湯曉鷗：人工智能“簡史”

時(shí)間：2017-04-21

（轉(zhuǎn)載自華夏基石e洞察，如有侵權(quán)請(qǐng)聯(lián)系刪除）

“湯曉鷗，商湯科技創(chuàng)始人，中國科學(xué)院深圳先進(jìn)技術(shù)研究院副院長、集成所多媒體中心主任、香港中文大學(xué)教授、工程學(xué)院副院長，麻省理工學(xué)院博士，其發(fā)明的人臉識(shí)別技術(shù)（GaussianFace/DeepID）成為世界上第一個(gè)超過人眼識(shí)別能力的計(jì)算機(jī)算法。”

大家中午好！非常榮幸能夠與這么多業(yè)界精英同臺(tái)演講。

三年前，我常常跟投資人、跟一些企業(yè)家講人工智能、講深度學(xué)習(xí)，但那個(gè)時(shí)候大家還不理解，也都不太關(guān)心。后來，谷歌推出了阿爾法狗，人工智能就火了。除了受阿爾法狗事件的影響之外，也得益于美國五大人工智能巨頭形成的聯(lián)盟。中國在雙創(chuàng)活動(dòng)中也選擇了兩家人工智能的領(lǐng)軍企業(yè)，一家是百度，另外一家是商湯，這是兩家中國智能的代表。所以，張維總提到了高估值的商湯，我認(rèn)為并不高，應(yīng)該是低估值的商湯。

但是，現(xiàn)在大家都在講人工智能，給我的感覺是，人工智能在中國有點(diǎn)過熱了，所以我今天想為大家潑潑冷水。

一、人工智能的作用是有限的

人工智能是什么呢？應(yīng)該說，它跟A股很像。如果說上海是中國的A股市場(chǎng)所在地，那么三年前，人工智能相當(dāng)于A股市場(chǎng)的三千點(diǎn)以下，沒有人買。而今年，這個(gè)指數(shù)飆到了六千點(diǎn)。在這種情況下，大家是買還是不買呢？

有的時(shí)候，我們會(huì)把一些事看得太過神奇。這與彭劍鋒教授所講到互聯(lián)網(wǎng)的發(fā)展是同樣的道理，人工智能也不過是一個(gè)輔助性的工具，并不是事情的全部。這個(gè)工具本身并不能產(chǎn)生獨(dú)立的價(jià)值，而一定是在跟各個(gè)行業(yè)相結(jié)合以后，為各個(gè)行業(yè)生產(chǎn)效率的提升來服務(wù)的。我認(rèn)為，飯要自己親自吃，廁所也要自己親自上，鍛煉身體也一定要親自去。我們不能過于依賴人工智能，不能把什么事都交給它，它的作用畢竟還是很有限的。

十年前，我的實(shí)驗(yàn)室做出了人臉識(shí)別系統(tǒng)，里面涉及到一些圖像處理、特效處理、自動(dòng)分割以及交互等內(nèi)容，也越來越好玩。

圖像處理源于2008年的北京霧霾。當(dāng)時(shí)正在召開奧運(yùn)會(huì)，因?yàn)殪F霾的原因，新聞圖片發(fā)出去會(huì)令人感到尷尬。所以，我們定制了一些功能，用了一些算法，可以把圖像里的霧去掉。我們這次會(huì)議的地點(diǎn)在三亞，在這樣的碧海藍(lán)天之間，這個(gè)技術(shù)是用不到的。但今天的題目是迷霧航行，雖然我們不再需要去除新聞圖片中的霧霾了，但就目前大家對(duì)人工智能的認(rèn)識(shí)來看，我覺得還是把認(rèn)識(shí)的“霧”去掉，然后航向才能明確。

那么，在人工智能方面怎么去霧，怎樣才能真正踏踏實(shí)實(shí)地做點(diǎn)事呢？

我們知道，霧的濃度和距離是成比的。所以在新聞圖片中，我們先是把三維算出來，然后把霧去掉，并且還能把背景模糊化。最后，一張非常糟糕的照片被我們做出了單反的效果。這一技術(shù)所形成的文章得到了2009年的最佳論文獎(jiǎng)，我還是蠻驕傲的。但是，這一技術(shù)的產(chǎn)生，是在2011年以前，有我們十幾年的積累做基礎(chǔ)，也是在深度學(xué)習(xí)這個(gè)算法產(chǎn)生之前的事。我想說的是，和所謂的人工智能一樣，這些技術(shù)都不是一夜之間發(fā)生的，而是一個(gè)長期艱苦積累的過程。并且是我們所積累的幾百項(xiàng)工作中比較出色的部分。

