新闻热线：010—58884062E-mail：erin74mail@163.com

扫一扫欢迎关注AI瞭望站

微信公众号

AI实验室 AI LAB8

■责编 翟冬冬 2018年 11月 26日 星期一

新鲜事

（本版图片除标注外来源于网络）

第二看台

与 AI 在其他领域应用相比，在农业领域

的应用可以说还是一片“蓝海”，不过，这种状

况正在发生变化。近日举行的 AI Challenger

2018 发 起 了 世 界 上 首 个 农 作 物 病 害 检 测 竞

赛，竞赛提供给参赛选手近 5 万张标注图片，

覆盖 10 种植物的 27 种病害，目前已经吸引了

来自世界各地的 29 个国家的近 1200 支团队

参赛。

据中国统计年鉴，2016年，我国农业生产总

值达 5.93 万亿元，占 GDP 的 8%，但由农业病害

等灾害造成的直接损失达 0.503万亿元，占农业

生产总值的 8.48%。

新客科技创始人刘新农说，在农业生产

中，农药使用也在急剧增加，农药残留不仅会

引发社会问题，还会加剧对环境的污染。因

此，对农作物进行准确的病害识别并推荐合适

的防治措施，创造出能为植物看病的“医生”，

可以挽救农作物的生命，减少农药使用量，保

证农作物的产量。

刘新农说，AI与农业病虫害做结合，首先是

要建立病虫害的数据集，其次需要机器学习和

图像识别系统技术的配合，并且要确保农民使

用智能手机的普及率，这样才可以使技术快速

有效地传达。

AI 监测病虫害主要指利用机器学习、计算

机视觉等技术，采用特定的计算机算法和模型，

对农业病虫害发生的光谱或图像信号进行挖

掘，获得有效的数据特征，实现对病虫害情况的

实时识别和鉴定的过程。

农作物病害检测竞赛的发起方、创新工场

人工智能工程院执行院长王咏刚认为，目前 AI

在图像识别领域已非常成熟，并有了相应的数

据，将其应用到农业病虫害检测中难度不大。

“如果能够利用参赛选手的算法，开发出一个能

实际运用的产品，对于农业发展来说，是一个非

常有价值的事情。”

