从自动生成文案到近期网络流行的人工智能AI绘图， AI在自然语言处理（NLP）及计算机视觉领域的应用越来越广泛，而阿里巴巴达摩院的模型开源社群及创新平台ModelScope上，已经开放上述领域及语音、科学计算等模型库及数据集，降低开发和使用人工智能模型的门槛，让大学和中小企业都能使用人工智能作科研及商业用途。
其中在NLP领域，已经在ModelScope上开放的阿里巴巴通义大模型系列AliceMind （下称“阿里通义AliceMind”），在11月底便凭借高精准度的语文理解能力，成为中文语言理解评测基准项目CLUE面世3年来首个超越人类基准的参评AI模型。
根据CLUE的排行榜于11月22日更新的成绩，阿里通义AliceMind以86.685总分，成为排行榜面世近3年来首个超越人类基准线（86.678）的AI模型，反映AI中文语言理解水平达到新的高度。
目前阿里通义AliceMind的基础模型，已经在达摩院的模型开源社群及创新平台ModelScope上开放。
CLUE是中文NLP的权威评测平台，从文本分类、阅读理解、自然语言推理等9项任务中，考核参评AI模型的语言理解能力。CLUE总排行榜自2019年12月发布至今近三年，一直吸引众多中国顶尖NLP团队的参与，尽管榜首位置多次易主，但参评AI模型一直未能超越人类基准成绩。
为提升AI模型对词语、句子以及语言整体的理解力，在预训练阶段，达摩院沿用超大规模模型训练所使用的海量高品质中文文本，同时改善模型结构和训练技术，例如使用开发函数GLU、混合词的大词表等，获得更强的文本建模能力；又例如使用StrongHold训练加速技术缩短产品生命周期、节省算力成本，进而获得性能的显著提升。在精调阶段，面对文本分类、阅读理解、自然语言推理等下游任务，达摩院采用迁移学习、数据增强、特征增强等技术，进一步提升模型表现。
以CLUE榜单的CHID成语阅读理解填空任务为例，该任务需要AI模型选出正确的成语进行填空。阿里通义AliceMind可通过海量文本数据的学习达到“博闻强识”的效果，在预训练阶段掌握选词填空所依赖的语义理解能力，训练成语数据的领域迁移。
在11月22日的评测结果中，阿里通义AliceMind在其中4项任务的表现超越人类的水平，并在总平均分首次超越人类基准线。
作为最早投入预训练语言模型研究的团队之一，达摩院研发阿里通义AliceMind体系，涵盖预训练模型、多语言预训练模型、超大中文预训练模型等，具备阅读理解、机器翻译、对话问答、文件处理等多种能力。目前相关技术已应用于医疗、电商、法律等领域，在跨境电商领域，达摩院的机器翻译系统能提供214种语言的翻译服务，每天翻译上亿文本。
计算机视觉是应用最广泛的AI技术之一，从日常手机解锁使用的人脸识别，再到热门的产业前沿自动驾驶，视觉AI都大显身手。
达摩院开放视觉智能负责人谢宣松表示：“视觉AI的潜能远未得到充分发挥，穷尽我们这些研究者的力量，也只能覆盖少数行业和场景，远未能满足全社会的需求。”ModelScope已经全面开源达摩院研发的视觉AI模型，希望让更多开发者来使用视觉AI ，更期待AI能成为人类社会前进的动力之一。
视觉AI技术覆盖从感知理解、画质增强到编辑生成等各方面。以单人照片为例， AI需要会先识别照片中人物有什么肢体动作、能否将照片中物体去背出来等，然后进一步探索照片品质如何、画质能否变得更好、照片中人物能否变得更漂亮，甚至变成卡通人物或虚拟人物等。
网络常见的人像卡通化正是AI编辑生成的例子之一，ModelScope基于域校准图片翻译网络DCT-Net（Dom AI n-Calibrated Translation），采用“先全局特征校准，再局部纹理转换”的核心，利用百张小样本风帧数据，即可训练得到轻量稳定的风格转换器，实现高品质人像风格转换效果。
拍摄不是因为环境、设备及人为操作等原因而导致图片品质不佳，在画质增强方面， ModelScope已经开放NAFNet去噪点模型，适用于很多应用的前置步骤，如智能手机照片去噪点、照片去模糊等。该模型使用简单的乘法操作替换开发函数，在不影响性能的情况下提升处理速度。
除了图片去噪点去模糊，外界对图片的细节纹理、色彩等品质问题会有更高的处理要求， ModelScope也开放专门的人像增强模型，对侦测到的图片人像修复和增强，并对图片中的非人像区域采用超分辨率技术，最终修复成完整图片。此模型能够处理大多数复杂的真实降质，修复严重损伤的人像图片。
事实上，达摩院在ModelScope面世前已经率先开放API形态的视觉AI服务，通过公有云平台对AI开发者通过“视觉智能开放平台”提供一站式视觉线上服务，开放超200个API并涵盖基础视觉、行业视觉等方面。
谢宣松认为，从开放视觉平台到ModelScope社群，意味着达摩院视觉AI的开放迈出更大一步，借以满足千行百业对视觉AI的需求，促进视觉AI的生态发展。