智能防疫新科技 平安科技奧卡姆靠“聽”咳嗽聲即可判斷COVID-19感染狀況

　　疫情之下,如何降低檢測成本,提高檢測效率,成為科技領域中重要的課題,而這次平安科技又再度走在了前沿。

　　一年一度的全球頂級語音大會INTERSPEECH是語音科學和技術領域國際學術會議如期召開。會議期間,來自全球學術界和產業界的研究人員共聚一堂,討論語音領域的新技術,涵蓋語音合成、語音識別、語音增強、語音新應用等眾多細分領域,在會議上展示的研究成果將代表著語音相關領域的最新研究水平和未來發展趨勢。

　　平安科技聯邦學習技術團隊的論文《A Real-time Robot-based Auxiliary System for Risk Evaluation of COVID-19 Infection(基于機器人新冠肺炎風險評估輔助系統)》被國際語音領域A級INTERSPEECH 2020接收。

　　這篇論文是業界一次創新的探索,成功通過檢測咳嗽聲音來判斷COVID-19感染狀況,這是繼加入健康養老國家項目后,平安科技將先進技術用于社會健康服務的研究成果,再一次得到了全球專家的認可和肯定。

　　1、Occam-COVID-19檢測系統:“快穩強”的典范

　　平安科技聯邦學習團隊開創性的提出利用咳嗽檢測COVID-19的智能系統。該系統采用前沿的Few-shot Learning方法作為檢測核心,用以解決COVID-19患者數據較少的問題。同時,論文創新性的提出高階注意力相似度方法,通過將不定長的語音轉換為相同的序列進行注意力相似度比較,從而獲得更精準的模型來診斷疾病。

　　得益于應用平安科技自主研發的至強引擎——奧卡姆Occam AutoML一站式AI開發平臺,COVID-19檢測系統從收集數據、設計算法、驗證算法,再到算法落地,整個過程僅僅花費27天10個小時,真正踐行了與生命賽跑的真諦。COVID-19智能檢測系統作為平安自主研發的智能防疫系統,目前已被成功應用于國家健康養老項目,為我國智慧醫療建設提供了強有力的技術支持。

　　圖 1 COVID-19新冠肺炎智能檢測系統

　　2、Occam平臺讓智能防疫落到實處

　　AI模型的開發需要多次的數據收集與模型訓練,這會耗費大量的時間與人力,并且模型在實際落地過程中需要經歷復雜的部署流程。然而疫情爆發之時,每分每秒都在與死神搶奪生命。Occam平臺實現全流程的極簡與自動化,定義全新的AI開發模式,幫助COVID-19智能檢測系統在最短的時間內完成了從算法開發,模型訓練到系統落地的全部流程,并且取得了極高的模型準確率。

　　下面就一起來看看Occam平臺是如何助力高效完成智能防疫系統開發的:

　　1.“處理這些數據,最起碼要一周多。”只需不到一天

　　在COVID-19智能檢測系統開發的初期,多種音頻文件格式以及不同深度學習平臺的交叉使用一度成為限制算法開發速度的瓶頸。經過團隊不懈努力,Occam平臺成功將處理時間從一周壓縮到一天以內,實現了倍數級飛躍。 Occam平臺秉承簡約高效的原則,為用戶提供了從數據處理、算法開發、模型訓練、模型優化再到模型推理的全周期AI工作流,提供包含數據標注、數據增強、多元模型自動搜索、超參優化、模型自動壓縮等多種特色服務,支持圖像分類、圖像檢測、語音識別、文本分類等豐富的AI應用場景。

