7月7日，由中國(guó)計(jì)算機(jī)學(xué)會(huì)(CCF)主辦、雷鋒網(wǎng) (公眾號(hào)：雷鋒網(wǎng)) 與香港中文大學(xué)(深圳)全程承辦的 AI 盛會(huì) --「全球人工智能與機(jī)器人峰會(huì)」(CCF-GAIR)在深圳順利召開(kāi)，即便多地連日暴雨的惡劣天氣并沒(méi)有削減人工智能各界人事奔赴這一盛會(huì)的熱情。作為學(xué)術(shù)界和產(chǎn)業(yè)界的先鋒人物，曠視(Face++)***科學(xué)家、曠視研究院院長(zhǎng)孫劍博士受邀來(lái)到了大會(huì)現(xiàn)場(chǎng)，并圍繞「AI 產(chǎn)業(yè)前沿」向在座的 1200 多位專家、學(xué)者以及行業(yè)從業(yè)者分享了曠視(Face++)的***研發(fā)成果和人工智能商業(yè)化之路中的心路歷程。

　　計(jì)算革新的本質(zhì)

　　人工智能幾起幾落，我們普遍認(rèn)為是大數(shù)據(jù)、計(jì)算力和算法的共同繁榮才有了今天人工智能爆發(fā)式的崛起。然而孫劍在演講一開(kāi)始就提出了這樣的疑問(wèn)：到底是什么更本質(zhì)的變革帶來(lái)了人工智能的復(fù)興?他認(rèn)為從根本上來(lái)說(shuō)，主流觀點(diǎn)中的 AI 三大支柱并不是這一次人工智能跨步成長(zhǎng)最本質(zhì)的原因，因?yàn)閷?shí)際上，在中小數(shù)據(jù)上也能很好的研究和使用深度學(xué)習(xí)技術(shù)、計(jì)算力也不是一定要非常大才行、算法的大框架多年來(lái)并未顯著革新。那么這一波人工智能浪潮的起源在哪?孫劍博士認(rèn)為是計(jì)算方式的變革(或復(fù)興)，即從馮諾依曼的計(jì)算結(jié)構(gòu)到神經(jīng)網(wǎng)絡(luò)計(jì)算帶來(lái)的變革。

　　傳統(tǒng)馮諾依曼體系結(jié)構(gòu)中有一個(gè)”馮諾依曼瓶頸“：CPU 和內(nèi)存之間的分離以及相對(duì)低速的數(shù)據(jù)傳輸是傳統(tǒng)計(jì)算結(jié)構(gòu)的巨大瓶頸，而相比神經(jīng)網(wǎng)絡(luò)則能夠突破帶寬限制，實(shí)現(xiàn)數(shù)據(jù)和計(jì)算的并行處理。“神經(jīng)網(wǎng)絡(luò)擁有激活向量、非線性處理、權(quán)重矩陣三個(gè)要素，”孫劍闡述，“每一個(gè)激活向量的元素可以類比為人類人腦中神經(jīng)元。一個(gè)神經(jīng)網(wǎng)絡(luò)的每一層基本上是對(duì)激活向量完成一次非線性變換，整個(gè)神經(jīng)網(wǎng)絡(luò)就是不停做這樣的變換從而形成非常高維的非線性函數(shù)。”

　　曠視(Face++)很早就意識(shí)到這樣的運(yùn)算會(huì)帶來(lái)的計(jì)算革命，現(xiàn)在這種具有超高并行計(jì)算能力的計(jì)算方式已經(jīng)被人們熟知并衍生為“深度學(xué)習(xí)”，曠視早在2012年就構(gòu)建了依托于神經(jīng)網(wǎng)絡(luò)的計(jì)算平臺(tái)，并搭建了自研的深度學(xué)習(xí)框架——Brain++。

　　解構(gòu)世界的突破與挑戰(zhàn)

　　“然而，深度學(xué)習(xí)從開(kāi)始到現(xiàn)在不是一帆風(fēng)順的，中間經(jīng)歷了非常多的曲折，” 孫劍博士表示，“今天終于可以很自由的訓(xùn)練任意深度的網(wǎng)絡(luò)。” 早期的計(jì)算機(jī)視覺(jué)研究中，研究者們主要采用手工設(shè)計(jì)圖像特征描述和使用例如 SVM 等分類器設(shè)計(jì)來(lái)進(jìn)行圖像理解，而深度學(xué)習(xí)徹底顛覆了這種“人造特征”的研究方式，開(kāi)啟了數(shù)據(jù)驅(qū)動(dòng)的“表示學(xué)習(xí)”范式。

　　可以說(shuō)正是深度學(xué)習(xí)在視覺(jué)領(lǐng)域的成功應(yīng)用同時(shí)成就了深度學(xué)習(xí)本身、打破了學(xué)術(shù)界對(duì)于“神經(jīng)網(wǎng)絡(luò)很深無(wú)用論”的魔咒。“從最早只有 8 層的 AlexNet，到 19 層的 VGG 再到今天超過(guò) 1000 層的 ResNet，甚至還有層出不窮的新的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)中，我們可以看出視覺(jué)計(jì)算正在進(jìn)行從特征設(shè)計(jì)轉(zhuǎn)到網(wǎng)絡(luò)設(shè)計(jì)的變革。”

