徐立：看得見(jiàn)的人工智能

徐立：非常感謝大家。我的演講題目是《看得見(jiàn)的人工智能》。我想表達(dá)兩個(gè)意思。第一，商湯科技是做人工智能里的視覺(jué)的；第二，這是一個(gè)創(chuàng)業(yè)的態(tài)度，做事情要做看得見(jiàn)摸得著的，要落地。

講到人工智能，我在這里講一下人工智能的三起兩落。有人說(shuō)你怎么看人工智能的三起兩落？從1991年開始的第三波浪潮，從人工智能的角度來(lái)說(shuō)，時(shí)間真的不算長(zhǎng)。但最近的這波浪潮有些不一樣。很多人工智能的突破不是漸變式慢慢增長(zhǎng)起來(lái)，而是突變的。

不信我們看一看Google的搜索關(guān)鍵字，人工智能背后核心的驅(qū)動(dòng)技術(shù)是深度學(xué)習(xí)。深度學(xué)習(xí)06年才有。深度學(xué)習(xí)的出現(xiàn)是非常突然的，是到某一個(gè)點(diǎn)開始爆發(fā)的，并不是從91年慢慢積累被大眾所認(rèn)識(shí)的概念。我們自己?jiǎn)枂T工，大家怎么看這個(gè)事，怎么解釋？

員工給了一個(gè)解釋，深度學(xué)習(xí)爆發(fā)的時(shí)間點(diǎn)在2012年底到2013年初，當(dāng)時(shí)Alex在ImageNet競(jìng)賽上第一次利用深度學(xué)習(xí)取得突破，所以視覺(jué)可能是引發(fā)這波深度學(xué)習(xí)浪潮的核心。這個(gè)熱潮突然興起是因?yàn)樵?012年底的時(shí)候GPU第一次被用在深度學(xué)習(xí)上，所以可以說(shuō)是GPU的興起引發(fā)了這波浪潮。

人工智能的發(fā)展是突變性的，簡(jiǎn)單定義為三個(gè)階段。第一個(gè)階段，人工智能技不如人，大部分時(shí)候沒(méi)有人做得好；第二個(gè)階段，超過(guò)普通人；第三個(gè)階段，超過(guò)專家。

為什么這么定義？技不如人，我們一直說(shuō)人工智能帶來(lái)的是生產(chǎn)力工具，在人工智能算法沒(méi)有達(dá)到人的水平的情況下，我們可以認(rèn)為它可能有一定的作用，但是絕對(duì)不會(huì)用大規(guī)模計(jì)算把這個(gè)事干了，行業(yè)的機(jī)會(huì)比較少。我剛創(chuàng)業(yè)的時(shí)候看到有一篇采訪報(bào)道說(shuō)，咱們大家看人臉識(shí)別視覺(jué)做得很火熱，其實(shí)就是一個(gè)事。如果只是一個(gè)普通的工具，在沒(méi)有快速突破的情況下得到了大量的資源，它的覆蓋率就會(huì)很高。

第二個(gè)階段，超過(guò)普通人的階段。這是我們現(xiàn)在所處的階段，機(jī)器學(xué)習(xí)在某些垂直領(lǐng)域確實(shí)能夠超越普通人，比如我們?cè)谀吧俗R(shí)別上，在精準(zhǔn)的物體移動(dòng)識(shí)別上面。這個(gè)帶來(lái)什么？生產(chǎn)效率的提升，對(duì)我們來(lái)說(shuō)到底有什么變化？其實(shí)沒(méi)有變化。這種情況下我們每一天用的東西，每一天做的事情都有可能被人工智能所代替，被人工智能所改變，但是你感覺(jué)不到。因?yàn)樗菨撘颇馗淖內(nèi)藗兩磉叺氖虑椋徊贿^(guò)是一個(gè)替代，替代現(xiàn)有的人工，以潤(rùn)物細(xì)無(wú)聲的形式出現(xiàn)。