　　與此同時,Occam平臺從環境鏡像、預訓練模型、GPU算力等多個角度提供了全面的資源支持,讓使用者體驗飛一般的感覺。在本次科研中,Occam平臺結合Tensorflow,Pytorch,Sklearn等深度學習框架,并與sox,ffmpeg等多媒體處理工具相結合,在極短的時間內處理了wav,MP3,flac,ape等多種格式的音頻文件,并從中提取到更合理的特征信息。Occam平臺提供多個任務的公開數據集以及對應的先進SOTA標準,使用者可以快速與SOTA標準對比,從而更快地改進網絡結構,在已有任務基礎上進行向上更新的方向探索。例如,在本次科研中,利用咳嗽聲檢測COVID-19是一個全新的任務,我們從已有的知識出發,利用多個已知任務(情感識別、語音事件分類等)的SOTA模型進行驗證,并從中發現諸如數據量較少的問題所在,接著使用Few-shot Learning的模型用來驗證猜想。這其中展現了以微服務架構為基礎的Occam平臺的智慧結晶。訓練過程中,平臺擁有的上百個節點的GPU服務器集群為模型訓練提供強大的算力支持,大幅度減少了算法開發時間。

　　圖 2 Occam平臺端到端一站式AI開發流程

　　2.“訓練開始了嗎?”已經出結果了。

　　訓練速度慢,多機多卡無法線性加速始終是限制算法開發速度的重要因素,也是本次科研項目進展過程中的另一大阻力。為了提升研發人員的工作效率,Occam平臺專注創新,突破性的開發出多項核心自研技術,例如Occam平臺自主研發的AutoDL分布式深度學習框架,通過分級分布式并行體系架構,大大提升了模型訓練速度。在本次科研工作中,COVID-19智能檢測模型借助Occam平臺的分級分布式并行體系架構,在4機16卡的訓練中實現了超越一般分布式訓練框架的線性加速,模型訓練時間大幅縮短了87%。同時,Occam平臺涵蓋了各種先進的神經架構搜索算法,使用者可以根據自身需要在自定義的搜索空間中,利用強化學習,貝葉斯等方法在最快的時間內獲得最優參數。此外,實際的平臺應用中,Occam團隊針對算法落地時產生的問題,進行了大量的優化工作,包括容器化、并行運算、分布式存儲等,例如根據數據訪問熱度和數據流特點設計了數據均衡算法,有效地將壓力分配給多個備用服務器。

　　3、多項第一:Occam平臺斬獲多個No.1

　　在過去的一年里,Occam平臺榮譽滿滿。從PASCAL VOC目標檢測冠軍到斯坦福DAWNBench推理競賽冠軍,從WMT2019國際翻譯大賽冠軍到COCO-Text比賽冠軍,憑借過硬的技術實力,Occam平臺已經斬獲7個國際競賽總冠軍,24篇國際學術會議論文,446項專利,并且榮膺8項金融科技獎項,猶如一顆深水炸彈引爆人工智能領域,全面助力產業發展。

　　平安科技聯邦學習團隊與Occam平臺一直致力于降低AI開發的準入門檻,擁抱人工智能大潮,推動各行各業與人工智能的結合,通過為不同層級、不同需求的用戶提供個性化的定制服務,實現真正的AI價值。例如在本次疫情中,合理使用AI技術,防控疫情,盡快讓各行各業在有效防控下復工復產,這才是AI技術真正地價值體現和根本目的。

　　AutoML項目組再度領先 實現AI領域新突破

　　在平安科技內部,有著一個赫赫有名的項目組,即平安科技聯邦學習技術部AutoML項目組,由平安集團首席科學家肖京博士指導,平安科技副總工程師王健宗博士帶領,匯集了來自國內外高等院校畢業的碩博人才,致力于推動自動化機器學習領域的生態發展。團隊將行業應用與前沿AI技術進行深度、自動化融合,打破傳統AI訓練存在的“模型差”、“調參難”、“訓練慢”等技術難點,一鍵開啟人工智能訓練便捷新時代。

　　作為人工智能領域的前沿探索者,AutoML團隊在構建專業AI新未來的目標指導下深耕自動化機器學習領域多年,不斷挖掘人工智能高效自主賦能金融科技等領域的全流程解決方案,突破人工智能邊界,用更先進、更科學的技術助力實業發展,為各領域的發展創造更大的價值。