二、人工智能與深度學(xué)習(xí)

1、人工智能“簡史”

目前，人工智能目前發(fā)展到了什么程度呢？根據(jù)我二十年來做的工作，我總結(jié)一下人工智能發(fā)展的簡單歷程。

在國際范圍內(nèi)，人工智能最早誕生于1956年。從那以后，人工智能的發(fā)展勢(shì)頭不斷起起落落，也曾喧囂，但最終都?xì)w于平靜，并沒有真正發(fā)掘出對(duì)人類社會(huì)生活有益的功能。但是在2011年，誕生于2006年的“深度學(xué)習(xí)”的算法產(chǎn)生了效用。從那時(shí)開始，人工智能開始具體應(yīng)用于很多的單向領(lǐng)域或者說具體的行業(yè)，并且開始超越了人的水平。

對(duì)于人工智能的發(fā)展，幾個(gè)主要的“玩家”起到了決定性的推動(dòng)作用。在軟件方面，谷歌和Facebook進(jìn)行了大量的投入，很多創(chuàng)新都是從這兩家公司產(chǎn)生的。為什么是它們？因?yàn)樗鼈冇写罅康臄?shù)據(jù)要處理，它們有剛性的需求。同時(shí)，它們也有大量的資金投入。谷歌去年一年在人工智能領(lǐng)域的研發(fā)投入是120億美金。阿爾法狗幾次挑戰(zhàn)李世石，還有相應(yīng)的宣傳，都是大量投入的結(jié)果，并不是簡單的炒作就能夠達(dá)成的。同時(shí)，F(xiàn)acebook也在這一領(lǐng)域做出了大量的投入。

在硬件方面，包括深度學(xué)習(xí)的算法、計(jì)算平臺(tái)幾乎都是在Spotify的GPU上做起來的，它們相當(dāng)于取代了當(dāng)年vpail的組合。

2、深度學(xué)習(xí)引擎

如果說人工智能是一條紅線，那么，深度學(xué)習(xí)在某種意義上來說就是這個(gè)紅線的引擎，而大數(shù)據(jù)就是它的原料。目前，人工智能的大部分技術(shù)，都是由深度學(xué)習(xí)算法來支撐的。

深度學(xué)習(xí)發(fā)展出來的時(shí)間很短。在2011年，它跟微軟進(jìn)行了合作，在語音識(shí)別技術(shù)上取得了重大突破。當(dāng)時(shí)，微軟首先推出的是應(yīng)用方面的驅(qū)動(dòng)。在那以后，因?yàn)橛辛硕嗄甏髷?shù)據(jù)的積累，又組織了更多在語音識(shí)別方面有相當(dāng)實(shí)力的人，所以就有了更加重大的突破，相當(dāng)于在一年之內(nèi)做了十年的事。

3、在垂直領(lǐng)域落地

我們從原來人腦設(shè)計(jì)參數(shù)的人工智能轉(zhuǎn)變?yōu)橛纱髷?shù)據(jù)驅(qū)動(dòng)的人工智能，實(shí)際上是在某些領(lǐng)域取得的技術(shù)突破，主要是在某個(gè)特定的領(lǐng)域超過了人。比如說，最早用深度學(xué)習(xí)做出來的語音識(shí)別系統(tǒng)大獲成功。在人臉識(shí)別、圖像分類、阿爾法狗、自動(dòng)駕駛、醫(yī)療技術(shù)等幾個(gè)方面都有著很大程度的突破。這些學(xué)術(shù)方面的突破，使計(jì)算機(jī)超越了人類以后，就相當(dāng)于在垂直領(lǐng)域邁過了一道檻。而這道檻之后，人工智能技術(shù)終于可以落地了，終于可以替換一些人工成本，來幫助產(chǎn)業(yè)提高效率了。

所以，我們看到的人工智能涉及到了很多具體的領(lǐng)域，有的與產(chǎn)業(yè)結(jié)合得很好，有的則剛剛開始，當(dāng)然也有一些完全是出于炒作。總之是參差不齊，或者說是各有千秋。

