我是 Leo，依圖科技聯(lián)合創(chuàng)始人，UCLA 統(tǒng)計(jì)學(xué)博士，從事人工智能研究 15 年，曾在深度學(xué)習(xí)奠基者 Yann LeCun 教授實(shí)驗(yàn)室擔(dān)任研究員，2010 年獲得 PASCAL 圖像目標(biāo)檢測(cè)比賽冠軍，2017 年獲得美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院 NIST 和美國(guó)國(guó)家情報(bào)高級(jí)研究計(jì)劃局 IARPA 人臉識(shí)別全球冠軍。

最近，大量關(guān)于人工智能的研究報(bào)告，投資人、創(chuàng)業(yè)者、學(xué)者熱議 AI 的趨勢(shì)和對(duì)社會(huì)各行業(yè)的影響，不乏對(duì) AI 技術(shù)和產(chǎn)業(yè)發(fā)展的誤解，很容易有誤導(dǎo)性。

宏觀上，議題大體分為三個(gè)方面：AI 是多大的事?誰是真正的 AI player?AI 的場(chǎng)景在哪里?從科學(xué)研究者和創(chuàng)業(yè)者的雙視角談?wù)勎业闹饕^點(diǎn)：AI 的邊界，只有領(lǐng)軍人物才可能準(zhǔn)確把握和拓展;頂尖企業(yè)，因?yàn)檫h(yuǎn)見造就勢(shì)能;AI 的未來，無與倫比，沒有歷史可以借鑒，也沒有權(quán)威可以預(yù)測(cè)。

「S」曲線看 AI 格局我對(duì) AI 發(fā)展歷史和預(yù)測(cè)，用上圖的「S」形曲線建模(Sigmoid 函數(shù)，恰好也是用來刻畫神經(jīng)網(wǎng)絡(luò)中神經(jīng)元的 activation function)。

橫軸表示時(shí)間，縱軸表示機(jī)器智能水平。

曲線上的點(diǎn)表示某個(gè)時(shí)間點(diǎn)的全球最高智能水平。

2013 年開始是新 AI 時(shí)代(深度學(xué)習(xí))，2013 年前的機(jī)器智能發(fā)展水平相較于近 5 年的發(fā)展基本可以忽略不計(jì)。

紅線代表悲觀派(AI 退潮、AI 泡沫等)，2017 年之后很快出現(xiàn)發(fā)展停頓;藍(lán)線代表樂觀派，2017 年之后還有快速發(fā)展。

值得強(qiáng)調(diào)的是，藍(lán)紅兩條曲線對(duì) AI 歷史有相同認(rèn)識(shí)，但市場(chǎng)上很多論調(diào)或研究報(bào)告看到的是另一條曲線，很大概率調(diào)研看到的 AI 水平離最高水平有很大差距。

分析 AI 格局的不同立場(chǎng)，可以通過解讀 S 曲線的三個(gè)方面：1、AI 過去的發(fā)展以及 AI 未來發(fā)展程度和速率的預(yù)測(cè)2、AI 發(fā)展水平和商業(yè)場(chǎng)景的關(guān)系3、各個(gè) player 的所在位置和差距具體來說，我們先從 AI 過去 5 年的發(fā)展情況談起，以人臉識(shí)別作為例子，把人臉從 N 個(gè)人中找到的概率在 95%，縱軸就是可識(shí)別的規(guī)模(N 的大小)。

技術(shù)不是趨同，而是會(huì)放大差距、解鎖場(chǎng)景2017 年人臉識(shí)別最高水平可識(shí)別規(guī)模在 20 億人，大概比 2016 年可識(shí)別千萬提高兩百倍，比 2015 年提高了數(shù)萬倍。

