特稿 >

行业洞察 >

AI学术界与产业界中间隔了40步,而山世光正在路上

AI学术界与产业界中间隔了40步,而山世光正在路上

Xtecher 丨 行业洞察

17711
1488

2016-10-24

大琳

Xtecher特稿作者

关注

2016年10月15日的未来论坛科技创新峰会上,山世光结合自身经历,从学术研究与科技创业的角度出发,深入剖析了AI领域中产学研的转化问题,提出了“AI生态大舞台”的概念。


1.gif


尊敬的各位领导、各位嘉宾,下午好!我介绍的内容跟刚才黄晓庆先生介绍的内容不太一样。刚才黄晓庆先生从科幻的角度出发回到人类和地球,搭建机器人的网络;我们要做的事情是针对机器人,或者对各种智能代理的基本能力。如果他需要跟这个世界进行交互,需要跟人交互,就需要看人,看世界,认识世界上的万物。我们可以设想,任何一个机器人,或者以某种形式存在的智能体都需要看万事万物,这样才能更好地跟我们进行交互,并且为我们服务。


2.jpg   


人工智能在最近两年时间出现了非常热的情况,有很多的案例,比如AlphaGo打败人类围棋冠军。这个进步从学术角度,出乎学术界前沿科学家们的判断。因为在这之前,很多该领域的科学家们预期,机器打败人类需要十到十五年的时间,可是这个结果在两三年就实现了,所以这是跨越式的发展。第二个例子,大家看到自动驾驶,特别是辅助驾驶可能逐渐走入我们日常生活里。很多人知道汽车辅助驾驶或者自动驾驶更多是从特斯拉汽车出了两三次车祸之后,大家对这件事情有了更深刻的认知。在这个领域做了很多年的技术人员,在过去两三年,还认为自动驾驶或者辅助驾驶还是有比较遥远的距离,可是这样的结果在最近两三年真真切切走到了我们的生活里。很多特斯拉用户即使在北京这样的交通状态下,也会用特斯拉自动巡航模式比如跟踪前车的模式行驶。


3.jpg


第三个例子,就是人脸识别技术的发展也超出了我们的预期。在三年前,我们这个领域大多数的专家,包括我自己做人脸识别做了十九年,还认为有一种场景可能需要十年的时间才能实现,更悲观一点认为这个也许不可能实现。这个场景是什么?就是我们国家二代身份证在卡内有一张非常小的照片,这张照片是102×126大小,它是张彩色照片。做这个证件的时候把这张照片压到非常小的存储空间,只有1K,因为当时存储还是比较贵的,这样节省成本。三四年前,我们认为把这样一张存在身份证里的电子小照片跟现场持证人比,判断是不是这个身份证的合法持有人,这件事情我们认为是不可能的。但是我们现在可以非常准确判断这个二代证持有人是不是这个人,准确度比人高十倍甚至上百倍,这也是超出了我们认知的跨越式的发展。


4.jpg


第四个例子,我们叫自动图题技术:给计算机一张照片,让计算机产生一句话描述这张照片有什么内容,类似老师给小学生布置一个作业,看图作文。几年前做这件事情的人在学术界都非常少,2015年这个技术出现了,很多学生界和工业界包括GOOGLE可以做到不错的结果,甚至可以以假乱真,所谓以假乱真是机器生成的描述和人写出来的描述是不可区分的。如果大家了解图灵测试,就会知道这是某种意义上的图灵测试,即计算机产生的结果已经和人产生的结果不可区分。

   

当然,应该讲这些技术进步的出现很大程度上都得益于深度学习技术。这样的技术在这两年可能是计算机整个行业里曝光度最高的技术,但是我想说深度学习并不是全新的创新,它的创新发生在大概上世纪八十年代末期,也就是人工智能第二次热潮时出现的多层神经网络技术。当时之所以没有成功,甚至导致第二次人工智能寒冬的到来,背后的原因是当时我们没有现在大量的数据,也没有现在高性能的计算机做大量的运算。当然,在那个时代我们也没有大量的从事相关方向的科研人员以集体的智慧发展这样的技术,所以出现了第二次人工智能的寒冬。这一次人工智能热潮跟前两次有很大不同,前两次人工智能热潮是基于一种承诺,也就是说有部分科学家他们预测人工智能可以很快得到解决,是一种预测,是一种承诺;这一次人工智能热潮确实基于技术跨越式的进步而出现的,确实跟之前是非常不同的。


