商汤科技CEO徐立：人工智能突破与行业未来

2017年6月6日-7日，由艾瑞集团主办的2017艾瑞（北京）高峰会议在北京国贸三期大酒店举办。

本届艾瑞峰会汇聚互联网核心力量，以“创想·聚能”为主题点燃行业精英释放互联网原力，共同探讨互联网经济与社会变革。作为中国互联网行业极具影响力的品牌峰会，在这里除了感受行业尖端脑力的碰撞，也能随着艾瑞集团15年成长的经历，窥探理解中国互联网行业的脉搏。

以下是商汤科技CEO徐立发表题为“人工智能突破与行业未来”的演讲实录。

商汤科技CEO徐立

徐立：大家好！非常荣幸收到杨总的邀请，来到艾瑞讲一讲，我们商汤对人工智能，对行业的一些看法。

我觉得艾瑞这个活动，我们特别喜欢，艾就是喜爱，瑞就是爱研究，作为研究人员应该都来，我们公司有超过一百多名博士，单方面，是人工智能密度最高的企业，博士密度最高的企业。

这一页一定要替公司打一个广告，介绍一下公司到底做什么。商汤是人工智能平台性的公司，我们想要做的是利用现代人工智能最火热的深度学习，打造深度学习平台，我们把深度学习的平台应用到各类垂直的技术应用突破上，把商汤形容为业内的公司，我们在内功强了之后，应用十八般兵器，和我们打通结合，进行迭代。

接下来讲人工智能的突破，很多人拿这张图问我，人工智能经历了三波浪潮，经历了不同时代，这一波人工智能兴起的时候，商汤有什么看法。看了半天，看不懂。首先，这个图，所有的起点，应该倒着看，这一波人工智能兴起，讲的是深度学习，深度职能颠覆。倒推过去有三个高峰，每个高峰都和这一波人工智能兴起息息相关，我仔细想的时候，一九五几年只有几个人提人工智能，抛开前两次浪潮不说，第三次浪潮，我出生了，我03、04年毕业的时候，行业做人工智能行业的这些人，出来都找不到工作，都不敢说自己是学人工智能的，怎么那个时候是说浪潮开始了呢？我们也很疑惑。仔细想一下，人工智能细分行业太多了，第二个最关键的是，人工智能的突破，是一个突变，不是渐变的模式。

讲一下人工智能的细分行业，大家知道的非常多，这波人工智能关键的钥匙，我们称中间大的大脑叫深度学习，把传统的人手工智能设计的智能，渐渐转化成纯数据的智能，它给了大家超越极限的可能性，我们在语音识别、机器视觉、自然语言理解上拥有非常强大的空间和落地的点，商汤做的是机器视觉，我比较喜欢这个词，我们是用机器实现我们的愿景，我们作为十几年的公司，突然在这一两年，你转做人工智能，我们有点不太适应，不过渐渐就会习惯了。关键核心是中间的算法能力，其实是打开了大家的思想空间，可以做下棋，甚至无人驾驶，包括还可以作为高考，自动高考的机器人，其实是一种帮助大家能够打开对未来想象的核心工具。

人工智能的细分领域，这是Google。他把各种书上面的关键字都输入进去，人工智能每个细分行业，发展全都不一样，在08年，计算机视觉基本上是无人问津的行业，人工智能都不想说自己是做计算机视觉的，做计算机视觉的，都不想说自己做人工智能的，因为都找不到工作。人工智能低谷的时候，出现两个高峰，专家系统，机器人，所以刚才第一张图，有点牵强。讲到这一波信息，到底发生了什么事情，主要是深度学习的突破，我们做一个这样的检索，Google搜索深度学习的关键词，深度学习这个词，从06年就开始有了，之前叫神经网络，那个词搜索更低，大部分的时间，即使到2012年都是平的，说明什么呢？说明跟我们的印象是一样的，人工智能就是一夜变火了，那一夜到底发生了什么事情？大家公认的事情，就是深度学习之父，就是头脑当中识别物体。第二个使用了GPU实现这样一个视觉识别。这就是两个非常大的含义，第一个，视觉，我们人眼睛所看到的东西，就叫视觉内容，70%以上的是互联网内容，第二个用GPU是颠覆性的变化，我们做大数据分析，背后需要非常强大的运算能力，但是使用CPU，使得创业公司，小公司，有机会在很短时间内，用同样廉价的计算能力，获得大公司集群获得的能力，举个例子，我们做人脸识别，最早在深圳的超算上，花28天进行迭代，在六块GPU卡上用6个小时，这就是GPU的威力，带给大众的人工智能的普及性。

