科技，正在一次次幫勞動者減輕工作的繁雜與沉重。

　　從第一次科技革命開始，人類一步步從蒸汽時代邁入電力時代，再從計算機及信息技術時代邁進“第四次工業革命”——人工智能時代。AI 開始逐漸取代那些繁重、危險、重復性的工作，讓工作效率更高、讓重復性工作更少、讓勞動變得更有創造性。今天要講的故事，就和人工智能這位“隱形勞模”有關，它無需歷經挨餓受凍，也不會把工作譜寫得驚心動魄，但是，它卻在 21 世紀，用各種算法串聯出一場新工業革命下的“AI 的奉獻”。

　　“在我們眼里，云是一串數字”

　　從南宋皇城遺址的鳳凰山腳路一直向南走，只需要數百米就可以到饅頭山，這里是杭州最老的社區——相比山下的智能化設施遍地、互聯網公司林立，饅頭山社區更像是一下穿越回了 80 年代，到處可見的鐵銹斑斑和吱嘎作響的竹椅似乎都在見證著時光的洗禮。

　　楊煥強和同事們所在的杭州環境氣象中心就在饅頭山頂。2006 年畢業后，楊煥強就住到了饅頭山，這一住，就是 12 年。

　　作為氣象觀測業務人員，楊煥強的工作就是看云觀天，用眼睛看、用儀器看、用探空氣球“看”，最近又變成了用 AI 軟件看……飄過杭州的每一朵云，楊煥強和他的同事們都見過。

　　把家安在山上的原因很簡單：氣象觀測的工作時間是早上7:00 到晚上 20:30，這還是近年調整之后的時間。楊煥強剛來饅頭山時，面對的是 24 小時 3 班倒的工作模式，不把家安在山上，根本留不出給自己休息的時間。

　　過去的 12 年，除了偶爾去附近的錢塘江邊跑跑步，楊煥強連過年都待在山上。他至今還記得自己第一次獨自在山上過年的場景，以往都是和家人過團圓年，但現在陪伴他的只有三五個同事和布滿整個場地的觀測儀器。“這是崗位需要，但沒點毅力還真堅持不下來。”楊煥強說。

　　“與星為伴、與云為伍，這在別人看來是件浪漫的事。但在我們眼里，它就是一串數字。”胡德云說，他是杭州環境氣象中心主任、高級工程師，在他和楊煥強這樣的專業人士眼里，云，是可以量化的——普通人眼里的白云、彩云、烏云，在他們眼里可以細分成三族十屬二十九類，天空的云量可以細化到 11 個級別。而他們要做的就是準確地“認”出這些云，且識別準確率不能低于 80%。

　　饅頭山與杭州市區平均海拔相差不大，但讓人感覺氣溫比城區里低幾度，花開也比外面晚一點。但胡德云的意識卻一點也不慢，他的想法總是很超前：以前氣象環境中心是 24 小時人工值守，現在大部分氣象要素實現自動化了，那能不能把剩下的部分也實現自動化，讓氣象觀測員從饅頭山的氣象觀測場解放出來？

　　天氣瞬息萬變，可人工的定時觀測始終不能實現高時空密度的連續觀測，這個時候，AI 幫到了胡德云和楊煥強。用高清視頻攝像機圖像結合人工智能算法，如果能夠有一個云圖的模型規范了不同形狀的云圖對應的結果，那么當產生新的云圖時，只要輸入模型進行比對，就能得出結果。為了驗證這個想法的可行性，胡德云和他的同事在全國建立了 28 個站點，收集了內蒙古、青海、黑龍江、北京等多地不同的氣候圖片，從沙暴、揚塵到高原云狀，他們全都“捕捉”到了，數量達 100 萬張。

　　收集到足夠多的圖片樣本只是第一步。之后，他們將精選的 2 萬張氣候圖片，借助百度 EasyDL 定制化訓練和服務平臺進行訓練（百度 EasyDL 定制化訓練和服務平臺是一個零技術門檻的快速應用平臺，用戶根據文字提示進行簡單的頁面操作，只需四步，最快 10 分鐘即可訓練業務定制的深度學習模型。目前 EasyDL 已經開放了定制化圖像分類、物體檢測和聲音識別、聲音分類等能力），打造了一套能夠智能“看云”的 AI 系統，這套系統里包括觀察云狀、云量、天況、霜露、雨凇霧凇、茶葉霜凍識別等氣象圖片的定制化模型，目前，已經對 20 多種云狀、11 種云量，以及霧、霾、沙塵、霜露、結冰、結雪、雨凇霧凇、茶葉霜凍等天氣狀況進行自動觀測。