第三個(gè)階段，超越專家。超越普通人和超越專家是不同的。專家的知識(shí)通常是非常難獲取的，只有很少數(shù)人擁有專家的知識(shí)。很多情況下專家是需要通過(guò)十年、二十年的學(xué)習(xí)才成為專家。在我們的算法中普通人的知識(shí)可以通過(guò)標(biāo)注數(shù)據(jù)，通過(guò)所謂的監(jiān)督學(xué)習(xí)學(xué)會(huì)。但是一旦超過(guò)專家的水平，我們認(rèn)為它會(huì)帶來(lái)真正的效率升級(jí)或者說(shuō)服務(wù)的徹底升級(jí)。我以前有一個(gè)說(shuō)法，人工智能來(lái)了，未來(lái)會(huì)變成什么樣？未來(lái)所謂的“老”字號(hào)工種就會(huì)消失，比如老教師、老司機(jī)、老棋手漸漸沒(méi)有了。

我們?cè)谧龅氖虑槭鞘裁?？超人的生意。機(jī)器是不是可以做到超越人？左圖是原始圖，右圖是機(jī)器算法的圖。對(duì)同樣一張圖，模糊的圖放大之后我們希望能夠識(shí)別。在算法引進(jìn)之前我們用傳統(tǒng)的算法識(shí)別出來(lái)的圖片，有一種動(dòng)物的感覺(jué)。

放大有什么作用？我們的研究員兩年前做了超規(guī)范算法，在日本的waifu2x網(wǎng)站應(yīng)用，應(yīng)用到全實(shí)場(chǎng)景當(dāng)中。SRCNN 是我們第一個(gè)用深度學(xué)習(xí)做的算法，一開始用Existing Hallucination，現(xiàn)在完成的深度學(xué)習(xí)做超分辨率，是以最后能夠提高識(shí)別準(zhǔn)確率為目的，這種情況下我們可以發(fā)現(xiàn)機(jī)器真的能夠做到超越人。還有幾個(gè)實(shí)際的案例，例如監(jiān)控逃犯，能夠無(wú)中生地有把真正的細(xì)節(jié)恢復(fù)出來(lái)。

人工智能來(lái)了，新問(wèn)題是到底要解決什么樣的問(wèn)題？第一個(gè)要面臨的技能提升。像以前人類用馬車來(lái)運(yùn)輸，就要學(xué)會(huì)騎馬。當(dāng)人工智能工具來(lái)臨時(shí)，不是帶來(lái)大量工人的失業(yè)而是帶來(lái)新的職業(yè)，這就是技能提升。生產(chǎn)效率的提升的是核心的改變。

鋼鐵俠、蜘蛛俠給我們另外一個(gè)啟示，人工智能的核心就是怎么樣做到人和機(jī)器融合，人機(jī)融合是接下來(lái)面臨的第二個(gè)問(wèn)題。

時(shí)間關(guān)系，非常感謝大家，我的演講到此為止。謝謝新智元。

戴文淵：人工智能工業(yè)應(yīng)用的必要條件

戴文淵：感謝新智元。這么多年，人工智能的發(fā)展其實(shí)經(jīng)過(guò)很多階段，經(jīng)歷人工智能要?dú)缛祟悺斯ぶ悄苁球_子——人工智能又要?dú)缛祟悺斯ぶ悄苡肿兂沈_子?，F(xiàn)在又到了新的一個(gè)階段——人工智能要?dú)缛祟悺５?，其?shí)在很多領(lǐng)域，大家測(cè)試之后覺(jué)得人工智能是騙子，比如通用的人工智能。

我們一直在致力于通過(guò)人工智能的技術(shù)去改造各行各業(yè)，所以我們需要告訴各行各業(yè)，人工智能在什么樣的情況可以使用，什么樣的情況不可以使用。今天我想談一談，如果人工智能在各行各業(yè)落地，需要什么樣的條件。我們要給予人工智能更長(zhǎng)久的耐心。

必要條件1：目前的技術(shù)水平無(wú)法達(dá)到通用人工智能，需要有一個(gè)邊界，就是解決封閉的問(wèn)題。做個(gè)類比，現(xiàn)在人工智能其實(shí)只能當(dāng)我們的徒弟或是下屬，并不能當(dāng)我們的老板。因此，當(dāng)我們自己都不知道要干什么，人工智能是不可能告訴我們要干什么。比如我現(xiàn)在招一個(gè)下屬，把你教會(huì)。同樣，我把AI教會(huì)之后，AI可以替我做很多事情。在這樣的情況下，你有很多忠實(shí)的下屬，而且容易管理。

