徐立：看得見的人工智能
徐立：非常感謝大家。我的演講題目是《看得見的人工智能》。我想表達兩個意思。第一，商湯科技是做人工智能里的視覺的；第二，這是一個創(chuàng)業(yè)的態(tài)度，做事情要做看得見摸得著的，要落地。
講到人工智能，我在這里講一下人工智能的三起兩落。有人說你怎么看人工智能的三起兩落？從1991年開始的第三波浪潮，從人工智能的角度來說，時間真的不算長。但最近的這波浪潮有些不一樣。很多人工智能的突破不是漸變式慢慢增長起來，而是突變的。
不信我們看一看Google的搜索關(guān)鍵字，人工智能背后核心的驅(qū)動技術(shù)是深度學(xué)習(xí)。深度學(xué)習(xí)06年才有。深度學(xué)習(xí)的出現(xiàn)是非常突然的，是到某一個點開始爆發(fā)的，并不是從91年慢慢積累被大眾所認識的概念。我們自己問員工，大家怎么看這個事，怎么解釋？
員工給了一個解釋，深度學(xué)習(xí)爆發(fā)的時間點在2012年底到2013年初，當(dāng)時Alex在ImageNet競賽上第一次利用深度學(xué)習(xí)取得突破，所以視覺可能是引發(fā)這波深度學(xué)習(xí)浪潮的核心。這個熱潮突然興起是因為在2012年底的時候GPU第一次被用在深度學(xué)習(xí)上，所以可以說是GPU的興起引發(fā)了這波浪潮。
人工智能的發(fā)展是突變性的，簡單定義為三個階段。第一個階段，人工智能技不如人，大部分時候沒有人做得好；第二個階段，超過普通人；第三個階段，超過專家。
為什么這么定義？技不如人，我們一直說人工智能帶來的是生產(chǎn)力工具，在人工智能算法沒有達到人的水平的情況下，我們可以認為它可能有一定的作用，但是絕對不會用大規(guī)模計算把這個事干了，行業(yè)的機會比較少。我剛創(chuàng)業(yè)的時候看到有一篇采訪報道說，咱們大家看人臉識別視覺做得很火熱，其實就是一個事。如果只是一個普通的工具，在沒有快速突破的情況下得到了大量的資源，它的覆蓋率就會很高。
第二個階段，超過普通人的階段。這是我們現(xiàn)在所處的階段，機器學(xué)習(xí)在某些垂直領(lǐng)域確實能夠超越普通人，比如我們在陌生人識別上，在精準的物體移動識別上面。這個帶來什么？生產(chǎn)效率的提升，對我們來說到底有什么變化？其實沒有變化。這種情況下我們每一天用的東西，每一天做的事情都有可能被人工智能所代替，被人工智能所改變，但是你感覺不到。因為它是潛移默化地改變?nèi)藗兩磉叺氖虑椋徊贿^是一個替代，替代現(xiàn)有的人工，以潤物細無聲的形式出現(xiàn)。
第三個階段，超越專家。超越普通人和超越專家是不同的。專家的知識通常是非常難獲取的，只有很少數(shù)人擁有專家的知識。很多情況下專家是需要通過十年、二十年的學(xué)習(xí)才成為專家。在我們的算法中普通人的知識可以通過標注數(shù)據(jù)，通過所謂的監(jiān)督學(xué)習(xí)學(xué)會。但是一旦超過專家的水平，我們認為它會帶來真正的效率升級或者說服務(wù)的徹底升級。我以前有一個說法，人工智能來了，未來會變成什么樣？未來所謂的“老”字號工種就會消失，比如老教師、老司機、老棋手漸漸沒有了。
我們在做的事情是什么？超人的生意。機器是不是可以做到超越人？左圖是原始圖，右圖是機器算法的圖。對同樣一張圖，模糊的圖放大之后我們希望能夠識別。在算法引進之前我們用傳統(tǒng)的算法識別出來的圖片，有一種動物的感覺。
放大有什么作用？我們的研究員兩年前做了超規(guī)范算法，在日本的waifu2x網(wǎng)站應(yīng)用，應(yīng)用到全實場景當(dāng)中。SRCNN 是我們第一個用深度學(xué)習(xí)做的算法，一開始用Existing Hallucination，現(xiàn)在完成的深度學(xué)習(xí)做超分辨率，是以最后能夠提高識別準確率為目的，這種情況下我們可以發(fā)現(xiàn)機器真的能夠做到超越人。還有幾個實際的案例，例如監(jiān)控逃犯，能夠無中生地有把真正的細節(jié)恢復(fù)出來。