　　如果說(shuō)技術(shù)革新需要逐個(gè)擊破一些魔咒，那么更重要的是需要從實(shí)際需求出發(fā)，解決一些現(xiàn)實(shí)問(wèn)題、輸出商業(yè)價(jià)值，因此，曠視研究院同時(shí)也非常注重科研的“實(shí)用性”。在大會(huì)現(xiàn)場(chǎng)，孫劍博士向觀眾們展示了一張計(jì)算譜圖，一邊是打造越來(lái)越強(qiáng)的計(jì)算網(wǎng)絡(luò)的主流趨勢(shì)，而另一邊是給定計(jì)算力約束下的網(wǎng)絡(luò)。“在一些實(shí)際場(chǎng)景中，當(dāng)計(jì)算量很小的時(shí)候，如果我們想把網(wǎng)絡(luò)應(yīng)用在一些嵌入設(shè)備上應(yīng)該怎么做?怎么得到***的效果?” 孫劍表示，“做研究的一個(gè)重要思路就是填補(bǔ)空白。”

　　7月4日，曠視研究院在 ArXiv 上發(fā)布了一個(gè)名為 ShuffleNet 的新型網(wǎng)絡(luò)架構(gòu)，這是一款專為計(jì)算能力有限的移動(dòng)設(shè)備而設(shè)計(jì)的高性能卷積網(wǎng)絡(luò)，它的計(jì)算目標(biāo)在 10-150 MFLOPs，和之前的 AlexNet 相比在相同精度下實(shí)際運(yùn)行速度可以提升15-20 倍。

　　在計(jì)算機(jī)視覺(jué)領(lǐng)域即便做簡(jiǎn)單的檢測(cè)也會(huì)碰到更深層的認(rèn)知問(wèn)題。一張定格圖像中可能蘊(yùn)含著成千上萬(wàn)的信息點(diǎn)，對(duì)于人來(lái)說(shuō)可以一目了然，但是對(duì)于機(jī)器來(lái)說(shuō)卻非常困難：比如，我們?nèi)绾尾拍芙虝?huì)機(jī)器識(shí)別一把椅子，是四條腿有靠背形態(tài)的就可以稱為椅子嗎?但實(shí)際生活中的很多椅子并不滿足這樣的描述;再比如很多圖像中的人、物會(huì)在特殊的角度、光照、遮擋、遠(yuǎn)距離的條件下出現(xiàn)，人類可以根據(jù)場(chǎng)景中微弱的信號(hào)或者常識(shí)和想象就可以輕松的判斷出來(lái)，但是機(jī)器并不是。

　　我們需要讓機(jī)器理解圖像中有什么、發(fā)生了什么，甚至能夠預(yù)測(cè)出可能發(fā)生什么——這些是圖像更深層次的理解任務(wù)，也是人工智能中視覺(jué)計(jì)算面臨的巨大困難。而針對(duì)這些問(wèn)題，孫劍博士和曠視(Face++)研究院正在從圖像分類、物體/文字檢測(cè)、語(yǔ)義分割和序列學(xué)習(xí)四大核心技術(shù)研究方向展開(kāi)，并致力于推進(jìn)計(jì)算機(jī)視覺(jué)領(lǐng)域有更大的突破。

　　除此之外，孫劍認(rèn)為視覺(jué)計(jì)算還有更大的挑戰(zhàn)：“計(jì)算機(jī)視覺(jué)的任務(wù)不是能夠觀察世界就可以了，我們做研究的目的是解決計(jì)算機(jī)的感知、認(rèn)知問(wèn)題的同時(shí)，讓機(jī)器能夠與世界實(shí)現(xiàn)交互，解決人工智能中手眼協(xié)調(diào)的連續(xù)決策問(wèn)題;以及在一些涉及生命財(cái)產(chǎn)安全的應(yīng)用中(如無(wú)人駕駛、AI驅(qū)動(dòng)的新金融和新醫(yī)療領(lǐng)域等)做到***接近 0 風(fēng)險(xiǎn)。”

　　偉大的時(shí)代與樂(lè)觀的科學(xué)家

　　***，孫劍博士在演講中表示，雖然科研之路上充滿了挑戰(zhàn)和未知，但他卻有著無(wú)比的自信。“這是一個(gè)劇烈變革的時(shí)代，我們看到世界上最聰明的腦力都投入到了人工智能的事業(yè)中，我相信人工智能的道路會(huì)是非常光明的。”

　　在曠視(Face++)以及全球眾多杰出人工智能企業(yè)的推動(dòng)下，視覺(jué)計(jì)算的革命正在讓機(jī)器逐漸看懂世界、形成對(duì)人和事物的認(rèn)知。如果說(shuō)這場(chǎng)智能革命是一場(chǎng)破除萬(wàn)難的長(zhǎng)征，那么作為行業(yè)先手就越是應(yīng)該發(fā)揮***作用，從剛需出發(fā)開(kāi)拓出一片能夠孕育無(wú)機(jī)生命的土壤，并通過(guò)行業(yè)的積累實(shí)現(xiàn)“算法-軟件-方案-數(shù)據(jù)-算法”的螺旋式升級(jí)。

　　身為曠視(Face++)***科學(xué)家，孫劍博士正在帶領(lǐng)曠視(Face++)的研究團(tuán)隊(duì)推進(jìn)計(jì)算機(jī)視覺(jué)技術(shù)的進(jìn)步和探索其在工業(yè)和商業(yè)上的實(shí)踐。目前，曠視的人工智能云開(kāi)放平臺(tái)的 API 已經(jīng)服務(wù)了超過(guò) 10 萬(wàn)開(kāi)發(fā)者;曠視的 FaceID 產(chǎn)品在全球范圍內(nèi)已為 2.1 億人提供了身份驗(yàn)證服務(wù)，覆蓋了 80% 的金融市場(chǎng)智能化應(yīng)用，同時(shí)其智慧安防和智能地產(chǎn)產(chǎn)品也已經(jīng)覆蓋全國(guó) 25 個(gè)省份。