5.jpg   


但我们需要知道的是,这一次人工智能的热潮也并没有使得我们真的拥有科幻电影里看到的通用的人工智能,比如我们期望一套人工智能系统可以像人一样做所有的事情。比如AlphaGo,虽然它本身可以打败围棋冠军,但是让它下跳棋可能也不行。比如我们做的人脸识别程序,也不能做狗脸的识别等等。也就是说,其实这一次人工智能热潮背后技术的推动并不是通用性的。另外,它也不能自我迭代,这是一个非常关键、非常要命的缺点,也就是说它不能自我成长,所有的成长、更新、迭代全靠人类程序员给它数据,给它模型,给它方法,用机器训练它才能进步。所以它跟我们人类智能进化和智能发育的过程有非常大的差别。这点集中体现在机器人,虽然现在人工智能技术取得很大的进步,我们机器人看上去很漂亮很酷,但其实很多机器人连基本“看”的能力都没有。

   

大家也没有必要这么悲观,应该说AI技术的通用性在快速提高。比如五年前的时候我是做人脸识别的,很多客户找过来,说我们有一个需求,这个需求是在建筑工地上检测是否有一些工人没戴安全帽。五年前我们的做法是这样的:我说这个事情我们可以做,大概需要一年的时间,你给我提供几千张戴安全帽工人的照片,再给我提供几千张不戴安全帽工人的照片,我们拿过来这些数据进行分析,人工设置出一些特征,安全帽的特征是椭圆的,可能有红色、黄色的,可能上面还有一些纹路等等,我们会人工设计一些特征,把这些特征给一个分类器让它学习,什么样情况下有了这个特征就是戴安全帽的,什么情况下是不戴安全帽。寻找这个特征的过程是由人完成的,这个过程就会非常的慢,所以我们需要一年的时间。现在深度学习时代来了,我们的做法是:如果数据收集完了,比如有两万张戴安全帽工人的照片,和两万张没有戴安全帽工人的照片,我们大概可以用现成的、用来做人脸识别的模型,用这四万张照片一训练,大概也许一星期我就可以做一个程序出来,而且可以比较准确或者非常准确地判断一个人是不是戴了安全帽。从这个意义上讲,这一次人工智能的革命是由于深度学习技术的突破,使得AI技术本身底层方法通用性得到了很大的提升。


6.jpg  

 

与此相关另外一个例子就是人脸识别。人脸识别有接近五十年的历史,在过去四十多年的时间里,人脸识别一直是很特殊的,和一般其他物体识别技术是很不一样的。现在深度学习时代到来之后,我们所有人脸识别的技术,目前能够做得比较好的,包括刚才我提到身份证一致性验证的技术都是完全采用了深度学习的技术。也就是说我们只需要有数据,就可以用一般物体识别的方法或模型,加上人脸的数据,可以很快得到在人脸上非常非常好的模型和算法。在过去很多年时间里,曾经每一个问题、每一个任务我们都需要有一个专家系统,请专家人工发掘或发现如何做好的方法论,现在的时代我们可以用很多共性的技术,而不同的更多的是数据。

  

从上世纪八十年代末期出现多层神经网络的技术,到从2006年到2012年的时间里,优化的角度出现一些变化,使我们可以实现非常深层次、多层次人工神经网络的有效训练。所以AI的基础设施,或者这一次AI热潮、深度学习热潮得益于四大引擎。其中深度模型就是第一个。第二个,我们需要大数据。大数据最得益于我们互联网,以及大量传感器的出现,互联网和传感器的出现。大量的应用,使得我们可以得到大量的数据,用来训练我们非常复杂的深度模型。第三个,高性能计算。我们有了GPU这样适合大量计算的设备。第四个往往是不被大家所提及的——智力众包。这一点在这个时代,尤其对于这一次深度学习能够迅速普及起到非常关键的作用。因为这一次的深度学习其实并不是那么容易可以直接,还是要有非常好的模型,这个非常好的模型得益于全球科研人员、基础研究人员,他们能够把他们自己之前已经学习好的,或者尝试了非常好的方法和模型贡献出来,把源代码开放出来,数据开放出来,使得我们可以做这样的事情。


7.jpg


刚才看的是全球环境下。我们看中国在这一次AI热潮里是不是落伍了?我个人判断,至少我们并不在潮头。一个非常重要的原因,就是我们在基础研究方面,上世纪八十年代末期我们已经落后了,现在也没有赶上来。在基础的模型、深度学习的方法、基础理论和各种模型的设计方面,我们其实并没有冲在前面。第二个,AI的平台主要在美国,虽然国内现在也跟的很快。第三个,某种意义上讲,国际行业巨头也有一点寡头化的意味,Facebook、谷歌等等,由于他们掌握了大量数据、大量计算资源和大量国际顶尖人才,使得他们在某些方面远远走在我们前面。比如训练人脸识别模型,他们用800万人2亿张照片训练他们人脸识别,这样的数据对大多数科研界人员来说其实是不可能获得的。我们国内总希望我们科研人员既“顶天”又“立地”,其实往往我们顶天者不顶天,立地者不立地,反过来说也成立。我们往往会做一些空中楼阁的东西。回到我们今天论坛的主题,我们希望实现从基础研究到技术创新,到应用的顺畅转化,这一块儿我们并不是很顺畅。