人工智能來了，新問題是到底要解決什么樣的問題？第一個要面臨的技能提升。像以前人類用馬車來運輸，就要學(xué)會騎馬。當(dāng)人工智能工具來臨時，不是帶來大量工人的失業(yè)而是帶來新的職業(yè)，這就是技能提升。生產(chǎn)效率的提升的是核心的改變。
鋼鐵俠、蜘蛛俠給我們另外一個啟示，人工智能的核心就是怎么樣做到人和機器融合，人機融合是接下來面臨的第二個問題。
時間關(guān)系，非常感謝大家，我的演講到此為止。謝謝新智元。
戴文淵：人工智能工業(yè)應(yīng)用的必要條件
戴文淵：感謝新智元。這么多年，人工智能的發(fā)展其實經(jīng)過很多階段，經(jīng)歷人工智能要毀滅人類——人工智能是騙子——人工智能又要毀滅人類——人工智能又變成騙子?，F(xiàn)在又到了新的一個階段——人工智能要毀滅人類。但是，其實在很多領(lǐng)域，大家測試之后覺得人工智能是騙子，比如通用的人工智能。
我們一直在致力于通過人工智能的技術(shù)去改造各行各業(yè)，所以我們需要告訴各行各業(yè)，人工智能在什么樣的情況可以使用，什么樣的情況不可以使用。今天我想談一談，如果人工智能在各行各業(yè)落地，需要什么樣的條件。我們要給予人工智能更長久的耐心。
必要條件1：目前的技術(shù)水平無法達到通用人工智能，需要有一個邊界，就是解決封閉的問題。做個類比，現(xiàn)在人工智能其實只能當(dāng)我們的徒弟或是下屬，并不能當(dāng)我們的老板。因此，當(dāng)我們自己都不知道要干什么，人工智能是不可能告訴我們要干什么。比如我現(xiàn)在招一個下屬，把你教會。同樣，我把AI教會之后，AI可以替我做很多事情。在這樣的情況下，你有很多忠實的下屬，而且容易管理。
必要條件2：大家一直在說，人工智能要基于大數(shù)據(jù)，但是并不是所有的數(shù)據(jù)都能夠產(chǎn)生人工智能。真正能夠產(chǎn)生人工智能的是有意義的大數(shù)據(jù)。以圍棋為例，能夠讓你能夠?qū)W會圍棋的是怎么下棋，而不是看圍棋的世界排名是多少的新聞。所以，我們有一些誤區(qū)。
過去的3-5年內(nèi)，我們建立了很多系統(tǒng)，收集了很多數(shù)據(jù)，但是并不能產(chǎn)生人工智能。最典型的就是結(jié)果數(shù)據(jù)。比如，每個公司都會記錄員工考核的數(shù)據(jù)ABCD，但是這些數(shù)據(jù)并不能讓我們學(xué)會這些員工的技能。還有統(tǒng)計數(shù)據(jù)，統(tǒng)計局收集大量的統(tǒng)計數(shù)據(jù)，比如全球各地的PM2.5統(tǒng)計數(shù)據(jù)，這些數(shù)據(jù)并不能讓我們產(chǎn)生預(yù)測PM2.5的能力。真正能夠讓機器掌握AI能力的其實是過程數(shù)據(jù)。如果，你能夠看到每個員工每天都在做什么，那么可以基于這些數(shù)據(jù)學(xué)習(xí)他。比如，最近比較火的智能投顧（Robo-Advisor），我們有很多人類投顧，可以記錄人類投顧在干什么，然后讓機器學(xué)習(xí)，最后產(chǎn)生機器智能投顧的機會。
必要條件3：要有反饋。對于圍棋來說，贏就是贏，輸就是輸，可以被數(shù)字化。我們通常會遇到什么問題？我們經(jīng)常給機器一些數(shù)據(jù)讓機器去學(xué)習(xí)，或者就告訴機器把這件事情做好就行了，但是整個過程不能被數(shù)據(jù)化。我們不知道計算機怎么理解數(shù)字。
必要條件4：算法。是不是跟著科學(xué)家走就可以了？因為有很多細分的場景，所以我們面臨的各種問題并不能夠順利解決。舉個例子，這是一個銀行做分析的利率表，這個利率表的規(guī)律就是——基數(shù)大的利率都比基數(shù)小的更難實現(xiàn)。即使使用深度學(xué)習(xí)，預(yù)測24期的利率比預(yù)測12期的利率更難。其實，在面對紛紜復(fù)雜的應(yīng)用時，我們會遇到各種不同的場景，需要根據(jù)具體的場景來調(diào)整算法。
