学生AI项目：用现成模型还是自己训练

做AI项目，学生常面临一个选择：直接调用网上现成的图像识别、语音识别接口，还是用自己收集的数据训练一个模型？两种方式没有绝对的好坏，关键看项目想研究什么。

两种方式对比

什么时候适合用现成模型

如果项目的重点是“用AI解决一个实际问题”，AI只是其中一个环节，可以用现成模型。比如做一个帮助视障人士的导盲装置，重点在于整个系统的设计、硬件、交互和测试，物体识别部分用现成的接口完全合理。

这时项目的工作量体现在：怎样把识别结果转化成有用的提示、在真实场景中测试效果如何、遇到识别错误时系统怎样应对。

什么时候适合自己训练

如果项目的重点就是“识别”本身，或者现成模型在你的场景下不好用，就适合自己训练。比如识别某种本地常见的植物病害，通用模型很可能没见过这种病害。

这时项目的工作量体现在：数据怎样收集、怎样标注、模型效果如何评估、误判原因是什么、怎样改进。

也可以结合使用

一种常见的做法是“在现成模型基础上，用自己的数据继续训练”，也就是迁移学习。很多面向学生的训练工具就是这样工作的：底层用一个已经学过大量图片的模型，再用你的几百张图片教它识别你的类别。

这样既不需要从零开始，又能针对自己的问题优化，适合大多数学生项目。

无论哪种方式都要说清楚

报告中要如实写明用了什么模型或工具、哪些部分是自己完成的：

• 用了现成接口：写明接口名称，说明自己做了哪些系统设计和测试。
• 自己训练：写明使用的工具或框架，数据怎样收集，训练和测试的过程。

不要把现成接口的能力说成自己的成果，也不必因为用了现成工具而感到不好意思。评委关心的是学生在项目中真正做了什么、理解了什么。

一个实用的判断方法

问自己一个问题：如果把AI部分换成一个“黑盒子”，我的项目还剩下哪些工作？如果剩下的工作很丰富，用现成模型没有问题；如果几乎什么都不剩，就要考虑自己做更多数据和模型方面的工作，让项目有自己的研究内容。