4、圖像：眼睛的智能

目前，人工智能主要有三個(gè)戰(zhàn)場(chǎng)：一個(gè)是語音識(shí)別，相對(duì)來說比較成熟；它之后是自然語言，在這個(gè)領(lǐng)域還有很多事要繼續(xù)研究，非常難；現(xiàn)在的主戰(zhàn)場(chǎng)是圖像，就是眼睛的智能。怎樣用眼睛識(shí)別出環(huán)境與物體，這也是非常困難的事。

2012年，Hinton在圖像識(shí)別方面也取得了重大突破。在此之前，Viewdle擁有這個(gè)領(lǐng)域最大的訂單，但Hinton的成果一下把前人甩出了10年的距離，并在當(dāng)時(shí)引起了很大的轟動(dòng)。

在此之后，僅僅過了4個(gè)月，谷歌花了5千萬美金收購了它。這個(gè)驚人的舉措令我們認(rèn)識(shí)到，人工智能開始值錢了。接著，谷歌又花了6.6億美金收購了一家公司。這家公司只有12個(gè)人，沒有什么特別的產(chǎn)品，主要是研究如何用深度學(xué)習(xí)來下棋。當(dāng)時(shí)我們覺得它的價(jià)格過于昂貴了，但實(shí)際上這個(gè)公司誕生了很多算法，所以僅僅過了一年多以后，他們用阿爾法狗下了一盤舉世震驚的棋，一下子就把投入的錢賺回來了。

2013年，F(xiàn)acebook聘請(qǐng)了另外的團(tuán)隊(duì)，在紐約建立了人工智能實(shí)驗(yàn)室。后來，通用、因特爾等大企業(yè)也紛紛進(jìn)入到這一領(lǐng)域，并且也開始收購一些公司。

三、人臉識(shí)別技術(shù)——華人的成就

在這期間，我們做了幾件比較有影響力的事。2014年，我們首次突破了人臉識(shí)別技術(shù)（ImageNet，一個(gè)計(jì)算機(jī)視覺系統(tǒng)識(shí)別項(xiàng)目，是目前世界上圖像識(shí)別最大的數(shù)據(jù)庫），在2015年的時(shí)候取得了全球第一的成績，2016年在五項(xiàng)里取得了三項(xiàng)世界冠軍。與阿爾法狗一樣，我們也做到了機(jī)器的算法超過了人類，在某個(gè)特定的領(lǐng)域可以把人打敗。

這其實(shí)并不神奇，因?yàn)槠囋缫言谫惻艿念I(lǐng)域打敗了人類。可以說，在某個(gè)特定領(lǐng)域打敗人類不是什么了不起的事。但是人們普遍認(rèn)為，人工智能就是機(jī)器人，它可以超越人腦并控制人類。但事實(shí)上，這是非常遙遠(yuǎn)的事情。我們真正在一線做人工智能研發(fā)的人是不敢這么想的，只是致力于讓機(jī)器做事先設(shè)計(jì)好的特定任務(wù)，絕不會(huì)有另外的任務(wù)附加給它。我們經(jīng)常開玩笑說，李世石在跟阿爾法狗下棋之前，也許早已在賭博公司下了賭注，賭自己輸。但是，阿爾法狗想不到這一點(diǎn)，所以盡管它以為自己贏了，但實(shí)際上它輸了（笑）。

深度學(xué)習(xí)有三個(gè)大核心要素：一是深度學(xué)習(xí)的算法設(shè)計(jì)；二是高性能的計(jì)算平臺(tái)；三是大數(shù)據(jù)。

1、艱難而輝煌的戰(zhàn)績

2011年，我們實(shí)驗(yàn)室的幾十個(gè)博士、教師開始研究深度學(xué)習(xí)。這是學(xué)術(shù)界最早涉獵深度學(xué)習(xí)的華人團(tuán)隊(duì)。因?yàn)樽龅迷纾栽?011—2013年間，在人工計(jì)算機(jī)視角最頂級(jí)的兩個(gè)會(huì)議上，全球貢獻(xiàn)的29篇涉及到深度學(xué)習(xí)的文章中，有14篇出自我們的實(shí)驗(yàn)室，占了全球一半的數(shù)量。2014年，我們又打敗了Facebook，在人臉識(shí)別技術(shù)方面超過了人眼識(shí)別。當(dāng)時(shí)，一般人眼識(shí)別的準(zhǔn)確率是75%強(qiáng)，但Facebook做到了97.3%。但我們的團(tuán)隊(duì)連續(xù)做了四五個(gè)算法，最后從97.4%一路做到了99.55%，在與Facebook和谷歌的競爭中取得了好成績。

