商湯科技CEO徐立：人工智慧突破與行業未來

【艾瑞網 直播】2017年6月6日-7日，由艾瑞集團主辦的2017艾瑞（北京）高峰會議在北京國貿三期大酒店舉辦。

本屆艾瑞峰會匯聚互聯網核心力量，以「創想·聚能」為主題點燃行業精英釋放互聯網原力，共同探討互聯網經濟與社會變革。作為互聯網行業極具影響力的品牌峰會，在這裡除了感受行業尖端腦力的碰撞，也能隨著艾瑞集團15年成長的經歷，窺探理解互聯網行業的脈搏。

以下是商湯科技CEO徐立發表題為「人工智慧突破與行業未來」的演講實錄。

商湯科技CEO徐立

徐立：大家好！非常榮幸收到楊總的邀請，來到艾瑞講一講，我們商湯對人工智慧，對行業的一些看法。

我覺得艾瑞這個活動，我們特別喜歡，艾就是喜愛，瑞就是愛研究，作為研究人員應該都來，我們公司有超過一百多名博士，單方面，是人工智慧密度最高的企業，博士密度最高的企業。

這一頁一定要替公司打一個廣告，介紹一下公司到底做什麼。商湯是人工智慧平台性的公司，我們想要做的是利用現代人工智慧最火熱的深度學習，打造深度學習平台，我們把深度學習的平台應用到各類垂直的技術應用突破上，把商湯形容為業內的公司，我們在內功強了之後，應用十八般兵器，和我們打通結合，進行迭代。

接下來講人工智慧的突破，很多人拿這張圖問我，人工智慧經歷了三波浪潮，經歷了不同時代，這一波人工智慧興起的時候，商湯有什麼看法。看了半天，看不懂。首先，這個圖，所有的起點，應該倒著看，這一波人工智慧興起，講的是深度學習，深度職能顛覆。倒推過去有三個高峰，每個高峰都和這一波人工智慧興起息息相關，我仔細想的時候，一九五幾年只有幾個人提人工智慧，拋開前兩次浪潮不說，第三次浪潮，我出生了，我03、04年畢業的時候，行業做人工智慧行業的這些人，出來都找不到工作，都不敢說自己是學人工智慧的，怎麼那個時候是說浪潮開始了呢？我們也很疑惑。仔細想一下，人工智慧細分行業太多了，第二個最關鍵的是，人工智慧的突破，是一個突變，不是漸變的模式。

講一下人工智慧的細分行業，大家知道的非常多，這波人工智慧關鍵的鑰匙，我們稱中間大的大腦叫深度學習，把傳統的人手工智能設計的智能，漸漸轉化成純數據的智能，它給了大家超越極限的可能性，我們在語音識別、機器視覺、自然語言理解上擁有非常強大的空間和落地的點，商湯做的是機器視覺，我比較喜歡這個詞，我們是用機器實現我們的願景，我們作為十幾年的公司，突然在這一兩年，你轉做人工智慧，我們有點不太適應，不過漸漸就會習慣了。關鍵核心是中間的演算法能力，其實是打開了大家的思想空間，可以做下棋，甚至無人駕駛，包括還可以作為聯考，自動聯考的機器人，其實是一種幫助大家能夠打開對未來想象的核心工具。

人工智慧的細分領域，這是Google。他把各種書上面的關鍵字都輸入進去，人工智慧每個細分行業，發展全都不一樣，在08年，計算機視覺基本上是無人問津的行業，人工智慧都不想說自己是做計算機視覺的，做計算機視覺的，都不想說自己做人工智慧的，因為都找不到工作。人工智慧低谷的時候，出現兩個高峰，專家系統，機器人，所以剛才第一張圖，有點牽強。講到這一波信息，到底發生了什麼事情，主要是深度學習的突破，我們做一個這樣的檢索，Google搜索深度學習的關鍵詞，深度學習這個詞，從06年就開始有了，之前叫神經網路，那個詞搜索更低，大部分的時間，即使到2012年都是平的，說明什麼呢？說明跟我們的印象是一樣的，人工智慧就是一夜變火了，那一夜到底發生了什麼事情？大家公認的事情，就是深度學習之父，就是頭腦當中識別物體。第二個使用了GPU實現這樣一個視覺識別。這就是兩個非常大的含義，第一個，視覺，我們人眼睛所看到的東西，就叫視覺內容，70%以上的是互聯網內容，第二個用GPU是顛覆性的變化，我們做大數據分析，背後需要非常強大的運算能力，但是使用CPU，使得創業公司，小公司，有機會在很短時間內，用同樣廉價的計算能力，獲得大公司集群獲得的能力，舉個例子，我們做人臉識別，最早在深圳的超算上，花28天進行迭代，在六塊GPU卡上用6個小時，這就是GPU的威力，帶給大眾的人工智慧的普及性。

