7月7日，由中國計算機學會(CCF)主辦、雷鋒網(wǎng) (公眾號：雷鋒網(wǎng)) 與香港中文大學(深圳)全程承辦的 AI 盛會 --「全球人工智能與機器人峰會」(CCF-GAIR)在深圳順利召開，即便多地連日暴雨的惡劣天氣并沒有削減人工智能各界人事奔赴這一盛會的熱情。作為學術(shù)界和產(chǎn)業(yè)界的先鋒人物，曠視(Face++)***科學家、曠視研究院院長孫劍博士受邀來到了大會現(xiàn)場，并圍繞「AI 產(chǎn)業(yè)前沿」向在座的 1200 多位專家、學者以及行業(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。

　　計算革新的本質(zhì)

　　人工智能幾起幾落，我們普遍認為是大數(shù)據(jù)、計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始就提出了這樣的疑問：到底是什么更本質(zhì)的變革帶來了人工智能的復興?他認為從根本上來說，主流觀點中的 AI 三大支柱并不是這一次人工智能跨步成長最本質(zhì)的原因，因為實際上，在中小數(shù)據(jù)上也能很好的研究和使用深度學習技術(shù)、計算力也不是一定要非常大才行、算法的大框架多年來并未顯著革新。那么這一波人工智能浪潮的起源在哪?孫劍博士認為是計算方式的變革(或復興)，即從馮諾依曼的計算結(jié)構(gòu)到神經(jīng)網(wǎng)絡(luò)計算帶來的變革。

　　傳統(tǒng)馮諾依曼體系結(jié)構(gòu)中有一個”馮諾依曼瓶頸“：CPU 和內(nèi)存之間的分離以及相對低速的數(shù)據(jù)傳輸是傳統(tǒng)計算結(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，實現(xiàn)數(shù)據(jù)和計算的并行處理。“神經(jīng)網(wǎng)絡(luò)擁有激活向量、非線性處理、權(quán)重矩陣三個要素，”孫劍闡述，“每一個激活向量的元素可以類比為人類人腦中神經(jīng)元。一個神經(jīng)網(wǎng)絡(luò)的每一層基本上是對激活向量完成一次非線性變換，整個神經(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++)很早就意識到這樣的運算會帶來的計算革命，現(xiàn)在這種具有超高并行計算能力的計算方式已經(jīng)被人們熟知并衍生為“深度學習”，曠視早在2012年就構(gòu)建了依托于神經(jīng)網(wǎng)絡(luò)的計算平臺，并搭建了自研的深度學習框架——Brain++。

　　解構(gòu)世界的突破與挑戰(zhàn)

　　“然而，深度學習從開始到現(xiàn)在不是一帆風順的，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練任意深度的網(wǎng)絡(luò)。” 早期的計算機視覺研究中，研究者們主要采用手工設(shè)計圖像特征描述和使用例如 SVM 等分類器設(shè)計來進行圖像理解，而深度學習徹底顛覆了這種“人造特征”的研究方式，開啟了數(shù)據(jù)驅(qū)動的“表示學習”范式。

　　可以說正是深度學習在視覺領(lǐng)域的成功應(yīng)用同時成就了深度學習本身、打破了學術(shù)界對于“神經(jīng)網(wǎng)絡(luò)很深無用論”的魔咒。“從最早只有 8 層的 AlexNet，到 19 層的 VGG 再到今天超過 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)計中，我們可以看出視覺計算正在進行從特征設(shè)計轉(zhuǎn)到網(wǎng)絡(luò)設(shè)計的變革。”

　　如果說技術(shù)革新需要逐個擊破一些魔咒，那么更重要的是需要從實際需求出發(fā)，解決一些現(xiàn)實問題、輸出商業(yè)價值，因此，曠視研究院同時也非常注重科研的“實用性”。在大會現(xiàn)場，孫劍博士向觀眾們展示了一張計算譜圖，一邊是打造越來越強的計算網(wǎng)絡(luò)的主流趨勢，而另一邊是給定計算力約束下的網(wǎng)絡(luò)。“在一些實際場景中，當計算量很小的時候，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，“做研究的一個重要思路就是填補空白。”

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

　　在計算機視覺領(lǐng)域即便做簡單的檢測也會碰到更深層的認知問題。一張定格圖像中可能蘊含著成千上萬的信息點，對于人來說可以一目了然，但是對于機器來說卻非常困難：比如，我們?nèi)绾尾拍芙虝C器識別一把椅子，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、物會在特殊的角度、光照、遮擋、遠距離的條件下出現(xiàn)，人類可以根據(jù)場景中微弱的信號或者常識和想象就可以輕松的判斷出來，但是機器并不是。

　　我們需要讓機器理解圖像中有什么、發(fā)生了什么，甚至能夠預測出可能發(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計算面臨的巨大困難。而針對這些問題，孫劍博士和曠視(Face++)研究院正在從圖像分類、物體/文字檢測、語義分割和序列學習四大核心技術(shù)研究方向展開，并致力于推進計算機視覺領(lǐng)域有更大的突破。

　　除此之外，孫劍認為視覺計算還有更大的挑戰(zhàn)：“計算機視覺的任務(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算機的感知、認知問題的同時，讓機器能夠與世界實現(xiàn)交互，解決人工智能中手眼協(xié)調(diào)的連續(xù)決策問題;以及在一些涉及生命財產(chǎn)安全的應(yīng)用中(如無人駕駛、AI驅(qū)動的新金融和新醫(yī)療領(lǐng)域等)做到***接近 0 風險。”

　　偉大的時代與樂觀的科學家

　　***，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，但他卻有著無比的自信。“這是一個劇烈變革的時代，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)的推動下，視覺計算的革命正在讓機器逐漸看懂世界、形成對人和事物的認知。如果說這場智能革命是一場破除萬難的長征，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)開拓出一片能夠孕育無機生命的土壤，并通過行業(yè)的積累實現(xiàn)“算法-軟件-方案-數(shù)據(jù)-算法”的螺旋式升級。

　　身為曠視(Face++)***科學家，孫劍博士正在帶領(lǐng)曠視(Face++)的研究團隊推進計算機視覺技術(shù)的進步和探索其在工業(yè)和商業(yè)上的實踐。目前，曠視的人工智能云開放平臺的 API 已經(jīng)服務(wù)了超過 10 萬開發(fā)者;曠視的 FaceID 產(chǎn)品在全球范圍內(nèi)已為 2.1 億人提供了身份驗證服務(wù)，覆蓋了 80% 的金融市場智能化應(yīng)用，同時其智慧安防和智能地產(chǎn)產(chǎn)品也已經(jīng)覆蓋全國 25 個省份。