來(lái)源：2018 中國圖靈大會(huì )
演講人：朱瓏（依圖科技聯(lián)合創(chuàng )始人、CEO）
主題為“引領(lǐng)人工智能，創(chuàng )造無(wú)限可能”的2018年中國圖靈大會(huì )5月19日在上海召開(kāi)，于1966年由國際計算機協(xié)會(huì )（ACM）設立的“圖靈獎”，當之無(wú)愧是計算機界最負盛名、最崇高的獎項，因而有“計算機界的諾貝爾獎”之稱(chēng)。今年的中國圖靈大會(huì )，更是匯聚了學(xué)界、業(yè)界的“最強大腦”，嘉賓陣容可謂豪華。在5月19日的論壇上，依圖CEO朱瓏博士給大家帶來(lái)了一場(chǎng)深刻而又發(fā)人深省的關(guān)于A(yíng)I時(shí)代的演講。
在美國學(xué)習工作了十年之后，2012年的朱瓏回國創(chuàng )立依圖，也成為這一代AI創(chuàng )業(yè)的典型代表。他的履歷上來(lái)看有幾段重要的經(jīng)歷，第一段是在UCLA的博士時(shí)期做統計建模和統計學(xué)計算，師從艾倫·尤爾，艾倫的博士導師正是著(zhù)名的理論物理學(xué)家霍金；然后在MIT的AI Lab做計算機視覺(jué)建模相關(guān)領(lǐng)域的博士后研究員；最后一段則是回國前，在深度學(xué)習爆發(fā)之前的NYU的Yann Lecun實(shí)驗室做研究員。
在2012年之前，很少有人會(huì )說(shuō)自己是做AI的，只會(huì )說(shuō)做統計建模、統計學(xué)習這些具體的方向。但從2016年AlphaGo登上《自然》雜志，到美國著(zhù)名的《經(jīng)濟學(xué)人》雜志多期報道，AI頻繁登上世界最著(zhù)名的雜志成為封面主題，如今已經(jīng)進(jìn)入了一個(gè)言必稱(chēng)AI的時(shí)代。與AI相關(guān)的各種言論，關(guān)于機器學(xué)習、圖像識別、無(wú)人車(chē)、健康醫藥等等都逐步成為熱點(diǎn)。而朱瓏一直關(guān)注的是未來(lái)到底AI能發(fā)生一些什么？
在朱瓏的演講中，他提到目前AI跟過(guò)去比較重大的區別：因為AI發(fā)展太快，現在技術(shù)處于一個(gè)很難辨別真假、好壞的時(shí)代。以深度學(xué)習為代表新的AI技術(shù)，因為過(guò)去參與的人和實(shí)踐不多，全球性研究的大規模以及長(cháng)時(shí)間的積累并不夠。因為太“熱”，使得各方都熱衷參與到AI的討論，交流甚至宣傳當中，AI的觀(guān)點(diǎn)就變得非常多，這客觀(guān)上使得很多專(zhuān)家真正有見(jiàn)地的意見(jiàn)和其他的言論很難區分開(kāi)來(lái)，這不僅是中國，在美國也是同樣。
另外一個(gè)則是：技術(shù)到了一個(gè)沒(méi)有權威的時(shí)代。過(guò)去不管是從計算機視覺(jué)，還是整個(gè)人工智能領(lǐng)域，最好的實(shí)驗室幾乎能夠壟斷預測全球百分之七八十的進(jìn)展，但是現在A(yíng)I無(wú)論是在美國，還是在中國或歐洲，大家的發(fā)展是比較跳躍性的，在一兩個(gè)實(shí)驗室非常難預測主流到底在關(guān)注什么。這是整個(gè)時(shí)代的特點(diǎn)。