在 2017 年全球最權(quán)威的人臉識(shí)別測(cè)試中(NIST)，我們比第二名 Vocord 團(tuán)隊(duì)，在千萬比對(duì)測(cè)試上領(lǐng)先 2%(Vocord 在另一測(cè)試集比騰訊優(yōu)圖高 10%)，這個(gè)就是大家常說的技術(shù)水平趨同，高一兩個(gè)百分點(diǎn)沒有意義(引申出難兌現(xiàn)成競(jìng)爭(zhēng)價(jià)值)。

這個(gè)誤區(qū)需要從兩個(gè)方面解讀：第一方面，算法在億級(jí)、十億級(jí)比對(duì)的領(lǐng)先會(huì)快速放大到 5%，20%。

這是一般的算法性能曲線的規(guī)律。

除了可識(shí)別規(guī)模上的重大差異，還體現(xiàn)在難(hard)的數(shù)據(jù)上的識(shí)別率差異。

從算法經(jīng)驗(yàn)來說，黑人、女性、小孩、大年齡跨度、遮擋等是較難識(shí)別的群體和類別。

在這些子類上，不同算法之間的性能差異會(huì)更大。

超大規(guī)模下的評(píng)測(cè)本身就是一個(gè)不簡(jiǎn)單的學(xué)術(shù)命題，還需要大量的數(shù)據(jù)支撐，真正能觀測(cè)到 20 億數(shù)據(jù)下性能的人少之又少，例如美國(guó)很難建立 20 億級(jí)的測(cè)試集。

這不是訪談一些人臉識(shí)別研究從業(yè)者就能獲得，這是誤區(qū)的第一個(gè)來源。

第二方面，算法提高，擴(kuò)大可識(shí)別規(guī)模，就會(huì)解鎖更多商業(yè)應(yīng)用場(chǎng)景。

百萬、千萬識(shí)別規(guī)模對(duì)應(yīng)的是身份認(rèn)證場(chǎng)景，遠(yuǎn)程認(rèn)證、手機(jī)解鎖都屬于此類。

「技術(shù)無差異」的論調(diào)在這個(gè)場(chǎng)景下倒是可以成立。

但安防刑偵破案對(duì)億級(jí)和十億比對(duì)有剛性需求，在這些場(chǎng)景下，不是多識(shí)別出幾個(gè)罪犯的問題，而是找出來概率差別十倍以上的，幾乎就是行與不行的問題。

「非關(guān)鍵性應(yīng)用」的論斷誤導(dǎo)性極強(qiáng)。

在最新的安防案例中，萬路甚至十萬路攝像頭視頻的人臉?biāo)阉鳌w檔對(duì)算法有極高要求，假定每路人流為萬，要在萬路視頻中，搜索性能相當(dāng)于要求算法百億、千億規(guī)模上的可識(shí)別率。

這比其他場(chǎng)景的性能要求再提高千倍。

以不同算法為基礎(chǔ)的產(chǎn)品端體驗(yàn)差異就被同比例放大。

另外，全球人種的識(shí)別，是反恐、出入境業(yè)務(wù)對(duì)識(shí)別的覆蓋面要求是很很高的。

總結(jié)來說，99% 識(shí)別率的算法和 99.99% 的算法，區(qū)別在于可解鎖的應(yīng)用場(chǎng)景。

這些新的場(chǎng)景解鎖，是最先鋒的算法團(tuán)隊(duì)和垂直領(lǐng)域的開拓者(比如公安系統(tǒng)的創(chuàng)新團(tuán)隊(duì))共同努力，也不是訪談一般的安防從業(yè)者就能感知變革的最前沿，這是誤區(qū)的另一個(gè)來源。

技術(shù)水平的三個(gè)層次 VIE：Vision(遠(yuǎn)見)，Insight(洞見)，Execution(執(zhí)行)技術(shù)實(shí)力該如何評(píng)估比較呢?最常見的是測(cè)試比賽的冠軍、實(shí)際案例、招投標(biāo) PK 成績(jī)、論文等。