中国在这里面起到什么作用？我也很好奇，做了同样的搜索。得到这样的答案。很有意思的一张图，人工智能进入五年来，以及关于深度学习近五年来，在全球搜索的热度，可以看到中国一枝独秀，远超美国，加拿大、欧洲。大家有没有发现，有什么奇怪的地方？Google在中国是被禁掉的，这也就是说，近五年来，中国人民通过反欺诈能力，翻到了国外，搜索深度学习，干倒了美国人。这是多大的热情。我也想说，所以说人工智能在中国有新的机会，它拥有新的应用场景，比如说我们做人脸检测，还有全体分析，我摆一个摄像头，很轻易获得应用场景数据。所以人工智能的中国热，真的不是假的。美国去年白宫出了一个报告，中美人工智能的发现，中国已经超越美国，这只是开始，未来在这个当中，会起到越来越大的作用。

我认为人工智能的阶段，它是一种阶段跳跃式突变的，第一个阶段，其实是很传统的，我列出视觉行业里面，最著名的文章，人脸检测，第一个阶段称为技不如人的阶段，那个阶段，所有智能基本上通过专家的知识转到系统当中，人工指导的智能，比如说以前做人脸检测，有各种各样的模板，眼睛下面那条要黑一些，鼻子比周围白一些，并且是对称，有了这样的模板之后，可以做人脸检测，可以想到，这些知识和设计，最后决定检测的结果，这是人可以知道的。从哲学商来说，人知道机器，机器一定会超过人。现在人工智能，主要是一种生产力的工具，作为生产力的工具，没有超越人，就好像当年的蒸汽机，怎么样会有很大的行业应用？所以在那个阶段，做机器视觉的时候，都说做得不好。

现在我们进入第二个阶段，叫做超越大众阶段，我们近年来在2013年、2014年的时候，被我们诸多领域验证了，机器在垂直领域里面，可以做到超越人的水平，普通人的水平。包括在人脸识别。商汤的团队，在人脸识别领域，第一个超越人。包括各个细分领域。为什么这里说是超越大众，超越普通人呢？是因为，我们做人工智能，必须要把人的知识传达给机器，那就需要标注数据传达机器的过程。在超越普通人的过程当中，因为大众或者普通人的知识，其实是比较容易获得的，比如说我们人脸的检测，眼耳口鼻，在座各位，很容易指出眼耳口鼻在哪里，也不需要上一个博士才能获得。

再比如说，我们提供视频鉴黄的服务，我们当时深圳HRO就跑到我们公司来，就跟我说，说徐总，发现一个事儿，我们深圳有一个团队，天天躲在一个小房间里看黄片，我说不是，我们做一个视频鉴黄的分析，我们后来在办公室提了一个牌子，禁止自娱自乐。从马路上拉一些人过来，在小房间里就能干，这是普通人大众的数据，大众的知识很容易获得。但只是在现在这个阶段，但是所谓的大众知识获得，只能通过降成本这件事情，更核心的是超越专家，专家稀缺不可获得。

比如说艾瑞的霍总也讲医疗，一些大的方向，医疗是特别需要专家的，医生老专家特别厉害，我知道有一些医生，通过一张片子，可以很轻易的判断，你是骨科的什么问题，甚至肺癌的早期都能看到，这些专家，都要挂专家号，平时找不到。如果说需要把这位专家的知识，传达给电脑，需要多久呢？我们一般需要百万级别的数据，算了一下，大概七八百年的时间，他就可以把这个数据了解了。

这是不可能发生的阶段。所以在这里每一个阶段的变化，需要核心算法的突破，我把AlphaGo放在第三阶段的中间，为什么？是因为大家说AlphaGo超过世界上最好的专家，但是AlphaGo是通过读取人类记录的50万个棋谱，把所有人的经验记录下来，它基于这个往前走的。但是最近又把它往右移了一下，因为现在的AlphaGo，通过算法的演进可以更少地依赖于深的知识，但是还是依赖，但是在未来的话，我相信这一部分，第二往第三阶段的跳跃，还是靠核心算法的突破。我们其实在第一和第二阶段之间，大部分人都没有超过普通人，试想超过普通人，化学效应会非常大，真正的还是基础核心的研究，原创的技术才是推动整个人工智能变化的核心。