　　經過不斷的優化迭代，現在這套人工智能天氣觀測系統對 20 多種類型的云狀識別準確率達 87.5%，云量識別實際準確率也在 85% 以上，霜露、雨凇霧凇識別準確率均在 80% 以上。

　　就像“人臉識別”一樣，AI 幫胡德云和他的同事們實現了 24 小時“天臉識別”，準確度不輸于人工觀察，楊煥強不用再每天必須守在觀測場了。胡德云說：“這套系統在五月份會在 3 到 5 個氣象站進行試點，效果好就有機會推廣到全國。”

高清攝像機（左圖）和獲取的全天空云圖（右圖）

　　“AI 是推動電力行業向智能化轉型的關鍵技術之一”

　　楊煥強孤守山頂仰望天空的日子里，徐振磊正在用腳丈量佛山的輸電線路。

　　在佛山市不到 4000 平方公里的土地上，鋪設著超過 5000 公里的輸電線路，而徐振磊和同事們要做的，就是保護這些線路的安全可靠運行，確保電力供應的安全。徐振磊所在的南方電網廣東佛山供電局輸電管理所，有 9 個線路班組，每班平均十來人，這些人每天要驅車 100 多公里，巡查沿途輸電線路的情況。

　　線路運維人員每天大部分的時間都消耗在路上，不僅工作量大，有些地方路況不佳，開車都很難到達。最近幾年，他們開始嘗試用科技進行改善，比如應用無人機幫忙巡線，還在一些線路上安裝了攝像頭。

　　但是，即使有了攝像頭和無人機等新型設備，他們依然需要定期到工地現場，和施工人員溝通情況，針對施工密集的隱患點甚至要三天一查，時刻監督現場施工安全，保障輸電線路安全運行。輸電線路在線監控裝置的大面積部署能讓人少跑幾趟，但帶來了新的挑戰——傳回來的照片仍然需要人工篩別，且數據量呈幾何式增長，平均每人每天要面對幾千張照片，這給審核人員帶來了巨大的工作壓力。

　　面對龐大的工作量，徐振磊也選擇了 AI。

　　他們借助百度大腦 EasyDL 訓練了一套輸電線路外部隱患識別模型，用來識別出輸電線路中存在的吊車、挖掘機等外部隱患，一旦發現隱患，就實時通知負責該區域線路運維的班組及時排查處理，確保輸電線路安全運行。

　　“以前安裝監控，相當于給輸電線路安裝了‘眼睛’，現在有 AI 技術，輸電線路就像是有了自己的‘大腦’，不僅更快更便捷，檢測的水平也提高了。”徐振磊說。

　　正是 AI 的這個“大腦”，監測系統可以自動識別輸電線路外部隱患，讓班組人員和巡檢員工作量減少了 20%。

　　當然，事情也不是一開始就這么順利。徐振磊說，他們需要 AI 的識別準確率達到 90%，但是最早的版本，準確度提高到 80% 左右就遇到了瓶頸。“只能一版一版地做迭代。”徐振磊和百度的技術人員一直琢磨怎么提高精確度。“前后迭代了十幾個版本，終于把準確率給提升到了 90% 以上，和人工水平持平。”至此，AI 才終于“上崗”。“那陣子振磊真是鉆到里面去了，識別精度訓練期間，他被派去一個偏遠的地方出差，大晚上還跟我們在群里討論。后來聊天才知道，他入住的酒店網速跟不上，他是跑去網吧做的調試。”徐振磊的同事小麥說。

　　作為一個輸電線路運維人員，徐振磊覺得，人工智能把自己從巡線這種重復性高、人力和時間成本高的工作中解放出來，而節省出來的時間和精力又能用來搞研發，這樣就形成了一個良性循環。

