這事兒憋了很久，不想給大家隱瞞了！
1 毀滅人類
這段時間以來我一直有一個深深擔憂，人工智能可能不只是要取代我們的工作，很有可能未來會消滅了我們！
上次寫文章《猴子用意念打游戲》更加印證了我的想法，目前人工智能已經可以通過采集腦神經信號，解讀出猴子想要操作的行為。
大家想一想，未來如果給人類腦子安裝一個這玩意，那你每天在 YY 小電影什么東西，全給你記錄下來了。
也許真的有這么一天，不懂人工智能就跟不懂說話一樣，被這個世界淘汰了...
2
凌晨2點
現在是凌晨2點。
我托着疲憊的身軀，從床上爬了起來，在網上搜索現在學習人工智能是否還來得及，以及我國在人工智能這方面到底搞的怎么樣？
經過百度搜索一通亂搜，得知如果現在要學習人工智能，得先學會使用深度學習框架，於是我又開始查詢，現在有什么主流的深度學習框架？
不是經常在網上看到人工智能領域，中美都是處於第一陣營的嗎？
查完我才發現，怎么前面好幾個深度學習框架都是老美發明的！但隨着了解的深入，我覺得說中美處於第一陣營也是有點道理的...
第一，現在主流的框架背后開發者，有一個中國人研發者叫賈揚清（目前已回國）；
第二，主流深度開發框架中，也有一個國內企業開發的深度學習框架飛槳 PaddlePaddle ，比較能打。
飛槳是中國首個自主研發、功能完備、 開源開放的產業級深度學習平台，已經有 320 萬開發者了。
還好還好。在中美科技最近斗得這么凶的情況下，無論怎么強調技術自主性都不為過，我們至少還有一個扛得住。
於是好奇心的驅使下，讓我對飛槳 PaddlePaddle 有了更多的了解。
3
飛槳 PaddlePaddle 是什么鬼？
從頭說起，飛槳 PaddlePaddle ，是百度開發的一款深度學習框架，作為一個小白的我冒出來的第一個問題是，學習人工智能必須要用深度學習框架嗎？
答案是不一定必須用，但幾乎大家都用了。
我讀者里面 Java 用戶比較多，就用 Java 中的 Spring 給大家舉個例子吧。
飛槳 PaddlePaddle 可以認為是 Java 生態中的 Spring 框架，幫你封裝了很多常用功能比如操作數據、Web 開發等等。
做 Java 項目你可以不用 Spring ，但必須自己去實現各種細節，巨麻煩還容易出錯並且性能還不行，反正就是吃力不討好。
在深度學習這個領域內，深度學習框架就相當一個巨大的類庫，幫你封裝了神經網絡、卷積，池化，全連接，這些看起來就巨難的東西。
因此使用深度學習框架，可以讓我們做 DL 編程時變得相對容易一些，所以一個深度學習框架到底好不好，就要看整個生態支持的怎么樣？
有沒有配套的學習文檔、交流社區、各個垂直領域的支持程度等等，在這方面飛槳做的可真是牛。
害怕你學習起來比較困難，於是搞了個零門檻 AI 開發平台 EasyDL；害怕你不知道如何學習實踐搞了個 AI Studio；開發工具、開發套件等等也都免費送上，而且竟然連算力都會免費送，太良心了。
從各方面數據來看，飛槳都處於深度學習平台第一陣營。
4
拉出來溜溜
中國有句俗話叫做：是騾子是馬，拉出來溜溜。
飛槳到底能不能行，我們得看看它在相關產業的落地情況。
還記得五一前，京滬高鐵滄州段因為接觸網上掛了異物，聽說是附近的地膜被大風吹起來了，好家伙，導致京滬高鐵上下行段出現了大規模晚點，我好幾個朋友都遇到了晚點，在高鐵站苦苦等待……
要說軌道交通巡檢這事兒，我還真了解過。
以前跟一個在地鐵工作的哥們兒聊過，他們基本上都是人工去做檢查，主要是看鋼軌有沒有受到損害，一天需要大概十幾二十個檢修工，凌晨就去檢修，一個小時檢修5公里，還是很累的。
最關鍵的是，像上面那種不知從哪飛來的薄膜，掛在接觸網上，人工哪能這么及時看到及時處理呢？
接觸飛槳后，我發現，其實智能巡檢這事兒，已經有人在做了。
成都國鐵電氣設備有限公司就利用飛槳的 PaddleDetection 等套件解決了 AI 算法的難題，研發出了一套“軌道在線智能巡檢系統”。