必要條件2：大家一直在說(shuō)，人工智能要基于大數(shù)據(jù)，但是并不是所有的數(shù)據(jù)都能夠產(chǎn)生人工智能。真正能夠產(chǎn)生人工智能的是有意義的大數(shù)據(jù)。以圍棋為例，能夠讓你能夠?qū)W會(huì)圍棋的是怎么下棋，而不是看圍棋的世界排名是多少的新聞。所以，我們有一些誤區(qū)。

過(guò)去的3-5年內(nèi)，我們建立了很多系統(tǒng)，收集了很多數(shù)據(jù)，但是并不能產(chǎn)生人工智能。最典型的就是結(jié)果數(shù)據(jù)。比如，每個(gè)公司都會(huì)記錄員工考核的數(shù)據(jù)ABCD，但是這些數(shù)據(jù)并不能讓我們學(xué)會(huì)這些員工的技能。還有統(tǒng)計(jì)數(shù)據(jù)，統(tǒng)計(jì)局收集大量的統(tǒng)計(jì)數(shù)據(jù)，比如全球各地的PM2.5統(tǒng)計(jì)數(shù)據(jù)，這些數(shù)據(jù)并不能讓我們產(chǎn)生預(yù)測(cè)PM2.5的能力。真正能夠讓機(jī)器掌握AI能力的其實(shí)是過(guò)程數(shù)據(jù)。如果，你能夠看到每個(gè)員工每天都在做什么，那么可以基于這些數(shù)據(jù)學(xué)習(xí)他。比如，最近比較火的智能投顧（Robo-Advisor），我們有很多人類投顧，可以記錄人類投顧在干什么，然后讓機(jī)器學(xué)習(xí)，最后產(chǎn)生機(jī)器智能投顧的機(jī)會(huì)。

必要條件3：要有反饋。對(duì)于圍棋來(lái)說(shuō)，贏就是贏，輸就是輸，可以被數(shù)字化。我們通常會(huì)遇到什么問(wèn)題？我們經(jīng)常給機(jī)器一些數(shù)據(jù)讓機(jī)器去學(xué)習(xí)，或者就告訴機(jī)器把這件事情做好就行了，但是整個(gè)過(guò)程不能被數(shù)據(jù)化。我們不知道計(jì)算機(jī)怎么理解數(shù)字。

必要條件4：算法。是不是跟著科學(xué)家走就可以了？因?yàn)橛泻芏嗉?xì)分的場(chǎng)景，所以我們面臨的各種問(wèn)題并不能夠順利解決。舉個(gè)例子，這是一個(gè)銀行做分析的利率表，這個(gè)利率表的規(guī)律就是——基數(shù)大的利率都比基數(shù)小的更難實(shí)現(xiàn)。即使使用深度學(xué)習(xí)，預(yù)測(cè)24期的利率比預(yù)測(cè)12期的利率更難。其實(shí)，在面對(duì)紛紜復(fù)雜的應(yīng)用時(shí)，我們會(huì)遇到各種不同的場(chǎng)景，需要根據(jù)具體的場(chǎng)景來(lái)調(diào)整算法。

必要條件5：系統(tǒng)能力。過(guò)去我們更強(qiáng)調(diào)科學(xué)家的能力，其實(shí)架構(gòu)師的能力也同樣重要。這是Jeff Dean。谷歌并沒(méi)有發(fā)明深度學(xué)習(xí)，但是能把深度學(xué)習(xí)做得很大很大，應(yīng)該歸功于架構(gòu)師。

舉個(gè)例子，這是經(jīng)典的梯度下降的算法。如果數(shù)據(jù)量很小，只有幾百個(gè)，大家只要將代碼復(fù)制粘貼進(jìn)去就可以了。但是如果討論更大的數(shù)據(jù)量時(shí)，問(wèn)題就很復(fù)雜。10臺(tái)機(jī)器運(yùn)作時(shí)，要考慮負(fù)載均衡的問(wèn)題；100臺(tái)機(jī)器運(yùn)作時(shí)，要考慮每跑一次算法都可能會(huì)丟數(shù)據(jù)（硬盤數(shù)量很大）；1000臺(tái)機(jī)器運(yùn)作時(shí)，要使用交換機(jī)，交換機(jī)、網(wǎng)線、數(shù)據(jù)傳輸都會(huì)出現(xiàn)問(wèn)題。這些都說(shuō)明，當(dāng)數(shù)據(jù)量很大，可能需要全世界最好的架構(gòu)師。