 

我讲一讲我自己的故事。我自己过去近二十年的时间里一直在学术界工作,如果从纯粹学术界的判断还算做得不错,也取得了一些奖励。如果非常批判的看,我认为很多东西其实是空中楼阁。做了一些东西理论上讲是有用的,但是因为它不满足现实条件,使得它很难落地成为一个实际的应用技术。幸运的是,过去二十年时间里,我们通过跟企业合作伙伴合作的方式,也取得了一些非常好的落地和应用。比如我们的技术在国家公安部出入境管理局护照查重系统使用,这个系统里有4亿护照照片,每个新申请护照要跟所有4亿人比对,看你之前是不是曾经用其他身份办过护照。类似应用在各个省公安厅用来比对户口,看哪些人有多个不同的户口。还有我们通过跟华为合作,把人脸识别技术授权给他们,用于他们手机里。简单来说,在局部和小范围内做了一些“立地”的工作。这样一些“立地”的工作,对于我来说成就感和学术上的成就感是可媲美的,甚至有时候我想起来自己做的技术能在这样大规模的应用里得到使用,会感到更加的兴奋。


8.jpg

   

另一方面,我觉得还是不够满意。不满意主要体现在:第一,在过去很多时间里,我跟工业界也有所接触,发现工业界和学术界的对接还是出了很多的问题。假设我们做满足用户需求的产品,需要一百步,学术界往往只走了三十步,我们国家中小微企业往往从第七十步才能走,再往前他是走不了的,或者出于成本的考虑他们是不愿意走的。中间出现了四十步大家都走不了的状态,出现了这样一个断腰的鸿沟,学术界和工业界之间有蛮大的距离。对于大企业不存在这样的问题,大企业建立自己的研究院,可以实现学术和工业之间良好的对接。

   

如何跨越这个鸿沟,一种办法,学术界要往下走,再走二十步,比如我们走到五十步,我们希望工业界再往上走二十步,从第五十步到第一百步。这个难度其实很大,我们过去跟企业合作过程中发现大家大多不太愿意往下走,因为体制等等原因,导致了这样的差异。还有一种办法,我们可以建立一些科技服务公司,这些科技服务公司可能更多源自于学术界,他们实现学界和工业界优势的桥接。基于这样的考虑,大家可以看到最近几年涌现出大量AI科技公司,这些科技公司都有一个共同的理想,就是希望在AI领域发现创造拟人的AI技术,使得我们生活更加美好,使得我们社会更加安全,这也是所谓AI生态大舞台的概念。我认为我们需要共同创造一个开源、开放的环境,共建AI时代基础设施。像我们现在工业社会有水电煤基础设施,包括高速公路基础设施一样,AI时代我们也需要一些基础设施,这些基础设施包括我们AI开发的平台,比如谷歌,开源了它的tenser flow,当然我们百度也有,开源了这些开发的平台。其实我们学界也开始担心像谷歌这样完全主导开源平台会带来很多问题,尽量创建一些不依赖于特定公司的开源平台。第二个,我们希望大家不断开源一些代码,使得我们在各个领域都有非常不错的开源的技术,能够被广泛的采纳。我前一段时间听到一个概念“火旋风”,意思就是我们在一个区域里一些火点密度足够大,会形成一个高达几十米的像龙卷风的火焰。对于人工智能,我们需要每个行业有人愿意开源他们基础的代码,使得我们可以形成整个AI产业的火旋风。我们希望有数据的开源,重视人才的培养,以及理性度量和报道AI领域的进步。


9.jpg


基于上面这样一些考虑,我本人联合我的学生,在今年8月份成立了中科视拓公司。我们开源了我们人脸识别的引擎,是个完全开源、完全免费、工业界和学术界都可以免费使用的人脸识别的引擎,包括搭建一套全自动人脸识别系统的全部代码,不依赖任何第三方的代码。同时,我们过去开源了很多的数据,包括我们建立了深度学习大讲堂,做知识的共享,把学术界最新的技术,找专门的人写,共享给学术界和投资界。同时,我们正在进行产学研合作AI基础人才的培养,尽量理性推进AI领域技术进步,同时希望回馈学术界,把前沿问题和数据,包括经费,回馈给学术界。




打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

账号登录

重置密码

还没有账号?立即注册>

账号注册

已有账号?立即登录>注册企业会员

重置密码

返回

绑定手机