這些或許能區(qū)分是不是前 10 名的 AI 團(tuán)隊(duì)，但很難區(qū)分最好的團(tuán)隊(duì)。

我對(duì)技術(shù)的三層解構(gòu)：Vision，遠(yuǎn)見，或戰(zhàn)略格局、技術(shù)趨勢(shì)判斷;Insight，洞見，算法本質(zhì)和客觀世界分布規(guī)律的理解;Execution，執(zhí)行，算法實(shí)現(xiàn)、數(shù)據(jù)獲取、工程計(jì)算平臺(tái)等。

具體來說：最基礎(chǔ)的 Execution 就是算法做到什么水平，特別是大體框架已知后，能快速實(shí)現(xiàn)，包括基礎(chǔ)算法、場(chǎng)景數(shù)據(jù)、計(jì)算實(shí)驗(yàn)平臺(tái)、產(chǎn)品應(yīng)用等。

比如，AlphaGo 出來后，多快能復(fù)現(xiàn);語音識(shí)別多快能追上全球最好的結(jié)果。

頂級(jí)的 Execution，不是開源的算法平臺(tái)可以彌補(bǔ)。

特定領(lǐng)域的專家能幫助團(tuán)隊(duì)快速提高對(duì)應(yīng)領(lǐng)域 Execution 的水平。

這個(gè)層面，中國(guó)團(tuán)隊(duì)?wèi)?yīng)該是世界一流的。

Google 如果是世界第一的話，不論是下棋、人臉識(shí)別、語音識(shí)別等，中國(guó)的水平應(yīng)該不會(huì)比 Facebook、Microsoft、Apple、Amazon 等差，甚至某些方面稍強(qiáng)些。

大部人比較技術(shù)，基本就在這個(gè)層次。

但更重要的、威力更大的是上面的兩個(gè)層次。

再往上一層是 Insight，考察對(duì)技術(shù)的深刻認(rèn)知。

包括算法模型的數(shù)學(xué)解釋、客觀世界分布規(guī)律的獨(dú)到見解。

Insight 指導(dǎo)如何使用數(shù)據(jù)、計(jì)算力(就是指導(dǎo)如何使用算法甚至創(chuàng)新算法)。

這層決定能不能比 Google 做得更好，或者能保持同一發(fā)展節(jié)奏。

假定擁有深度學(xué)習(xí)算法框架、海量數(shù)據(jù)在同樣水平，但是大家對(duì)算法性能調(diào)教還有巨大差距。

以人臉識(shí)別為例，我們使用了 2 億張人臉圖片(幾十億張圖片的子集)訓(xùn)練，有效模型參數(shù)達(dá)到 10 億量級(jí)，利用對(duì)人臉這個(gè)對(duì)象的屬性先驗(yàn)的合理假設(shè)，包括光照、年齡、種族、運(yùn)動(dòng)模糊、成像解析度等，模型定制、數(shù)據(jù)如何組合、計(jì)算如何加速在性能調(diào)優(yōu)和模型學(xué)習(xí)效率上(就是上面提到的 Execution)都有重大差異。

這就是為什么擁有算法、算力、數(shù)據(jù)條件的互聯(lián)網(wǎng)巨頭也不見得能在單項(xiàng) AI 任務(wù)上能做到全球前三。

Vision：預(yù)測(cè)發(fā)展趨勢(shì)、定義未來方向，想象對(duì)生活、生產(chǎn)的影響。

這除了需要對(duì)技術(shù)的深刻理解，還需要對(duì)技術(shù)的創(chuàng)新能力，以及技術(shù)商業(yè)價(jià)值的想象力、創(chuàng)造力。

技術(shù)的遠(yuǎn)見，回答 AI 的場(chǎng)景在哪以及多快到來。

強(qiáng)的 Execution，Insight 肯定不錯(cuò)，但可能毫無 Vision;最強(qiáng)的 Vision，Insight 肯定一流，但 Execution 可能很差。