　　徐振磊認為，人工智能有很多優點，它是推動電力行業向智能化轉型的關鍵技術之一，無論是配電、調度、營銷都可以用 AI 完成——巡檢機器人、智能客服、大數據分析等“隱形勞模”都在降低一線員工作業風險和強度，更重要的是讓百姓用電變得更加安全可靠。

　　“讓人工智能在工業上形成生產力，最可能的方向就是質檢”

　　佛山向東南 145 公里，就是改革開放的第一個窗口——深圳。作為新時代勞動的結晶，每個來到深圳的人，都會感受到這座城市的獨特氣質：現代化、科技感、活力、年輕化。自 1980 年成為經濟特區以來，深圳一直在以驚人的速度成長，在外圍郊區，座落著幾家大型工廠，它們是世界級品牌蘋果與三星產業鏈上的一個齒輪：核心零部件生產供應商。

　　華付瑤，就是這些工廠里數萬工人中的一個。與其他流水線上的工人不同，華付瑤身體不如他們那么健壯，還戴著一副眼鏡，“別人說我不像工人，更像是個搞學術的。”華付瑤說，“我的工作是質檢員，也就是產品質量的把關者。”

　　“以前這活兒很枯燥，也很傷眼。”華付瑤在深圳呆了十年，見證了深圳的制造業由小到大、由傳統到智能化的過程，每次走進自己的工間，他都會想起自己最初工作的樣子，“那些零件，最小的可以達到 1mm X 1mm，質檢員都得拿放大鏡看。”

　　那時候，人們在手機上花費的時間還沒有現在這么多，質檢員要低頭一批一批地檢查，睜大了雙眼去找零件中的瑕疵。“我們就是最早的低頭族。”付瑤不止一次和別人這么自嘲，比起頸椎受到的壓力，更大的傷害在于視力。高亮度的工作間里，質檢員每天都要重復這樣的工作 8 至 12 小時，下了班眼睛都是痛的，見風就會流淚，高度近視是常見的現象。除此之外，質檢員還面臨著因一個漏判整批次零件打回的風險。

　　“讓人工智能在工業上形成生產力，最可能的方向就是質檢。”領邦儀器公司 CEO 崔忠偉博士說。領邦是一家為制造業提供自動化快速檢測設備的高新技術企業，他們開發了零件智能分選機器人，利用人工智能的視覺技術把瑕疵零件快速精準地挑選出來。

　　如何增強機器的深度學習能力，讓質檢過程精度更高、速度更快、運行更穩定？領邦引入了百度的開源深度學習框架 PaddlePaddle，通過訓練和研發，AI 做到了可以檢測 45mm 以下零件外觀缺陷，如刀痕、磕邊、麻點、砂眼等，并實現缺陷位置標注和分類。而且 AI 的工作效率很高——一臺零件智能分選機器人能達到 10 個工人的工作效率。

　　這一次，AI 這個“隱形勞模”幫工廠生產成本平均降低 15%，效益提升 15%。由于機器檢驗水平穩定，大大提高了產品的交付質量，交付投訴率平均降低了 30%，綜合生產力水平平均提高了 30%。

　　讓華付瑤感到安心的是，智能工廠、智能流水線并沒有像以往想象的那樣讓他失業，他的工作從質檢員變成了智能分選機器操作員，經過培訓，他已經能熟練地進行零件樣本數據采集、標注，分揀機器維護、數據統計和分析等工作。

　 “終于有空閑好好看看故鄉寧波的山水了”

　　崎嶇行石道，外折入青云。

　　很多人登上寧波市遠郊陡峭的山區，都會想起李白的詩句，這里也是人們周末游覽的好去處，自駕的游人總是絡繹不絕，站在山頂，能看到平坦寬闊的公路在山間蜿蜒，穿過隧洞，延伸到看不見的遠方。

　　但在山頂上遠眺的，除了游客，還有被稱為橋隧養護工程師的職業人員，他們來不及去看這春意盎然的畫面和嶙峋骨氣的山景，就要走向下一個觀測點，去檢查橋梁橋墩、橋臺、橋面、欄桿等，劉瑞江就是其中一位。

　　“寧波有 6000 多座橋梁。”劉瑞江說，“寧波市下屬有 40 名左右的橋隧工程師，再下面是一線巡檢工人，每人每個月要檢查一次，每次大概 400 至 500 座橋。”橋梁監測并不是遠遠看一看就好，他們需要現場采集病害圖片，手寫記錄相關數據，回到工作單位后再將巡檢內容匯總、分類數據并提報系統。