這個系統幫助成都國鐵提升了檢測效率，減少了漏檢的情況。我覺得最重要的一點是，因為軌道上的電客車行駛的時候，是很危險的，以后用上人工智能，檢修的工作人員安全就能更好保障了。這是一個縮影。
電力、林業、醫療等等，很多和生活息息相關的領域，都有飛槳的身影。
5
牛X的技術體系
這不，最近飛槳深度學習平台又升級了，產品技術上就帶來了六大全新發布，我這里簡單跟大家聊聊。
1、開源框架V2.1發布，自動混合精度、動態圖、高層API等進行了優化和增強。尤其是自定義算子功能全面升級后，方便讓越來越多的學科更容易的使用自定義算子。
這個功能升級了之后，生物、物理、數學上的一些特殊的處理單元，也能方便跟 AI 結合在一起了。
2、大規模圖檢索引擎發布，支持萬億邊的圖存儲和檢索，大規模圖模型訓練架構，支持超大型圖項目落地。
大家知道機器學習是需要數據來訓練的，數據樣本越多、越豐富，項目才能越精准、智能；飛槳支持大規模圖模型訓練，那后面可以做的事情就太多了。
3、文心 ERNIE 四大預訓練模型發布，知識與深度學習相結合實現知識增強的語義理解，不僅能理解語言，還可以理解圖像，實現統一的跨模態語義理解。
文心 ERNIE 主要是為了能讓機器看得見、看得懂、能分析、能決策。這次升級，機器在理解圖像上更強了，語音、語義等等信息也都能更好理解了。
4、硬件生態進展發布，飛槳已和國內外 22 家硬件廠商開展適配和聯合優化工作，已完成和正在適配的芯片或 IP 達到 31 款，支持硬件級、芯片級訓練優化。
大家知道如今 AI 為了追求性能，都是需要跑在特定的 AI 芯片上，深度學習框架與芯片廠商的合作才能把芯片的算力充分發揮出來。
5、最新推理部署導航圖，降低 AI 應用的門檻，幫助開發者走通 AI 應用最后一公里。
之前開發者的痛就是開發好了，訓練好了，部署涼了。
這種好工具能告訴你飛槳目前支持的 300 多條走得通的鏈路，一旦你的部署有啥問題，都可以在這里查到答案，福音有木有。
6、雲原生機器學習核心 PaddleFlow開放邀測
這個就很厲害了。它是第一個專門為 AI 平台開發者提供的、容易被集成的雲原生機器學習核心。
這么說吧，如果你是一個遙感行業的開發者，你需要更垂直的平台；如果你要讓 AI 平台跟自己企業內部的業務更緊密，你需要一個自主可控的定制的AI 開發平台……PaddleFlow 就是解決這些需求的。
未來智能世界想象力那么豐富，不曉得下一個新需求會出現在哪，碼一下總是沒錯的。
技術在升級，飛槳的生態建設也不錯。
現在很多大廠都在搶優秀的開發者人才。飛槳現在有 320 萬開發者，比 1 年前增加了將近 70%；產業生態上，現在有 12 萬家企事業單位在用飛槳。
飛槳在生態上的一個大計划，寓意挺好，做的也是長遠的事情，叫“大航海計划”。
啟航、護航、領航三部分，去年投入 5 億，發布了啟航計划，今年是護航和領航這兩個計划最新發布，護航計划，主要是給產業中的開發者和企業，投入了 10 億去做。
總體看下來，飛槳划出了一個新時代。
6
最后
當前，全行業智能時代已開啟，人工智能產業進入工業大生產階段，深度學習框架是人工智能時代的操作系統。
飛槳做為國內最大的深度學習平台，從客觀上來講促進了我國智能化升級。開啟和培養了我國 AI 開源新生態，也培養了一批 AI 人才。
像猴子用意念打游戲、自動駕駛、生物科技、智能機器人這樣的案例，會在在各行各業去慢慢滲透，可能在幾十年之后，我們的生活就已經完全離不開 AI 了。
隨着像飛槳等深度學習平台的不斷發展，會不斷拉低各個行業使用 AI 賦能的門檻，方便我們用 AI 的能力去改造各個行業。
這個趨勢的發展也讓我深深的憂慮，未來如果我們不懂 AI ，是否就像現在普通人員不懂編程一樣，被時代落下！
科技的發展總會超出我們普通人的預測，也許當 AI 掌控世界的那一天到來時，你我皆是 AI 視角下的數據！
這是人類的不幸還是幸運？
然而時代不等你我質疑，我們這一代人或許就是見證者！