集到的蜘蛛猴声音进行测试
可以说，华为云一站式AI开发平台ModelArts完美地解决了这一问题。工程师使用华为云ModelArts不需要编码，不需要机器学习知识，甚至不需要设置环境，而只需要使用UI向导来上传声音数据，标记有链锯的声音，然后单击一次来训练模型，再将模型部署到生产环境中。
类比来说，使用TensorFlow编写代码就像雇佣木匠来制作家具，而使用ModelArts 自动学习就像购买可以DIY的宜家家具。对于RFCx来说，DIY解决方案是非常重要的，因为链锯声监测只是众多雨林保护场景之一，他们可以将ModelArts的自动学习功能应用于所有其他声音分类场景。
雷锋网了解到，利用ModelArts自动学习声音分类功能对RFCx提供的链锯数据(2000秒链锯声音数据和20000秒其他雨林声音数据)进行训练，得到了0.993的精度和0.955的查全率，结果比RFCx目前使用的人工调优模型还要好。
AI已经初步在雨林保护中施展拳脚，下一步华为云和RFCx计划将优化后的链锯模型很快部署到RFCx实时监控系统中。而蜘蛛猴的场景更为复杂，华为云和RFCx正在收集更多的数据来训练声音识别模型，预计将于今年年中在系统上部署。2019年，RFCx的目标是保护6000平方公里的森林，其中4000平方公里的新林区正在等待保护。
ModelArts的“自我修养”
ModelArts——华为云从芯片(Ascend)、服务器(Atlas Server)、计算通信库(CANN)到深度学习引擎(MindSpore)和分布式优化框架(MoXing)，形成一个全栈优化的AI开发平台。
作为一个优秀的AI开发平台，ModelArts应该具备什么要素？简单来说包括以下几大功能：
• 数据治理：支持数据筛选、标注等数据处理，提供数据集版本管理，特别是深度学习的大数据集，让训练结果可重现。
• 极“快”致“简”模型训练：自研的MoXing深度学习框架，更高效更易用，大大提升训练速度。
• 云边端多场景部署：支持模型部署到多种生产环境，可部署为云端在线推理和批量推理，也可以直接部署到端和边。
• 自动学习：支持多种自动学习能力，通过“自动学习”训练模型，用户不需编写代码即可完成自动建模、一键部署。
• 可视化工作流：使用GES（图引擎服务）统一管理开发流程元数据，自动实现工作流和版本演进关系可视化，进而实现模型溯源。
• AI市场：预置常用算法和常用数据集，支持模型在企业内部共享或者公开共享。
ModelArts可应用于多种业务场景，包括图像识别、视频分析、语音识别、产品推荐、异常检测等。每种场景都可以具体细分，与华为云的各项能力无缝衔接，比如统一身份认证服务、对象存储服务、云容器引擎、批处理服务和图引擎服务等。
在全球人工智能领域最权威的竞赛之一——斯坦福DAWNBench最新的榜单中，ModelArts获得图像识别总训练时间和推理性能榜单的双料冠军，可谓一战成名。
在训练性能方面，华为云 ModelArts 用128块 V100 GPU，在 ResNet50_on_ImageNet（93%以上精度）上训练模型，训练时间为4分08秒，打破了自己2018年12月的9分22秒纪录，比fast.ai 在 AWS 平台上的训练速度快4倍。
在推理性能方面，华为云 ModelArts 识别图片的速度是亚马逊的4倍、谷歌的9倍。
在模型训练部分，ModelArts通过硬件、软件和算法协同优化来实现训练加速，尤其在深度学习模型训练方面，华为将分布式加速层抽象出来，形成一套通用框架——MoXing(“模型”的拼音,意味着一切优化都围绕模型展开)。
如今，云上AI的竞争逐渐成为一个焦点，从底层硬件到上层计算引擎、再到更上层的分布式训练框架及其优化算法多方面协同优化的ModelArts，全栈能力让用户训练成本降到最低，性能提高。未来，华为云将在更多业务场景落地AI服务，既包括商业应用，也包括更广范围的AI应用需求，就像这次用AI保护热带雨林。