必要條件5：系統(tǒng)能力。過去我們更強調(diào)科學(xué)家的能力，其實架構(gòu)師的能力也同樣重要。這是Jeff Dean。谷歌并沒有發(fā)明深度學(xué)習(xí)，但是能把深度學(xué)習(xí)做得很大很大，應(yīng)該歸功于架構(gòu)師。
舉個例子，這是經(jīng)典的梯度下降的算法。如果數(shù)據(jù)量很小，只有幾百個，大家只要將代碼復(fù)制粘貼進去就可以了。但是如果討論更大的數(shù)據(jù)量時，問題就很復(fù)雜。10臺機器運作時，要考慮負載均衡的問題；100臺機器運作時，要考慮每跑一次算法都可能會丟數(shù)據(jù)（硬盤數(shù)量很大）；1000臺機器運作時，要使用交換機，交換機、網(wǎng)線、數(shù)據(jù)傳輸都會出現(xiàn)問題。這些都說明，當(dāng)數(shù)據(jù)量很大，可能需要全世界最好的架構(gòu)師。
所以，要做到人工智能其實需要很多必備條件?？偨Y(jié)一下，有5個條件。首先是封閉問題，然后需要有過程數(shù)據(jù)（不僅僅是大數(shù)據(jù)）。之后需要有頂尖科學(xué)家、頂尖架構(gòu)師。這就是為什么BAT能夠做別人做不出的事情。其實科學(xué)家并不少，每一年畢業(yè)的AI領(lǐng)域的碩士博士也有幾千甚至，但是科學(xué)家只是其中的一環(huán)。以上提到的5個條件很難全部實現(xiàn)。
我們在做什么？我們把科學(xué)家、架構(gòu)師、包括反饋數(shù)據(jù)閉環(huán)中的系統(tǒng)和算法都解決。將前提條件減少到兩個——數(shù)據(jù)和業(yè)務(wù)量級封閉場景。我們之前做過測試，讓沒有機器學(xué)習(xí)背景的人，哪怕是根本不是計算機系專業(yè)的人去做測試，最后發(fā)現(xiàn)有70%的人能夠達到專業(yè)人士的水平。在這種情況下，我們可以增加很多AI的從業(yè)人員，最后達到我們所謂的效果。這就是我的介紹，謝謝。
劉穎博：ROOBO的人工智能之路
劉穎博：謝謝新智元給我們這個機會。站在這么多科學(xué)家面前我有點緊張，我本科畢業(yè)，謝謝大家！而且我還是學(xué)會計的。
今天想跟跟大家說一說，我們做了一點什么事情。六個月前我們開了一場發(fā)布會，楊靜也去給我們做了一個簡短的發(fā)言，非常感謝。那時候我們核心的是發(fā)布了一個計算系統(tǒng)的東西，現(xiàn)在的名字定為ROSAI。這件事情我們持續(xù)在做，現(xiàn)在已經(jīng)有幾十個人工智能相關(guān)的服務(wù)對接到里面來，跟傳統(tǒng)的企業(yè)在做這方面的合作等等。等項目真正落地了，會拿出來給大家看一下。
大家知道艾菲還有紅點，JELLY得了紅點的獎，還有艾菲的三個獎，產(chǎn)品、包裝、OS。還有一款產(chǎn)品PUDDING BEANQ，4月或者5月會上線，得了紅點的bestof the best。
我們做這么多事情不取決于我們自己，還有一系列的合作伙伴。比如NUANCE、全志，還有跟新東方的多納合作，還有和清華、普林斯頓等大學(xué)做的一系列相關(guān)的合作，希望今年還能做一些更落地一點的事情。我本來不太會科研，盡量落地就好了，盡量做toC的事情，做更多的落地。
大概是這樣的狀況，謝謝大家！
3月27日，新智元開源·生態(tài)AI技術(shù)峰會暨新智元2017創(chuàng)業(yè)大賽頒獎盛典隆重召開，包括“BAT”在內(nèi)的中國主流 AI 公司、600多名行業(yè)精英齊聚，共同為2017中國人工智能的發(fā)展畫上了濃墨重彩的一筆。
點擊閱讀原文，查閱文字版大會實錄