进军农业“蓝海”图像识别日趋成熟

以往，病虫害的检测需要人工巡视，而且一

旦发现不及时，就容易导致农作物大片死亡。

通过 AI 图像识别技术的引入，可以不停拍照和

比对，提供不间断的监测和预报，节省了大量人

力成本。美国和墨西哥农场 AI 实际应用结果

显示，农产品每周的收成提高了 2%—4%。

不过，利用 AI 检测病虫害发生并非如此容

易。有农业专家在接受科技日报记者专访时表

示，应用难点主要体现在农业领域涉及不可知

因素太多，如地理位置、气候水土、病虫害、生物

多样性甚至微生物环境等都影响着农作物生

产。因此，在应用推广过程中，其中某个因素的

不可知因素多“把脉”农作物并非易事

AI 技术本身还有种种不完善之处，而且农

业涉及不可知因素太多，农业病虫害的种类多

样、危害多元化等，因此，当前 AI在农业中的应

用还受到一定的限制。但毫无疑问的是，AI 技

术在农业领域具有广泛的应用前景。而且随着

AI技术的不断发展和完善，将来可以通过 AI改

进、甚至完全改变当前的农业技术，打造“智慧

农业”等。

“全国有 5 亿农民，能够为他们解决农作物

病虫害的专家可能不足 5万，平均 1万个农民才

对应 1个专家，而且一个专家通常只研究一到两

种农作物，未必能知道所有农作物的病害问

题。”神农识创始人郭强说，AI 农作物病害检测

为解决农户需求与专业信息不对称的问题提供

了解决之道。

AI 农作物病害检测仅是 AI 在农业应用的

很 小 一 个 方 面 ，它 的 应 用 领 域 是 非 常 广 泛

的。比如农业专家系统，也可以叫农业智能

系统，是一个具有大量农业专业知识与经验

的计算机系统。应用 AI 技术可依据一个或多

个农业专家提供的特殊领域知识、经验进行

推理和判断，模拟农业专家就某一复杂农业

问题进行决策。

又如农产品无损检测，即在不损坏检测对

象的前提下，利用被测物外部特征和内部结构

所引起的物化反应变化，来探测其性质和数量

变化，主要用于水果、蔬菜、畜禽、水产品类、经

济作物和谷物籽粒等的检测与分级。随着无损

检测技术的发展，AI 技术将在农产品无损检测

中发挥越来越重要的作用。智能农田气候预测

系统，即通过对卫星拍摄图片、航拍图片以及农

田间其他设备拍摄的照片进行智能识别和分

析，AI 能够精确的预报天气、气候灾害，识别土

壤肥力，庄稼的健康状况等。

有望通过AI改进当前农业技术

改变很可能就将在特定环境中已经测试成功的

算法变成无效算法，进而影响检测效率。

“这也是当前 AI 检测技术只能应用于场

景、害虫种类以及相应检测方法都相对特定

化环境的原因。”该专家表示，AI 检测技术还

对隐蔽性较强的农业害虫或病害的监测能力

有限。农业害虫本身就存在着种间相似、种

内变化、姿态变化、作物遮挡等问题，从特征

分析角度来讲，会造成待识别样本的同一种

类内差异大、相近种类间差异小、特征信息缺

失严重等情况，无形中大大增加了害虫目标

区分的难度。尤其对于一些个体小、生境隐

蔽的害虫而言，比如烟粉虱成虫体长不到 2 毫

米，且活动能力强，利用 AI 对其进行检测，难

度非常大。

此外，用于辅助农药的喷施过程中，从获取

图像、处理分析、喷施作业决策到执行喷施作

业，通常允许处理的时间非常短暂，这也对相关

算法的时间复杂度提出了很高要求。

美国宾夕法尼亚州立大学和瑞士联邦理工

学院的研究人员建立了一个系统模型，并将其

连 接 到 一 个 计 算 机 集 群 来 形 成 一 个 神 经 网

络。随后建立了一个拥有 53000 多张健康及患

病农作物照片的数据库，其中包括 14 种作物和

26 种病害。研究人员利用深度学习的方法来

“训练”模型寻找出所有视觉数据。最终，这个

系统能够从照片中识别出作物和病害，准确率

高达 99.35%。不过，美国通用人工智能协会主

席、汉森机器人公司首席科学家本·戈策尔表

示，如果拍摄的图片不符合标准，识别准确率会

从 99.35%降到 30%，甚至更低。因此，要想让 AI

成为农业方面的“医生”，还要加强用 AI 的能

力，让其模仿人类大脑，多维度观察学习作物病

害特点从而进行判断。

在美国和墨西哥的几座农场里，温室中有

10 台摄像机正连续拍摄西红柿的生长情况，并

提交给相关软件进行分析，识别出可能存在的

问题，比如虫害或病菌侵染……AI 识别技术的

应用，正从人脸识别、动物识别进一步扩展到农

作物病虫害检测等领域。AI识别技术是如何检

测病虫害的，其准确率如何？有哪些应用难

点？在农业领域，AI还会有哪些应用？

“AI赋能博物馆，不仅是为颠覆历史文物的传统呈现方式，更多

是为文物档案原始数据的留存和复原提供技术支撑。”在近日举办的

第三届中国人工智能大会上，四维时代创始人兼 CEO、中德人工智

能研究院院长崔岩告诉科技日报记者，“智慧化的博物馆，文物与场

景的三维数字化仍是存储、运算、呈现的主流方式。”