在這裡面起到什麼作用？我也很好奇，做了同樣的搜索。得到這樣的答案。很有意思的一張圖，人工智慧進入五年來，以及關於深度學習近五年來，在全球搜索的熱度，可以看到一枝獨秀，遠超美國，加拿大、歐洲。大家有沒有發現，有什麼奇怪的地方？Google在是被禁掉的，這也就是說，近五年來，人民通過反欺詐能力，翻到了國外，搜索深度學習，干倒了美國人。這是多大的熱情。我也想說，所以說人工智慧在有新的機會，它擁有新的應用場景，比如說我們做人臉檢測，還有全體分析，我擺一個攝像頭，很輕易獲得應用場景數據。所以人工智慧的熱，真的不是假的。美國去年白宮出了一個報告，中美人工智慧的發現，已經超越美國，這只是開始，未來在這個當中，會起到越來越大的作用。

我認為人工智慧的階段，它是一種階段跳躍式突變的，第一個階段，其實是很傳統的，我列出視覺行業裡面，最著名的文章，人臉檢測，第一個階段稱為技不如人的階段，那個階段，所有智能基本上通過專家的知識轉到系統當中，人工指導的智能，比如說以前做人臉檢測，有各種各樣的模板，眼睛下面那條要黑一些，鼻子比周圍白一些，並且是對稱，有了這樣的模板之後，可以做人臉檢測，可以想到，這些知識和設計，最後決定檢測的結果，這是人可以知道的。從哲學商來說，人知道機器，機器一定會超過人。現在人工智慧，主要是一種生產力的工具，作為生產力的工具，沒有超越人，就好像當年的蒸汽機，怎麼樣會有很大的行業應用？所以在那個階段，做機器視覺的時候，都說做得不好。

現在我們進入第二個階段，叫做超越大眾階段，我們近年來在2013年、2014年的時候，被我們諸多領域驗證了，機器在垂直領域裡面，可以做到超越人的水平，普通人的水平。包括在人臉識別。商湯的團隊，在人臉識別領域，第一個超越人。包括各個細分領域。為什麼這裡說是超越大眾，超越普通人呢？是因為，我們做人工智慧，必須要把人的知識傳達給機器，那就需要標註數據傳達機器的過程。在超越普通人的過程當中，因為大眾或者普通人的知識，其實是比較容易獲得的，比如說我們人臉的檢測，眼耳口鼻，在座各位，很容易指出眼耳口鼻在哪裡，也不需要上一個博士才能獲得。

再比如說，我們提供視頻鑒黃的服務，我們當時深圳HRO就跑到我們公司來，就跟我說，說徐總，發現一個事兒，我們深圳有一個團隊，天天躲在一個小房間里看黃片，我說不是，我們做一個視頻鑒黃的分析，我們後來在辦公室提了一個牌子，禁止自娛自樂。從馬路上拉一些人過來，在小房間里就能幹，這是普通人大眾的數據，大眾的知識很容易獲得。但只是在現在這個階段，但是所謂的大眾知識獲得，只能通過降成本這件事情，更核心的是超越專家，專家稀缺不可獲得。

比如說艾瑞的霍總也講醫療，一些大的方向，醫療是特別需要專家的，醫生老專家特別厲害，我知道有一些醫生，通過一張片子，可以很輕易的判斷，你是骨科的什麼問題，甚至肺癌的早期都能看到，這些專家，都要掛專家號，平時找不到。如果說需要把這位專家的知識，傳達給電腦，需要多久呢？我們一般需要百萬級別的數據，算了一下，大概七八百年的時間，他就可以把這個數據了解了。

這是不可能發生的階段。所以在這裡每一個階段的變化，需要核心演算法的突破，我把AlphaGo放在第三階段的中間，為什麼？是因為大家說AlphaGo超過世界上最好的專家，但是AlphaGo是通過讀取人類記錄的50萬個棋譜，把所有人的經驗記錄下來，它基於這個往前走的。但是最近又把它往右移了一下，因為現在的AlphaGo，通過演算法的演進可以更少地依賴於深的知識，但是還是依賴，但是在未來的話，我相信這一部分，第二往第三階段的跳躍，還是靠核心演算法的突破。我們其實在第一和第二階段之間，大部分人都沒有超過普通人，試想超過普通人，化學效應會非常大，真正的還是基礎核心的研究，原創的技術才是推動整個人工智慧變化的核心。