2014年9月份，我們又參加了一個(gè)世界級(jí)的大賽，與包括百度、谷歌、牛津、微軟在內(nèi)的37個(gè)世界頂級(jí)團(tuán)隊(duì)競爭，取得了全球第二的成績，谷歌是第一。其實(shí)在競賽中，我們做到了的數(shù)據(jù)高于谷歌發(fā)布的成績，所以只能屈居第二。

2015年，組委會(huì)在比賽中加入了視頻。在視頻的檢測(cè)中，我們?nèi)〉昧巳虻谝坏某煽儭?br />
2016年，我們?cè)谖屙?xiàng)比賽里取得了三項(xiàng)第一名。

2、我們自己的開源系統(tǒng)

這個(gè)時(shí)候，我們其實(shí)在做一個(gè)“大腦”，這是一個(gè)非常困難的任務(wù)。深度學(xué)習(xí)跟人的大腦有相似之處，越難的任務(wù)會(huì)做得越好。比如說，我們要從幾千個(gè)瓶子里識(shí)別出其中的一個(gè)，這個(gè)算法肯定做不好。但如果能做出一千類物體的識(shí)別技術(shù)，把它做成最好的大腦，這時(shí)再回來識(shí)別瓶子，就可以做得很好。ImageNet就是對(duì)一千個(gè)問題進(jìn)行了分類。跟人腦的相似之處在于，如果一個(gè)人希望在未來搞投資，那他肯定不會(huì)從幼兒園到小學(xué)只學(xué)投資這件事。人在小的時(shí)候，數(shù)學(xué)、物理、化學(xué)、歷史都要學(xué)習(xí)，只有讀到博士的時(shí)候再去做具體的任務(wù)。所以，一定要有把大腦訓(xùn)練聰明的過程。

大腦的核心就像是一套操作系統(tǒng)，它是一個(gè)開源系統(tǒng)。谷歌和Facebook都有它自己的開源系統(tǒng)用來做基礎(chǔ)應(yīng)用，而且有一些還是免費(fèi)的。現(xiàn)在人工智能、深度學(xué)習(xí)的門檻變得比較低，就是因?yàn)樗辛碎_源系統(tǒng)。有了這個(gè)系統(tǒng)，隨便找?guī)讉€(gè)懂點(diǎn)技術(shù)的人，利用這套系統(tǒng)就可以訓(xùn)練出一個(gè)模型，可以做一些應(yīng)用。

但是，這里存在一個(gè)問題。比如你要做的是安卓系統(tǒng)還是在安卓系統(tǒng)上寫一個(gè)APP？我們經(jīng)常會(huì)把這兩件事混為一談。比如有的人能做幾個(gè)APP，演示出來就被說成是人工智能，但事實(shí)上它們是不同的。而且，我們做出來的東西是不是好，都是要受這套開源系統(tǒng)的控制。

我們?cè)?011年的時(shí)候還沒有開源系統(tǒng)，所以要努力學(xué)習(xí)，從頭做起。這些年來，我們成功開發(fā)了自己的這套系統(tǒng)，雖然沒有完全對(duì)外開放，但我們自己和一些合作伙伴都在用。

今年開始，我們開始用這套系統(tǒng)訓(xùn)練ImageNet。它是一個(gè)神經(jīng)網(wǎng)絡(luò)，有點(diǎn)像DNA的結(jié)構(gòu)。在2012年，我們做到了5層，谷歌打贏我們的那場(chǎng)比賽用的是22層，去年微軟做的是152，而用我們的系統(tǒng)訓(xùn)練出來的是1207層。

在2013年的時(shí)候，我們訓(xùn)練網(wǎng)絡(luò)的檢測(cè)準(zhǔn)確率只有22%，2014年做到了53%，后來又發(fā)展到了62%，現(xiàn)在我們的最好成績是66%。可以看到，以前，我們最好的進(jìn)展情況大概是一年一個(gè)點(diǎn)，這樣的速度就完全可以發(fā)論文了。但是經(jīng)過了這三四年，從22到66，我們已經(jīng)翻了三倍，這就是進(jìn)展的速度。跟以前不一樣的是，我們?cè)趩蜗蛉蝿?wù)上也是突飛猛進(jìn)的。