要实现人工智能，大数据与算法的完美结合必不可少，但博物馆

的特殊“身份”使其总是数据“匮乏”。崔岩表示，一方面文物数据量

与日常生活产生的数据量相去甚远，另一方面博物馆的数据有自身

的开放级别，导致文物大数据库很难建设。因此，AI赋能博物馆，更

多是从场景、游客着手，改变参观者的感官体验。正如 2018 国际博

物馆日到来前火遍朋友圈的“第一届文物戏精大会”短视频，通过引

入人工智能、大数据、云计算等，让展览、文物、知识与参观者之间发

生奇妙的“化学反应”。

大会上，德国人工智能研究院计算机视觉研究分院院长斯特里

克·迪迪尔认为人工智能将在三大领域带来变化：一是数字化管理，

对博物馆藏品、观众等信息实现精细化管理；二是数字化服务，通过

互联网向观众提供无所不在的服务；三是数字化体验，让观众以前所

未有的方式参观展览、感受文物、获取知识。

“目前，AI 技术未来还能帮助博物馆对破损文物进行再现。虚

拟现实技术甚至可以让已经消失的文物‘起死回生’。”故宫博物院副

研究馆员黄墨樵表示，博物馆承载着人类的历史文化艺术等记忆，人

工智能是要让人更真切地感受博物馆之美。 （记者何亮）

AI赋能博物馆数字化仍是主流方向

产业界

“现在很多行业、产业都在进行云化的转型，政府在做数字政务

云，传统的制造企业、大型软件企业、互联网企业也都在加速做云化

转型。”近日，华为技术有限公司资深专家李海涛在中国—东盟矿业

合作论坛上说。

随着大数据、物联网和 AI 等技术的兴起，传统行业正面临数字

化转型的挑战，企业一方面需要考虑原有传统业务的云化，另一方面

需要基于云平台，结合各种新技术开发分布式创新应用。这就需要

功能更加全面、灵活和可长期演进的全栈云平台，能够从芯片、硬件、

软件、解决方案等各个层面为企业数字化转型提供强大有力的支撑，

在业务承载、服务能力、资源管理和架构演进四个维度具备全栈能

力，帮助企业实现商业价值。

李海涛介绍，在云化转型的过程中有三大诉求，分别是资源融

合、数据智能和业务创新。其中，资源融合主要解决两个问题，一个

是物理设备的使用率，另一个是物理设备的简化运维，通过集约化建

设，实现基础设施统一交付、统一管理、统一服务；数据智能是指通过

汇聚各方数据，帮助客户将数据资源转变为数据资产。比如，亚马逊

公司每年 35%的产品都是通过基于大数据的推荐、智能算法售出去

的。而云化的第三个诉求就是企业对应用的开发和部署上线的要求

越来越高，希望做到敏捷的开发和部署，从而实现业务创新。

同时，人工智能技术的深入应用将智能社会的发展推入快车

道。目前华为将 AI技术与云数据中心、智能计算、存储等 IT 基础设

施不断融合，提供全栈式云解决方案，以全栈的技术、全生命周期的

服务能力和全方位的生态优势，助力用户加速数字化、智能化转型，

有效降低了企业实现智能化转型的门槛。

（实习记者陆成宽）

华为全栈云平台加速企业智能化转型

谷歌 AI 团队近日推出了一款新型图像标注

方式——“流体标注”，即采用机器学习来注释

分类标签并勾勒出图片中的每个对象和背景区

域。谷歌官方表示其可将标记数据集的速度提

高三倍。

百度众测平台去年曾发布了 5000 万元的数

据标注任务，而今年预计将达 3 亿元。面对如此

大的市场需求，效率低、交付质量参差不齐的人工

标注方式亟待改善。谷歌此次推出的“流体标注”