　　“內容要記錄的東西很多，比如哪座橋上、哪個部件、什么位置、病害類型、病害尺寸、定損等等。”劉瑞江說，錄入很耗時，一般要花 3 到 4 天，提報系統后，會按照提報情況、區域分配維修工程師做相關維護。

　　這項工作頻率高、時間長、過程繁瑣，愿意干的年輕人已經越來越少了，公路管理局在缺少人力的情況下，不得不將巡檢工作外包給第三方。手動錄入還可能錯錄漏錄，長此以往，道路橋梁安全隱患得不到處置，會極大影響到交通安全。

　　“其實公路養護行業有大量的紙質歷史數據，但是傳統手段應用它們成本高、效率低。”劉瑞江說，人工智能的一些技術解決方案比如 NLP 、OCR 、知識圖譜這時候就派上了用場。

　　在北京，新橋信息研發部部門經理張磊也在想，能不能借助技術，幫助寧波的巡檢工人更輕松地巡檢橋梁。

　　結合歷史積累的道路及病害圖像，北京新橋使用百度的 EasyDL 訓練了圖像分類、物體檢測算法，實現訓練橋梁結構類型分類、橋梁破損部位、道橋病害模型，用于幫助全國日常道路橋梁維護巡查工作。如今，EasyDL 訓練處的模型對橋梁破損部位識別準確率可達 94%，并能識別出結構物破損、裂縫等十多種病害，完全是一名合格的路橋巡檢員了。

　　現在，劉瑞江和他的同事們只需要現場拍照，并測量病害尺寸即可，后臺算法就能實時識別并作出相關反饋，只需要花費原來三分之一的時間，而且原來人看不見的地方，比如懸索橋頂部、橋底部，也可以通過無人機拍攝，再交給人工智能這位“員工”處理。

　　劉瑞江覺得自己工作最大的變化是，他跑現場的時候，終于有空閑好好看看故鄉寧波的山水了。

　　“AI 為生物多樣性研究與保護提供新的選擇”

　　對于劉瑞江來說，看看山水目前還是一種奢望，但是對于林聰田來說，山水，是他再熟悉不過的工作環境。

　　林聰田博士就職于中國科學院動物研究所，不久前，他開發出了一個名為“生物記”的平臺，這是通過百度 EasyDL 訓練野生動物（如中國鳥類等）模型，有效解決了生物分類學研究、生物科學普及中快速鑒定識別物種難題的平臺，可支持科學考察與科學普及活動，網站平臺目前已經上線服務，即將推出生物記 APP。

　　“生物記將為中國科學院A類先導專項‘地球大數據科學工程’積累更豐富的生物物種數據，也將為野外博物教育提供強有力的科學支持。”林聰田介紹，在最新版本的生物記中，物種智能識別工具可與分類專家的專業知識相結合，幫助分類專家及野外觀測人員大大提高物種識別的效率和可靠性。目前訓練后的鳥類識別模型能夠識別 1000 多種常見中國鳥類，Top3 準確率達到 92%，蝴蝶物種模型能夠識別 12 個科級類別的蝴蝶。

　　生物科學是如何與 AI 結緣的？實際上，林聰田的研究方向是生物多樣性信息學，是計算機與生物學的交叉學科，于是他自然而然地把目光集中在如何用信息學的方式解決和研究生物多樣性的問題。此前，林聰田也用過比較主流支持向量機、神經網絡等模型，但深度學習的到來讓他眼前一亮。

　　生物多樣性野外調查是一件枯燥的事，觀測員到某一個研究區域，會沿著一定的樣線進行邊觀察邊記錄樣點所觀測到的信息，包括觀測時間、位置、生境、物種類別、數量、行為等等。

　　近年來，搞生物分類的研究人員在不斷減少，甚至一些學校已經放棄了相關專業招生。分類的專業人員越來越少，但是公眾想了解自然，了解生物的愿望卻越來越強。隨著人民生活水平的不斷提高，越來越多人的愿意去野外看看，想了解這些生物知識。這就產生了一個矛盾——專業人員太少，沒有辦法給公眾提供豐富充足的知識。