3、自己的操算平臺(tái)

訓(xùn)練這么復(fù)雜的一個(gè)網(wǎng)絡(luò)需要一個(gè)大的平臺(tái)。谷歌和Facebook的開源系統(tǒng)并不支持這個(gè)大平臺(tái)的運(yùn)算，所以我們要做自己的操算平臺(tái)，并且要與谷歌的機(jī)器連起來。我們?cè)谙愀塾幸粋€(gè)操算集群，在北京有三個(gè)，只有在這樣的大集群上才能真正的訓(xùn)練出核心的大腦和核心的網(wǎng)絡(luò)。

在這方面，我們主要的合作伙伴有兩家，一家是NVDIA。我們幾乎所有的智能學(xué)習(xí)都是基于它的CPU在進(jìn)行運(yùn)算。很榮幸，這家公司把我們當(dāng)成了跟谷歌、Facebook一樣級(jí)別的戰(zhàn)略伙伴。另一家是用一些高速的網(wǎng)絡(luò)把這些機(jī)器連起來，和我們也形成了戰(zhàn)略合作伙伴關(guān)系。目前，我們正與這兩家公司共同研究下一代產(chǎn)品。

4、大數(shù)據(jù)庫

最后一個(gè)是大數(shù)據(jù)。有了模型，有了平臺(tái)，還需要海量的數(shù)據(jù)。在這方面我們與300多家企業(yè)進(jìn)行了合作，有18類、十幾億的各種圖像和多媒體的數(shù)據(jù)。同時(shí)，我們也在建立一些大型的學(xué)術(shù)方面的數(shù)據(jù)庫，定義了很多新的研究方向和新的課題，包括人臉數(shù)據(jù)庫、車型數(shù)據(jù)庫等等。

比如車型數(shù)據(jù)庫，在我們進(jìn)入這一領(lǐng)域之前，學(xué)術(shù)界只有10幾種車型，而我們定義了上千種。對(duì)人群定義了94種特性。還有各種服裝的數(shù)據(jù)庫也是我們定義出來的。以前，我們看別人的文章，跟著別人的文章做，現(xiàn)在我們自己做文章，做專利，也在參與做標(biāo)準(zhǔn)。并且我們又在開辟新的方向，提出新的問題，定義新的數(shù)據(jù)庫，定義新的玩法，這實(shí)際上是在引領(lǐng)新的學(xué)術(shù)研究方向。

5、人工智能的十大先驅(qū)

在這些輝煌的戰(zhàn)績背后，是我們實(shí)驗(yàn)團(tuán)隊(duì)的艱苦付出。以圖像放大，并處理清晰這件事為例，大家不妨感受一下，人工智能這件事到底有多難。

比如，我們?cè)跈C(jī)場(chǎng)拍到的罪犯的照片很模糊，經(jīng)過超分辨率處理變成清晰了以后，可以輔助警方把他給抓住。我們不但要把圖片放大，并且還要使模糊的照片變得清晰、漂亮。在已經(jīng)做十幾年之后，我們?nèi)匀挥X得做不到。因?yàn)橐呀?jīng)有人做得很先進(jìn)了，但他們也沒有做到。最初，我們用當(dāng)時(shí)的算法得到的結(jié)果是令人失望的，放大了以后效果很差。但是，我們?nèi)匀辉谌四槞z測(cè)、高分辨率、人臉的特性分布等所有方面進(jìn)行了大量的研究，每一項(xiàng)都有專門的文章。最近兩年，我們有多篇文章從這一方向闡述，并拿到了世界頂級(jí)的學(xué)術(shù)會(huì)議上。從學(xué)術(shù)的角度來講，這些都是很大的進(jìn)步，但是花了這么大的功夫，也仍然有太多太多的空間有待我們?nèi)ミM(jìn)步，還有很多的技術(shù)沉淀，有很多工作要做。

剛剛我們又投出了幾篇把一張小圖變成高清大圖的文章，因?yàn)檫@里面的應(yīng)用前景非常廣闊。我們知道，傳輸一張高清大圖的速度很慢，那么我可以把它壓縮得非常小，傳過去以后，可以由接收端自行放大，并且得到非常高清的效果。日本有人用我們的技術(shù)做了一個(gè)很好玩的應(yīng)用，叫做WAIFU2x，翻譯過來就是放大兩倍，就是把普通照片放大兩倍的意思，并且變得更加清晰。