朱瓏的背景是跨越學(xué)術(shù)界和工業(yè)界的創(chuàng )業(yè)典型，經(jīng)歷了中國2012年到2018年這五、 六年非常特殊的階段，正如他在演講中提到的，過(guò)去中國沒(méi)有成熟的科技創(chuàng )業(yè)的情景和市場(chǎng)機制。過(guò)去，政府、投資者、媒體這三者可以頻繁交流，在2012年之前，學(xué)術(shù)界不像今天這樣經(jīng)常會(huì )被政府或一流基金邀請交流。美國則因為市場(chǎng)成熟，這些人經(jīng)常會(huì )在一起交流，甚至都是朋友。中國這幾年開(kāi)始，各種背景的人在一起交流的越來(lái)越多，這是新的形態(tài)。
技術(shù)上，2015年，機器識別人臉的水平正式超過(guò)人類(lèi)。人臉識別中機器比人強，最簡(jiǎn)單基礎應用就是1：1的比對，證明你就是你，大家熟知的是2017年iPhone推出的刷臉開(kāi)機；其次是1：N，是通過(guò)任一設備里捕捉到的人臉，從一個(gè)?。▋|級）或一個(gè)國家的人像庫（十億級）里來(lái)回答你是誰(shuí)，這對識別性能的要求提升了一個(gè)量級，是千倍萬(wàn)倍地增長(cháng)。這意味著(zhù)識別技術(shù)的突破，打開(kāi)了工業(yè)界中的產(chǎn)品的突破。
2012年之前，可以認為人臉識別技術(shù)幾乎沒(méi)有什么發(fā)展，2017年人臉識別最高水平可識別規模在20億人，大概比2016年可識別千萬(wàn)提高兩百倍，比2015年提高了數萬(wàn)倍。那未來(lái)的發(fā)展到底是什么樣？會(huì )不會(huì )再10倍、100倍甚至萬(wàn)倍地發(fā)展？
大家現在也有個(gè)討論，技術(shù)是不是發(fā)展到了瓶頸？各項算法之間有沒(méi)有區別？隨著(zhù)AI熱潮的涌現，各家AI公司都會(huì )頻繁參加一些業(yè)界的比賽以證明自己的算法實(shí)力，以人臉識別算法為例，可以看到各AI公司在LFW等類(lèi)似的計算機視覺(jué)比賽中都取得99.xx%的成績(jì)。于是人們會(huì )問(wèn)：AI算法是否已經(jīng)趨同了？如果算法精度差別不大（只有幾個(gè)百分點(diǎn)），是否意味著(zhù)創(chuàng )業(yè)公司的技術(shù)已經(jīng)同質(zhì)化了，沒(méi)有技術(shù)創(chuàng )業(yè)的核心競爭力了呢？
但實(shí)際上，這是典型的認知誤區。我們在朱瓏的演講中看到了一張表，可能更準確的回答了這個(gè)問(wèn)題，這是中國某省1億人像庫的情況下，真實(shí)的刑偵案件的破案環(huán)境的性能測試對比的表，參與方是知名的幾大人臉識別公司：
我們可以這樣理解這張圖：必須對應場(chǎng)景來(lái)談算法精度。不同場(chǎng)景的算法精度不具備任何可比性，甚至不代表有相關(guān)性。換句話(huà)說(shuō)在簡(jiǎn)單場(chǎng)景下算法精度高，不代表在復雜的高難度場(chǎng)景下有更大的概率可以把算法精度做高，就比如在小學(xué)生的考試中拿滿(mǎn)分，不見(jiàn)得可以在大學(xué)的考試中也拿滿(mǎn)分。因為很多學(xué)術(shù)界的比賽使用的都是公開(kāi)數據集，數據集內多是互聯(lián)網(wǎng)照片，類(lèi)似于難度小的開(kāi)卷考試，大家很容易把測試成績(jì)刷到比較高。但在實(shí)際的應用中則會(huì )遇到各種高難度場(chǎng)景，包括變形、昏暗、逆光、強光、光照不均、低清、運動(dòng)模糊、遮擋、跨年齡段比對等，在這種情況下各家的差距迅速拉開(kāi)了，第二名和第一名的錯誤率都會(huì )相差幾倍以上，遠未到趨同的程度。