　　而林聰田想做的，就是在二者中間搭一座橋。“我們希望做一個平臺，把人工智能、專業人員和公眾整合到一起，科學研究來支持公眾科學，公眾科學又反哺科學研究。通過 AI 形成一個良性循環。”

　　“比如我拿一個手機，看到了就拍到，拍到就留下一條記錄。因為大眾是百萬量級，只要每人提供一張照片，每人提供一個位置信息，那么這個生物記錄的信息成百倍地增長。”林聰田說，國外的公眾科學很發達，現在單單鳥類的記錄通過公眾科學，就能達到幾億條。“中國你知道多少條？現在估計只在百萬級別。”

　　從 2017 年開始，林聰田就不斷嘗試用 AI 訓練動物識別模型。經過不斷地累積上傳，現在已經突破一千種鳥類了，中國鳥類的總數在 1300-1400 種左右。

　　并且，通過版本的快速迭代，現在借助 EasyDL 的定制化訓練，生物記平臺的鳥類識別準確率有很大提高，在保證物種覆蓋度的同時，TOP3 的識別準確度在 92% 以上，TOP5 的準確率接近 95%。

　　在林聰田眼里，AI 就是搭建專家跟公眾之間的橋梁。“專家不能天天跟著公眾跑，但是 AI 在吸取專家的知識以后，可以傳播給公眾。那些比較普通的工作，就由 AI 來做。公眾可以為 AI 提供圖像數據、記錄數據，同時獲取生物知識。而公眾反饋給 AI 的數據，可以進一步訓練，增強 AI 的能量。”

　　林聰田花費了 2 年多的時間，終于讓生物記成為了專家與公眾之間的“調解員”。這兩年，他帶著團隊收集整理野外鳥類生態圖片 40 萬幅，經過分類學專家標注篩選，最終選出 20 萬幅，覆蓋 1000 多個中國鳥類物種。通過使用百度 EasyDL 定制化圖像識別進行訓練，先后進行雀形目鳥類模型、非雀形目鳥類模型到 1000 多種鳥類模型訓練，并進行逐步優化。

　　目前，生物記 APP 框架搭建已經完畢，正在進行內部測試運營，預計 5 月就會上線。屆時，公眾只需要下載一個 App，就能在人工智能的引導下，隨時隨地記錄身邊觀測到的物種，包括觀測時間、觀測地點、觀測筆記等。用戶可以為每一條觀測記錄提供相關證據，批量上傳物種圖片。通過百度 EasyDL 訓練的鳥類識別模型，用戶可以快速獲取物種名稱與百科知識。

　　“其實生物多樣性，跟我們的衣食住行都有關系，人也是生物多樣性當中的一環。綠水青山，美麗中國，缺少了這些生物，就不是美麗中國了。生物多樣性是戰略資源。如果沒有生物多樣性，人類可持續發展就沒有基礎。”林聰田表示。

　　有了 AI 的幫助，楊煥強不用再每天堅守 25 平米的小院，他“以后可能會搬去杭州市區，在那里買房安家”。

　　徐振磊對旁人說，“都說人工智能，我看這其實是一個先人工再智能的過程，你想讓它幫你提高多少工作效率，你前期的投入還挺重要的。”

　　因為 AI，華付瑤眼睛見風流淚的毛病好了很多，“眼鏡度數現在也不漲了。”

　　如今，寧波路橋的巡檢工人，從發現破損到處理破損要十五天的流程被縮減到了一兩天。

　　只需要掏出手機打開 App，公民科學就能變成一種可能，人工智能讓專家和公眾之間有了新的平衡點。

　　這五個故事里，每一個勞動者身邊都多了人工智能這么一位“隱形勞模”。故事的細節不僅僅有各行各業的辛勤與汗水，有科學進步的推動力，有時代變化的天翻地覆，更重要的是，有了“隱形勞模”的守護，越來越多的行業正在收獲成功的喜悅與欣然。

　　而這五個故事也正是“第四次工業革命”中五道小小的微光，他們聚在一起，用人工智能讓我們看見了未來社會另一種勞動者的縮影。

總結

以上是生活随笔為你收集整理的巡线、找鸟、看星星 …百度大脑化身"隐形劳模" 用AI守护劳动者的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。