這是前面講的演算法的突破。後面講講對行業的看法，我們認為，所謂的基礎的演算法突破和核心技術的研究，其實很關鍵的一點，是要在應用場景循環打通的，商湯在做兩件事情，第一是在應用當中定義問題，第二超越人類的水平，我舉一個例子，一直講說人臉識別，這是我們開發的人臉識別系統，比較傳統和高清的，看得比較乾淨的人臉識別系統。現實當中，我們面臨是這樣一些真實場景，這是我們一些真實的案例，你可以看到，這邊左右兩個人，都是同一個人，你發現年齡跨度特別大，髮型完全不一樣，第三個到底是不是同一個人。都會非常懷疑。右邊這張也是傳統的，是店面的安裝攝像頭捕獲的畫面，解析度這麼低，在這個時候，我們用實際應用場景定義來解決，我們畫這樣一張圖，圖片很小，分辨力很低。

做人臉識別怎麼辦？美國FBI給了一個例子。這是一部電影，《諜影重重》。FBI在裡面需要找到自己想要的人，通過電腦找到了目標對象。放大一看，這麼不清楚。但是FBI是有魔法的，說變，就變成這樣子了。好厲害！這是左邊這張圖，說一聲變，就變成右邊的高清了，現實當中可行嗎？我們也懷疑，所以剛才的案例，同樣的場景，大家想美國是不是有這個技術了？沒有，我們也試一下，把左邊的這張圖變成右邊的結果，這是我們的目標，現實情況呢？現實情況的演算法，只能是這個樣子。是清楚了，大家看得很清楚，但是如果說你要用左邊這張照片，通緝犯的照片，來抓右邊的照片，這有一種你在逗我的感覺。這裡面的核心還是說核心演算法的突破。它的應用廣泛嗎？很有意思。我們發表了演算法，發表了這個成果之後，日本有一個網站，馬上用了我們的成果，這個網站很有意思。原來這個waifu，就是太太的意思。日本人的太太就是漫畫，他用網站做的事情，就是把漫畫放大兩倍，看到原始的細節。

我們來看一下這個事情研究是不是重要，在這裡面核心的演算法突破，Twitter在16年、17年都有這樣相關的任務，因為他們都是在應用當中找到這個問題。他們的圖像存儲，壓縮傳輸都是非常重要的，需要這樣一個過程。我們很早就在應用場景當中時機的需求和數據驅動的方法，從14年到17年，把這個鏈條完整地傳輸出來。我們可以達到什麼樣的結果。我們來看看我們的結果。比原來漂亮一些，這個結果恢復出高清的，關鍵是用它識別人，我們來看看真實的場景，這就是剛才的真實場景，小圖片。我們可以用我們的方法恢復出細節。小圖片恢復出細節。在真正的實戰當中也起到非常大的作用。這是我們的一個同事，這是在深圳實時對比，他們已經在公安完全上線了，這是後來我一看，這是華為的羅總，非常不好意思。跟我們很好的關係，跑去深圳的市局，一搜搜出來了，一看年齡差別很大。還有另外一個同事，可以看到模糊的，不清晰的，甚至有問題的。所以才會有人說，商湯的演算法，一騎決塵，因為它真的是基於傳統的鏈條。我們每個人的生活都被改變了。我們在安防裡面，會記行蹤甚至是車，都在攝像頭裡面被體現了，大家都不知道而已。

智能認證，比如說手機的登錄，或者ATM取過錢，用過人臉，現在在深圳都有這樣的應用，包括用手機做支付的時候，刷臉，現在聯考系統，也已經用人臉來做驗證，在試點當中，忘了帶准考證，也可以考試。讓考生不那麼緊張。

這是稍微遠一點間接的使用。以下人工智慧進入社交APP領域比較多，現在蘋果，小米、華為的手機相冊，裡面都有自動的人臉分類。再比如說，大家在朋友圈傳過貓耳朵、兔耳朵，也是人工智慧具體的體現，我們是背後演算法平台的提供者。再比如微博的分析。

最後講一下商湯在人工智慧行業，我們希望通過商湯的合作夥伴，一起來定義問題，第二把這個問題做到超越準確率。

講一講我們商湯的願景，我們還是希望堅持原創，讓AI引領人類進步。