但更重要的是，諸如遙感衛(wèi)星監(jiān)控，還有一些軍事上的偵查，都可以應(yīng)用這一技術(shù)。

在沒有高分辨率技術(shù)之前，一般系統(tǒng)的分辯率都非常差，但用了人臉定位信息以后，我們可以實(shí)時(shí)并且非常準(zhǔn)確地把人臉上的點(diǎn)定位出來，然后進(jìn)行多集放大，每一集放大一點(diǎn)后再定位，然后放大一點(diǎn)，再定位，最后取得了非常好的效果。最初，我們?cè)谌虻谝粋€(gè)做到了5點(diǎn)深度學(xué)習(xí)，后來做到了106點(diǎn)定位。現(xiàn)在，業(yè)界有用很多人臉跟蹤的應(yīng)用，據(jù)說直播軟件背后都是這一技術(shù)。同時(shí)，我們?cè)趯?shí)際偵查圖像上進(jìn)行了應(yīng)用，基本可以把人看清楚了。這在以前是完全做不到的。

人工智能不可能橫空出世，說出來人們也不會(huì)相信。我們之所以能夠做這些事，是因?yàn)槲覀冇幸欢ǖ姆e累。我們?cè)谏疃葘W(xué)習(xí)之前已經(jīng)有了很長時(shí)間的積累。比如，從2004到2008年間，我們?cè)趦蓚€(gè)頂級(jí)學(xué)術(shù)會(huì)議上的文章數(shù)量，其中的一個(gè)實(shí)驗(yàn)室就做了57篇，而NIT一共有91篇，劍橋是30篇，可以說我們跟這些學(xué)校打了一個(gè)平手。前年也是在這兩個(gè)會(huì)議上，我們發(fā)出了24篇文章，谷歌是38篇。要知道，谷歌是擁有6萬名員工的大公司。去年，還是這兩次會(huì)議，我們又發(fā)表了42篇文章，超過了谷歌前年的水平。按照這個(gè)標(biāo)準(zhǔn)，我們頂多落后于谷歌一年。

在人工智能領(lǐng)域，全世界有600個(gè)國際會(huì)議。在其中排名前五的會(huì)議上，從我們實(shí)驗(yàn)室畢業(yè)的學(xué)生拿到了54個(gè)最佳論文獎(jiǎng)，包括剛才講到的去霧的算法。要知道，這些會(huì)議每次從一千多篇文章里只會(huì)選出一篇，而且是雙盲選擇，與人無關(guān)，只與文章本身有關(guān)。這跟中國的一些獎(jiǎng)項(xiàng)的評(píng)選完全是不同的運(yùn)作方式。

我們的這些成績，也得到了國際上的承認(rèn)。NVDIA去年評(píng)選出了人工智能的十大先驅(qū)，我們很榮幸地位列其中，也是亞洲區(qū)唯一入選的實(shí)驗(yàn)室。跟我們同時(shí)入選的另外9家都是計(jì)算機(jī)視角鼎鼎有名的機(jī)構(gòu)，包括NIT、斯坦福等等世界級(jí)的百年名校，還有深度學(xué)習(xí)的“四大天王”、Facebook、谷歌的一些元老等等。與之相比，香港中文大學(xué)只是一所有著50年歷史的名校，而作為唯一一個(gè)比較年輕的實(shí)驗(yàn)室，我們也不是靠學(xué)校的名氣入選的。

三、人臉識(shí)別技術(shù)在產(chǎn)品中的應(yīng)用

以上是我們的一些學(xué)術(shù)成績。但是，如果這些成果不能落地，最終不能進(jìn)入到產(chǎn)品階段，不能夠讓大家用起來，那就成了紙上談兵。那么，我們的成果怎樣落地，怎樣能夠在產(chǎn)品中得到應(yīng)用呢？

1、多個(gè)應(yīng)用方向

?平安城市與智慧商業(yè)

首先是平安城市。我們的人群監(jiān)控系統(tǒng)能夠時(shí)實(shí)分析出整個(gè)場(chǎng)景中有多少人，每一點(diǎn)上人的密度，每個(gè)進(jìn)出口的人的數(shù)量，或者是各種逆向流動(dòng)等特殊情況，都能夠監(jiān)控。大家都知道上海外灘發(fā)生過大規(guī)模的踐踏事件，假如外灘有我們這套系統(tǒng)，那次悲劇完全是可以避免的。