这是前面讲的算法的突破。后面讲讲对行业的看法，我们认为，所谓的基础的算法突破和核心技术的研究，其实很关键的一点，是要在应用场景循环打通的，商汤在做两件事情，第一是在应用当中定义问题，第二超越人类的水平，我举一个例子，一直讲说人脸识别，这是我们开发的人脸识别系统，比较传统和高清的，看得比较干净的人脸识别系统。现实当中，我们面临是这样一些真实场景，这是我们一些真实的案例，你可以看到，这边左右两个人，都是同一个人，你发现年龄跨度特别大，发型完全不一样，第三个到底是不是同一个人。都会非常怀疑。右边这张也是传统的，是店面的安装摄像头捕获的画面，分辨率这么低，在这个时候，我们用实际应用场景定义来解决，我们画这样一张图，图片很小，分辨力很低。

做人脸识别怎么办？美国FBI给了一个例子。这是一部电影，《谍影重重》。FBI在里面需要找到自己想要的人，通过电脑找到了目标对象。放大一看，这么不清楚。但是FBI是有魔法的，说变，就变成这样子了。好厉害！这是左边这张图，说一声变，就变成右边的高清了，现实当中可行吗？我们也怀疑，所以刚才的案例，同样的场景，大家想美国是不是有这个技术了？中国没有，我们也试一下，把左边的这张图变成右边的结果，这是我们的目标，现实情况呢？现实情况的算法，只能是这个样子。是清楚了，大家看得很清楚，但是如果说你要用左边这张照片，通缉犯的照片，来抓右边的照片，这有一种你在逗我的感觉。这里面的核心还是说核心算法的突破。它的应用广泛吗？很有意思。我们发表了算法，发表了这个成果之后，日本有一个网站，马上用了我们的成果，这个网站很有意思。原来这个waifu，就是太太的意思。日本人的太太就是漫画，他用网站做的事情，就是把漫画放大两倍，看到原始的细节。

我们来看一下这个事情研究是不是重要，在这里面核心的算法突破，Twitter在16年、17年都有这样相关的任务，因为他们都是在应用当中找到这个问题。他们的图像存储，压缩传输都是非常重要的，需要这样一个过程。我们很早就在应用场景当中时机的需求和数据驱动的方法，从14年到17年，把这个链条完整地传输出来。我们可以达到什么样的结果。我们来看看我们的结果。比原来漂亮一些，这个结果恢复出高清的，关键是用它识别人，我们来看看真实的场景，这就是刚才的真实场景，小图片。我们可以用我们的方法恢复出细节。小图片恢复出细节。在真正的实战当中也起到非常大的作用。这是我们的一个同事，这是在深圳实时对比，他们已经在公安完全上线了，这是后来我一看，这是华为的罗总，非常不好意思。跟我们很好的关系，跑去深圳的市局，一搜搜出来了，一看年龄差别很大。还有另外一个同事，可以看到模糊的，不清晰的，甚至有问题的。所以才会有人说，商汤的算法，一骑决尘，因为它真的是基于传统的链条。我们每个人的生活都被改变了。我们在安防里面，会记行踪甚至是车，都在摄像头里面被体现了，大家都不知道而已。

智能认证，比如说手机的登录，或者ATM取过钱，用过人脸，现在在深圳都有这样的应用，包括用手机做支付的时候，刷脸，现在高考系统，也已经用人脸来做验证，在试点当中，忘了带准考证，也可以考试。让考生不那么紧张。

这是稍微远一点间接的使用。以下人工智能进入社交APP领域比较多，现在苹果，小米、华为的手机相册，里面都有自动的人脸分类。再比如说，大家在朋友圈传过猫耳朵、兔耳朵，也是人工智能具体的体现，我们是背后算法平台的提供者。再比如微博的分析。

最后讲一下商汤在人工智能行业，我们希望通过商汤的合作伙伴，一起来定义问题，第二把这个问题做到超越准确率。

讲一讲我们商汤的愿景，我们还是希望坚持原创，让AI引领人类进步。

（本文为艾瑞网独家原创稿件 转载请注明出处）