VIE 都很強(qiáng)的團(tuán)隊(duì)全球極其稀缺。

用深度學(xué)習(xí)領(lǐng)域最強(qiáng)的兩位大師 Hinton 和 LeCun 談一下我的感受。

在 2010 年前，學(xué)術(shù)界不少人已經(jīng)在談大數(shù)據(jù)對(duì)機(jī)器學(xué)習(xí)的重要性，Hinton 團(tuán)隊(duì) 2012 年在 LeCun 發(fā)明的算法基礎(chǔ)上，用了百萬的訓(xùn)練數(shù)據(jù)，在 ImageNet 上取得世界級(jí)的突破性進(jìn)展;同一時(shí)期，LeCun 團(tuán)隊(duì)只用了不到十萬的數(shù)據(jù)。

但是在 Hinton 公布 ImageNet 結(jié)果的頭兩個(gè)月，LeCun 團(tuán)隊(duì)沒法重現(xiàn) Hinton 用自己算法的實(shí)驗(yàn)結(jié)果。

在 Hinton 公布算法實(shí)現(xiàn)和技巧后，LeCun 團(tuán)隊(duì)的結(jié)果就輕松超過了 Hinton 團(tuán)隊(duì)的水平。

兩位大師都擁有超一流的 Vision，在深度學(xué)習(xí)方向上堅(jiān)持三十年。

但是他們 Vision 的差別以及以此帶來的信念差別使得 Insight 的差別(是否追求更深刻見解)在當(dāng)時(shí)可能是巨大的，對(duì)深度學(xué)習(xí)算法發(fā)揮的突破條件包括訓(xùn)練數(shù)據(jù)規(guī)模、模型正則化實(shí)現(xiàn)、activation function 選取、GPU 計(jì)算等的理解還有顯著差異。

這些在當(dāng)時(shí)，原理還不清楚時(shí)，可能完全是憑著 Hinton(包括那一期超強(qiáng)的博士生)的直覺。

這種 Insight 的差距，使得 LeCun 團(tuán)隊(duì)已知所用算法框架和目標(biāo)性能但未知關(guān)鍵實(shí)現(xiàn)時(shí)，也不能重現(xiàn)結(jié)果。

但之后，LeCun 團(tuán)隊(duì)擁有更好的 Execution(大規(guī)模系統(tǒng)性調(diào)優(yōu))，能在短時(shí)間內(nèi)算法性能超過。

這種最牛高手間信念的微妙差異，到底來源于什么，值得深思。

為什么 Vision 很重要?就像雷達(dá)，對(duì)別人來說是盲區(qū)，Vision 讓你看見，看見所以相信，相信所以平靜。

不僅以此獲得戰(zhàn)略優(yōu)勢(shì)，還有定力，排除誘惑和干擾。

Vision 如何辨別呢?非常難，甚至幾乎不可能，只能由同樣有 Vision 的人欣賞。

就像 taste 難以打分一樣，只能由同樣有 taste 的人欣賞。

Vision 帶你看到的，就是 99% 的專家同行都看不到、不相信的。

所以，偉大往往和誤解相伴。

LeCun 在深度學(xué)習(xí)被實(shí)際測(cè)試數(shù)據(jù)驗(yàn)證前，也很難被美國(guó)主流學(xué)術(shù)圈認(rèn)可，甚至發(fā)表頂級(jí)會(huì)議都不是簡(jiǎn)單的事，可如今，幾乎所有的論文都要貼上深度學(xué)習(xí)的標(biāo)簽。

但是判斷過濾沒有 Vision 的團(tuán)隊(duì)，倒是有跡可循。

一般來說，無論學(xué)術(shù)還是創(chuàng)業(yè)，偉大的突破，都需要多年前后一致的投入和深耕。

隔年換領(lǐng)域或者什么模式都在做的(垂直、平臺(tái)等)，歸類為沒有 Vision 應(yīng)該沒什么問題。

有了 VIE 的拆解，我認(rèn)為，AI 新時(shí)代的壁壘只有人，最頂級(jí)的人。

領(lǐng)軍人物對(duì) AI 技術(shù)和商業(yè)邊界的未來分布判斷無法替代，決定 AI 發(fā)展基本要素(算法、算力、數(shù)據(jù)和場(chǎng)景)的所需程度和權(quán)重。