還有人臉識(shí)別技術(shù)，在各種場(chǎng)景下，比如地鐵口、火車站等，完全不需要指令就可以進(jìn)行高精度的人臉識(shí)別，這是“靜場(chǎng)景”的人臉識(shí)別。除此之外，我們還可以“抓人”，在百米之外看到目標(biāo)，能夠把他拉近以后進(jìn)行識(shí)別。也能夠從百米之外將車輛拉近，識(shí)別出它的車牌、車型等等。這是對(duì)人群的遠(yuǎn)距離監(jiān)控。

在對(duì)視頻結(jié)構(gòu)化以后，我們?cè)诿總€(gè)城市都可以有上百萬的監(jiān)控?cái)z相頭，但沒有那么多的人力來篩選。那么，我們可以通過視頻對(duì)人、車和非機(jī)動(dòng)車進(jìn)行監(jiān)測(cè)和標(biāo)注，包括對(duì)人的性別、體貌特征、車型、車牌、顏色等等進(jìn)行監(jiān)測(cè)。它可以自動(dòng)監(jiān)測(cè)出在什么時(shí)段，在什么位置，一個(gè)有著什么樣具體特征的人出現(xiàn)等等信息。

智慧商業(yè)與此類似，就是商場(chǎng)各個(gè)角落的情況，都可以做到實(shí)時(shí)監(jiān)控。

?自動(dòng)駕駛與人臉檢測(cè)定位系統(tǒng)

我們的另一個(gè)方向是自動(dòng)駕駛。現(xiàn)在自動(dòng)駕駛炒得非常熱。但是，做出一個(gè)能在路上跑的車，這是汽車廠商一百年前就做的事，不屬于人工智能范疇。我們要做的，是支撐這些新功能背后的核心技術(shù)。在自動(dòng)駕駛里，有30項(xiàng)基本技術(shù)，每一項(xiàng)都是有一定的門檻，需要很多人付出卓絕的努力。

比如說物體檢測(cè)功能，對(duì)任何物體進(jìn)行跟蹤檢測(cè)，是我們?cè)?015年取得最好成績的那次競賽的參賽項(xiàng)目。這個(gè)技術(shù)能夠讓我們對(duì)街道上所有的機(jī)動(dòng)車、非機(jī)動(dòng)車和行人進(jìn)行時(shí)實(shí)跟蹤監(jiān)測(cè)。同時(shí)，我們可以監(jiān)測(cè)出馬路上的人在往哪個(gè)方向看，有沒有注意到車來的方向。還可以監(jiān)測(cè)車道線，并且不受大霧、大雨等極端天氣的影響。

還有場(chǎng)景的感知。空間在什么地方，所有物體的分割、分類都可以進(jìn)行實(shí)時(shí)感知。包括對(duì)司機(jī)的監(jiān)測(cè)等等。當(dāng)然，這不是全自動(dòng)駕駛，而是輔助駕駛。是將人的行為表現(xiàn)反饋回來，通過人與汽車面板的交互、協(xié)同來完成駕駛?cè)蝿?wù)。

?在手機(jī)中的應(yīng)用

i.手機(jī)相冊(cè)

如果用戶手機(jī)中有一張模糊的照片，用我們的深度算法，可以把暗光增強(qiáng)，把非常小的圖像放大，使它變成一張很清晰的圖像，甚至可以識(shí)別出圖片所中一些細(xì)小又模糊的文字。包括圖像的顏色恢復(fù)、先拍照后聚焦等等功能。這是一件很神奇的事，用戶可以先拍一張照片，然后再選擇在哪一個(gè)點(diǎn)聚焦。還可以用濾鏡把圖片變成各種各樣風(fēng)格的畫面。這是我們兩年前就做出的技術(shù)。同時(shí)，我們也是第一個(gè)用深度學(xué)習(xí)做圖像處理，并且第一個(gè)把它真正產(chǎn)品化的機(jī)構(gòu)。

可以說，所有客戶端的相冊(cè)都有我們公司所提供的相冊(cè)管理服務(wù)。比如小米手機(jī)里就有我們的相冊(cè)管理軟件——寶寶相冊(cè)，這是小米的一個(gè)亮點(diǎn)。

ii.換臉術(shù)