第二，這些實(shí)戰中的技術(shù)差距體現在具體產(chǎn)品或應用上，不是簡(jiǎn)單的好用和一般好用的差距，而是可用和不可用的差距。實(shí)戰中是要以最高效率解決實(shí)際問(wèn)題為目的的。在一個(gè)1億級別人像系統中進(jìn)行1：N的靜態(tài)比對時(shí)，錯誤率相差幾倍，就導致使用者做事效率下降幾倍，那么自然而然，即使他使用的是一個(gè)多算法平臺，他也只會(huì )傾向于使用第一名的算法。
AI除了在產(chǎn)業(yè)界的實(shí)際應用外，更能夠幫助我們理解人類(lèi)的智慧、人類(lèi)智慧的邊界。
我們以前是沒(méi)辦法了解人類(lèi)自己識別能力的規模和精度，到底是什么程度？過(guò)去沒(méi)法做這個(gè)科學(xué)實(shí)驗，1萬(wàn)人還是10萬(wàn)人你辨別不出來(lái)。而機器在大規模的情況下，很輕易地識別1億人、10億人，甚至更多的時(shí)候，機器識別就相當于提供了一把尺子，根據相似度比例篩選出來(lái)給人去測，可以在有效的時(shí)間里面，測出一個(gè)人自己“看”這個(gè)世界的能力。
這是人類(lèi)第一次有一個(gè)非常穩定且強大的機器，有識別能力看到人和機器智能差別到什么程度。依圖曾做過(guò)一個(gè)實(shí)驗，在幾千萬(wàn)量級的身份數據庫上，一個(gè)人把他女朋友生活照輸入進(jìn)去，在機器輸出相似度前十的照片中，他是非常難辨別哪張是他的女朋友。過(guò)去機器認識生人的能力比人強，但是今天機器識別熟人臉的能力也超越人了。
今天機器是有了高性能的，比人類(lèi)大很多倍的這種識別能力，能夠幫助我們回答這些更有趣的問(wèn)題：在13億中國人中有多少人跟你長(cháng)的一模一樣？一模一樣我們可以先定義為自己的媽媽辨別不出來(lái)誰(shuí)是誰(shuí)。經(jīng)過(guò)依圖的實(shí)驗，結果是，每1億人當中有一個(gè)人跟你長(cháng)的一樣，所以全中國差不多12個(gè)人跟你長(cháng)的一模一樣的。
這個(gè)意味著(zhù)什么？ 1億人當中有一個(gè)人跟你長(cháng)的像，這又意味著(zhù)什么？
人類(lèi)進(jìn)化過(guò)程中，視覺(jué)識別能力在各大感官中的比重越來(lái)越大，也可能是人類(lèi)穿衣服，嗅覺(jué)識別家庭成員的能力在哺乳動(dòng)物中比較低下，主要是看人臉來(lái)辨別同類(lèi)。選擇壓力驅使人類(lèi)的臉之間的區分度需要盡量的大，這樣保證家庭成員的穩定性得到保障。
而人作為社群動(dòng)物，需要和大量同類(lèi)打交道，臉部識別錯誤的代價(jià)是失去整個(gè)基因組的遺傳繼承。對應的編碼人臉形狀的基因數量需要很大，目前知道有一條染色體的一大塊用于編碼臉部特征。一億分之一的識別度是一個(gè)具有巨大社會(huì )學(xué)意義的統計數值，背后更多的生物學(xué)意義需要更近一步探討。與之對應的一個(gè)未經(jīng)實(shí)驗證實(shí)的觀(guān)察是，動(dòng)物的臉部特征區分度不像人類(lèi)這么大。比如貓和狗，光看臉，我們很不容易區分出來(lái)。
臉部信息對于身份的確認是非常重要的，人類(lèi)如果不具備辨別能力，出門(mén)回來(lái)之后你認不出你的小孩、老婆，就會(huì )出現社會(huì )的騷亂，所以說(shuō)人臉識別對基因的進(jìn)化有非常巨大的影響。
---------------
1950年圖靈發(fā)表《計算機器與智能》，提出著(zhù)名的“圖靈測試”，成為人工智能的思想起源，而在2018年的圖靈大會(huì )中，依圖朱瓏博士的演講也給我們打開(kāi)了認知人工智能現狀和未來(lái)的一扇窗戶(hù)，在嘈雜的言論中給我們更多的啟發(fā)和思考。期待聽(tīng)到更多這樣的演講。
聯(lián)系客服