所以，要做到人工智能其實(shí)需要很多必備條件。總結(jié)一下，有5個(gè)條件。首先是封閉問(wèn)題，然后需要有過(guò)程數(shù)據(jù)（不僅僅是大數(shù)據(jù)）。之后需要有頂尖科學(xué)家、頂尖架構(gòu)師。這就是為什么BAT能夠做別人做不出的事情。其實(shí)科學(xué)家并不少，每一年畢業(yè)的AI領(lǐng)域的碩士博士也有幾千甚至，但是科學(xué)家只是其中的一環(huán)。以上提到的5個(gè)條件很難全部實(shí)現(xiàn)。

我們?cè)谧鍪裁?？我們把科學(xué)家、架構(gòu)師、包括反饋數(shù)據(jù)閉環(huán)中的系統(tǒng)和算法都解決。將前提條件減少到兩個(gè)——數(shù)據(jù)和業(yè)務(wù)量級(jí)封閉場(chǎng)景。我們之前做過(guò)測(cè)試，讓沒(méi)有機(jī)器學(xué)習(xí)背景的人，哪怕是根本不是計(jì)算機(jī)系專業(yè)的人去做測(cè)試，最后發(fā)現(xiàn)有70%的人能夠達(dá)到專業(yè)人士的水平。在這種情況下，我們可以增加很多AI的從業(yè)人員，最后達(dá)到我們所謂的效果。這就是我的介紹，謝謝。

劉穎博：ROOBO的人工智能之路

劉穎博：謝謝新智元給我們這個(gè)機(jī)會(huì)。站在這么多科學(xué)家面前我有點(diǎn)緊張，我本科畢業(yè)，謝謝大家！而且我還是學(xué)會(huì)計(jì)的。

今天想跟跟大家說(shuō)一說(shuō)，我們做了一點(diǎn)什么事情。六個(gè)月前我們開了一場(chǎng)發(fā)布會(huì)，楊靜也去給我們做了一個(gè)簡(jiǎn)短的發(fā)言，非常感謝。那時(shí)候我們核心的是發(fā)布了一個(gè)計(jì)算系統(tǒng)的東西，現(xiàn)在的名字定為ROSAI。這件事情我們持續(xù)在做，現(xiàn)在已經(jīng)有幾十個(gè)人工智能相關(guān)的服務(wù)對(duì)接到里面來(lái)，跟傳統(tǒng)的企業(yè)在做這方面的合作等等。等項(xiàng)目真正落地了，會(huì)拿出來(lái)給大家看一下。

大家知道艾菲還有紅點(diǎn)，JELLY得了紅點(diǎn)的獎(jiǎng)，還有艾菲的三個(gè)獎(jiǎng)，產(chǎn)品、包裝、OS。還有一款產(chǎn)品PUDDING BEANQ，4月或者5月會(huì)上線，得了紅點(diǎn)的bestof the best。

我們做這么多事情不取決于我們自己，還有一系列的合作伙伴。比如NUANCE、全志，還有跟新東方的多納合作，還有和清華、普林斯頓等大學(xué)做的一系列相關(guān)的合作，希望今年還能做一些更落地一點(diǎn)的事情。我本來(lái)不太會(huì)科研，盡量落地就好了，盡量做toC的事情，做更多的落地。

大概是這樣的狀況，謝謝大家！

3月27日，新智元開源·生態(tài)AI技術(shù)峰會(huì)暨新智元2017創(chuàng)業(yè)大賽頒獎(jiǎng)盛典隆重召開，包括“BAT”在內(nèi)的中國(guó)主流 AI 公司、600多名行業(yè)精英齊聚，共同為2017中國(guó)人工智能的發(fā)展畫上了濃墨重彩的一筆。

點(diǎn)擊閱讀原文，查閱文字版大會(huì)實(shí)錄