在華為的相冊(cè)管理里，人臉和40類場(chǎng)景也是我們提供的。這是一個(gè)很好玩的應(yīng)用特效，可以將照片上的人臉換成另一張臉。

iii.特效技術(shù)

與換臉相類似的技術(shù)是做各種各樣的特效。facv和各種直播的特效，以及韓國的cno的背后，都有我們的支持，秒拍、花椒、獵豹、移動(dòng)都是我們的客戶，加起來大概有上百家。在大家經(jīng)常看到的特效軟件背后，也是我們的

在VR游戲、電視遙控等領(lǐng)域，都有我們的應(yīng)用。遠(yuǎn)程教育也是我們的應(yīng)用之一。在遠(yuǎn)程教學(xué)中，教師可以觀察到學(xué)生的聽課狀態(tài)。

?線上空間與手機(jī)軟件

在線上我們也有用武之地。比如應(yīng)用于借貸寶，還有跟中國移動(dòng)的獨(dú)家合作。目前，在中國移動(dòng)買一個(gè)手機(jī)卡需要進(jìn)行身份的識(shí)別和認(rèn)證，這方面我們?cè)诼?lián)合開發(fā)其它產(chǎn)品。

樂視上網(wǎng)也采用了人臉識(shí)別系統(tǒng)。手機(jī)也可以嵌入我們的系統(tǒng)。

還有一些技術(shù)未必馬上就能夠應(yīng)用于產(chǎn)品，但是未來必然會(huì)用到，它們也是我們開辟的新的研發(fā)方向。比如說，我們用兩個(gè)人上傳到網(wǎng)絡(luò)的照片可以分析出這兩個(gè)人的表情、距離、方向，彼此之間的關(guān)系是信任的，還是依賴的。這些技術(shù)的用處是什么呢？其中的一個(gè)應(yīng)用是大數(shù)據(jù)征信。比如我發(fā)現(xiàn)你跟一個(gè)非常高端的人士有一張合影，你的信譽(yù)值就有可能會(huì)提高。而如果你跟罪犯有著密切的關(guān)系，那么如果我是銀行，是不會(huì)把錢借給你的。

我們也可以用VDIA做這件事，用每一幀圖像分析出兩個(gè)人的關(guān)系。當(dāng)然了，不是所有的問題都能夠得到解決，比如說，我兒子跟這個(gè)玩具小娃娃的關(guān)系，我們?cè)趺捶治觯繉?duì)6個(gè)月大的嬰兒怎樣去分析？我想人工智能還不能完全理解這其中的奧秘。

但是，通過對(duì)視頻的分析，我們可以分析出某一個(gè)情景是不是災(zāi)難，從而對(duì)其進(jìn)行預(yù)警。

2、一個(gè)技術(shù)核心

所有這一切，聽起來有十幾個(gè)方向，但其背后的技術(shù)都是相通的，都是整個(gè)人體的交互。它主要還是在用一個(gè)核心的大腦在與各個(gè)行業(yè)進(jìn)行結(jié)合，這是一個(gè)高門檻的技術(shù)。

如果你玩過微軟的TNET（音），就知道可以用人控制這個(gè)游戲。但是，TNET是一個(gè)深度攝相頭，兩個(gè)攝相頭加上一個(gè)VC，價(jià)格大概在幾百美元。我們現(xiàn)在做的是用一個(gè)一、二百美元的單向攝像頭就可以實(shí)現(xiàn)這個(gè)功能，并且有著廣泛的應(yīng)用場(chǎng)景。比如在智能家居、游戲等領(lǐng)域，我們都是第一個(gè)做出時(shí)實(shí)效果的機(jī)構(gòu)。

3、與2B企業(yè)的合作空間

目前，有好幾家廠商，包括OPPO、360、微博相冊(cè)等等已經(jīng)采用了我們的技術(shù)。前段時(shí)間，有一個(gè)公司做的toC產(chǎn)品跟我們的技術(shù)有些類似，但實(shí)際上，我們并不做C端，而是跟toB的企業(yè)合作。

我們自己并不做手機(jī)，也不會(huì)親自做攝相頭，而是與這些產(chǎn)業(yè)的領(lǐng)袖、產(chǎn)業(yè)中最優(yōu)秀的企業(yè)進(jìn)行戰(zhàn)略合作，然后把我們的技術(shù)植入到對(duì)方的產(chǎn)品中去。