擁有頂級(jí) Execution 和 Insight 的團(tuán)隊(duì)，最知道對(duì)算法有效的數(shù)據(jù)在哪、如何標(biāo)注使用。

擁有頂級(jí) Insight 和 Vision 的團(tuán)隊(duì)，最早知道技術(shù)的突破帶來最具商業(yè)價(jià)值的場(chǎng)景在哪以及何時(shí)到來。

AI 未來：沒有歷史可以借鑒，也沒有權(quán)威能夠預(yù)測(cè)談了 AI 發(fā)展，技術(shù)如何解構(gòu)，談?wù)?AI 的未來。

基于深度學(xué)習(xí)的 AI 新時(shí)代，大大不同于 30 年歷史上的 AI，這是被各種應(yīng)用、在實(shí)際場(chǎng)景、大規(guī)模數(shù)據(jù)驗(yàn)證過性能的技術(shù)，而不只是理論或概念。

盡管過去 5 年的發(fā)展，對(duì)得起人們的期待，今天，還有不少人擔(dān)心新 AI 像過去一樣很快會(huì)退潮。

但我認(rèn)為，AI 新時(shí)代只是開始。

我從新 AI 的三個(gè)特性簡(jiǎn)要闡述：1、AI 是全新的維度。

這是最重要的，決定 AI 到底是多大的事。

AI 技術(shù)如何創(chuàng)新發(fā)展，如何變革商業(yè)，沒有歷史可以借鑒，也沒有權(quán)威能準(zhǔn)確判斷。

AI 不僅僅是一個(gè)技術(shù)，AI 突破還能突破所有技術(shù)包括人機(jī)交互、搜索、機(jī)器人、芯片計(jì)算、醫(yī)學(xué)、制藥等科學(xué)領(lǐng)域的幾乎所有學(xué)科。

2、AI 的發(fā)展速度快、跳躍性強(qiáng)從 S 曲線中，可以看到過去 5 年，AI 的發(fā)展及其迅猛，單門類(人臉識(shí)別)算法有了萬倍的增長(zhǎng)。

但我對(duì)未來更加憧憬，即 S 曲線中 2018 年之后的曲線有多陡。

AI 發(fā)展帶來的多維度技術(shù)和各場(chǎng)景深度結(jié)合、疊加會(huì)帶來更有沖擊力的體驗(yàn)。

從多技術(shù)維度來說，從視覺，到聽覺、語義理解、運(yùn)動(dòng)控制會(huì)在之后幾年都會(huì)快速突破;和芯片結(jié)合，端智能滲透到與用戶的最后 30 公分的交互體驗(yàn)，從 Internet Of Things 向 Internet Of Intelligence 跨越，讓智能無處不在。

3、AI 領(lǐng)先一步，會(huì)帶來巨大勢(shì)能在 S 曲線中，處在不同位置的團(tuán)隊(duì)，優(yōu)勢(shì)不只是橫軸時(shí)間的差距，而是技術(shù)領(lǐng)先帶來的累積效應(yīng)(曲線積分)以及更多元(多條 AI 技術(shù)曲線)AI 技術(shù)的疊加，這使得 AI 能有跨行業(yè)的摧毀性。

不僅僅決定某個(gè)行業(yè)，第一名和第二名的差距或位置關(guān)系，還能使得 AI 領(lǐng)先的行業(yè)的領(lǐng)導(dǎo)者撬動(dòng) AI 意識(shí)落后的行業(yè)。

AI 未來，無與倫比;因?yàn)榭匆姡韵嘈拧?/p>