如何为图像标注提速？

数据标注——机器感知世界的起点“数据标注是人工智能产业的基础，是机器感

知现实世界的起点。从某种程度上来说，没有经

过标注的数据就是无用数据。”美国加州科技大学

校长秦志刚教授在接受科技日报记者采访时表

示，机器识别事物主要通过物体的一些特征。被

识别的物体还需要通过数据标注才能让机器知道

这个物体是什么。

在机器的世界里，图像与语音、视频等一样，

是数据的一个种类。近年来，随着数码产品以

及存储技术的迅速普及

和发展，人们每天都可通

过相机、可视电话、监控

及医疗设备等制造大量

图像。因此，现阶段图像

已然成为标注产业发展

的重点对象。

如果素材是一张人物

图像，那么需要标注的信

息往往是性别、面部朝向、

人种、有无帽子眼镜等，也

可以人为地将人物和背景

的区域划分开来。将成千

上万张经过标注的图片组

成的数据集“投喂”给机

器，它才能在一张全新的

图像中分辨出人物在哪个

区域、具有怎样的外貌特征。对于人来说“小儿

科”的思考历程，机器却需要大量的标记数据集进

行训练。

机器学习——缓解人工标注的压力

提到人工智能产业，人们往往联想到繁华的

城市和干练的 IT 精英，但实际上，支撑起人工智

能 的 数 据 标 注 产 业 ，却 是 一 个 劳 动 密 集 型 产

业。百度搜索“数据标注”，会出现很多图片语

音视频数据采集、标注公司。随机选择一个此

类词条点进去，往往会看到“万人数据标注团

队”等类似宣传语。可见人工标注是目前数据

标注的主要方式。

“谷歌推出的流体标注模型主要利用人工智

能学习的基础，对图像数据进行自动标注，对于标

注不准确或者出现偏差的地方可以通过人工调

整，从而提高标注效率。”秦志刚指出，即便该模型

可借助机器学习提升标注速度，但最初还需进行

人为地数据标注，为其提供初始训练数据集。事

实也正是如此，为了标注图片，谷歌预先以约一千

张具有分类标签和信任分数的图片训练了语意分

割模型。

但该模型尚不完美，谷歌称，物体边界标记问

题、界面操作速度以及类别扩展等仍需进一步研

究或完善。

人工智能——致力于生活中的简单应用

虽然还有诸多难题尚待攻克，但以流体标注

模型为代表的数据标注新方式无疑顺应着人工智

能的大潮流。实际上，自人工智能逐渐走热以来，

很多行业都想搭上这个热潮。然而，在灼热的潮

流背后，掩藏着一个根本性的问题：人工智能终将

走向何方？

“人工智能的本质是机器拥有‘学习’的能力，

可想而知，人工智能可以极度缩短人类自身的学

习时间，从而将人从大规模脑力学习活动中解放

出来，去专注于更有价值的工作。”秦志刚表示，虽

然人们普遍认为人工智能终将到来，但现阶段人

工智能产业仍在云端。目前大多数人工智能的应

用只能生存在高性能处理器的大型厂房中，就如

同第一代通用计算机 ENIAC 一样“大而笨重”。

“众所周知，随后的几十年内计算机飞速发展到小

型的笔记本电脑，功能却比 ENIAC更强大。人工

智能也当如此”。

界面简单、功能友好、毫无相关知识基础的

人都能使用并获得舒适感，这是秦志刚设想的

人工智能时代。一枚小小的人工智能芯片，可

以完成学习、训练、推理等一系列“思考”过程，

而它的终端表现则或许只是人们生活中最为常

见的简单应用。如下班回家，不需再拿出钥匙

开门，智能门锁就像一位尽职的管家，会在第一

时间感知你的到来，为你敞开家门。“十年之后，

人工智能将会成为主流，潜移默化渗透到生活

中的各种角落。别看是小事情，背后却是高密

集的技术支撑。”秦志刚表示。

“愿景十分美好，但如何将人工智能落地和普

及推广？这将是我们下一步亟待攻克的难题。”秦

志刚说。

谷歌推出新方案，图像标注速度提高三倍

实习记者 于紫月

传统手动标记（中列）和流体标注（右）比较

故宫端门的数字展馆故宫端门的数字展馆

本报记者 李 禾

AIAI变身农业变身农业““医生医生””问诊作物病虫害问诊作物病虫害

视觉中国视觉中国