927
機器人
湯曉鷗教授：人工智能讓天下沒有難吹的牛
10月12日，中國科學院深圳先進技術研究院副院長、香港中文大學教授湯曉鷗教授在杭州雲棲大會發表題目為《人工智能的雲中漫步》的演講。
他表示，總結起來做人工智能的跟阿裏的理念其實相似，阿裏講“讓天下沒有難做的生意”，做人工智能是講“讓天下沒有難吹的牛”。
他還分享了商湯科技在計算機視覺方麵的研究成果，比如如何分辨雲和雪和地麵的物體，用人工智能、圖像識別技術，可以做的比人更精準，他舉例到，十一的時候很多人去旅遊、去登山，山上可以看到半山腰有些雲，登到山上以後發現進到雲裏就變成霧了，拍照就不太清晰，我們有個算法可以幫你把霧去掉。
湯曉鷗還介紹了目前有關城市大腦的應用實踐。
1、人臉識別已經可以做到沒有任何人工配合的情況下實時地識別人物、抓捕犯人，在廣州、深圳、重慶等幾十個城市都已經開始幫助公安解決了大量的案件，抓了很多犯人。
2、人群，現在可以在上海外灘這樣的公共場合，實時判斷每一個點的人群的密度、人數，進來多少人，出去多少人，還有人流有沒有逆行等特殊情況，這樣可以防止踩踏事件。
3、視頻結構化，可以把視頻裏麵所有的人、車、非機動車、自行車檢測、追蹤，識別出來屬性，比如這個人穿什麼衣服，男的女的，多大年齡，車什麼牌子，哪年生產的，這些東西都從視頻處理成文本文件，你可以進行對應物體的快速搜索。
以下是湯曉鷗教授演講實錄：
我先幫大會發一個通知，今天午飯取消了，改下午茶了，大家不著急， 慢慢聽吧。
非常感謝阿裏的邀請，尤其是做壓軸演講，我跟阿裏說太客氣了，壓軸這麼重要的演講應該馬總做，我做個簡單的開場演講就差不多了，後來他們堅持我在午飯時間做壓軸。
另外他們還告訴我說今天有大概一千萬人在網上看直播，所以我非常緊張，我就做了個一百頁的PPT，我想十萬人一頁也對得起觀眾了，但是組委會就非常緊張，一直問我說40分鍾講一百頁，會不會超時，我就跟他們保證說，放心吧，一定會的。昨天奧委會的客人講到奧運要更快更高更強，那雲棲大會的特點就是要更長。
前些時候我跟馬化騰還有一些學者在清華做了一次對話，我當時當著馬化騰先生的麵提了一些意見。今天我到了阿裏這裏，我想我也不會客氣的，作為學者，我們就是要敢於提意見。所以當時我敢於當麵給Pony（馬化騰）提意見，今天（到了阿裏這）我就準備在背後再給Pony提一些意見（此處玩笑，請勿當真）。
現在言歸正傳，今天我講的題目是《人工智能的雲中漫步》。人工智能其實我也聽了很多人講，我自己也講了很多，我覺得總結起來做人工智能的跟阿裏的理念其實非常相似。阿裏是講“讓天下沒有難做的生意”，做人工智能的是講“讓天下沒有難吹的牛”。
一開始，早上起來要化妝。就是拿著手機可以當鏡子，可以做美顏，換衣服，用各種特效效果看一整天該穿什麼。這個化妝下來大概的時間從8點開始的，最後結束了以後，就到9點了，一般女孩的話大概也確實需要一個小時化妝，最後通過美顏、增強現實（AR）這些特效，不知道為什麼最後這張圖成兔女郎了。
然後接著這些AR技術還可以應用在其它的場景上，比如社交場景應用，你們現在看到的這些拍照APP，直播APP，有很多AR特效，其實絕大部分都是基於我們提供的人工智能技術，比如人臉的106點和最新的240點的追蹤分析，是我們定義的行業標準。
我們不但做人臉、手勢識別，現在已經做到三維的SLAM特效了，大家可能看過這種特效，遊戲裏麵可以把虛擬物體加到這個現實世界裏麵，但是以前看的都是在一台很強的計算機上算出來的，現在我們這個是在手機端，手機上實時算出來，這是非常難的事情。
十點鍾要出門了。出門走路的時候，可能沒有什麼感覺，但實際上每個城市裏，剛才講都有幾十萬台甚至百萬台相機，這些相機做的事情是把人、車，物體都檢測、識別、分析出來。
今天講了很多關於城市大腦的問題。
我們要解決這些問題還是需要核心技術，來一樣一樣完成這些任務。首先我們人臉識別，已經可以做到沒有任何人工配合的情況下實時地識別人物、抓捕犯人，在廣州、深圳、重慶等幾十個城市都已經開始幫助公安解決了大量的案件，抓了很多犯人。
人群，我們可以在上海外灘這樣的公共場合，實時判斷每一個點的人群的密度、人數，進來多少人，出去多少人，還有人流有沒有逆行等特殊情況，這樣可以防止踩踏事件。
再就是視頻結構化，可以把視頻裏麵所有的人、車、非機動車、自行車檢測、追蹤，識別出來屬性，比如這個人穿什麼衣服，男的女的，多大年齡，車什麼牌子，哪年生產的，這些東西都從視頻處理成文本文件，你可以進行對應物體的快速搜索。
所以其實你在走在路上的時候，所有的這些信息都是可以記錄下來的。所以以後如果做壞事會越來越難。大家如果現在還有什麼事沒做趕緊做，以後再做相對會困難很多了。
12點鍾大家可能出去跟朋友玩了。拍一些自拍照，其實拍的時候，就是用了我們的一些視頻處理的技術，比如把一個手機拍照拍成單反的效果，這也是我們做的技術，先拍照後聚焦，拍完點什麼地方就聚焦到什麼地方。另外在拍之前，我就想看看單反預覽效果是什麼樣子的，所以這時候你在動的時候，效果就要顯示出來，這就是要實時視頻級的處理。視頻上能夠實時把深度信息算出來，預覽做出來。這些技術已經在OPPO R9S和R11用了很長時間了，包括裏麵的人臉技術都是使用我們的技術支持。
還有手機上可以做一些智能相冊的特效、處理。計算機識別你的照片內容，然後根據內容打標簽、分類管理。
這些特效，大家現在手機上可能節日期間也會用到一些這些應用，比如把卡通圖片裏的臉換成自己小孩的臉。但是我給你演示這些是我們十年前做的，我們十年前已經做到這個效果了，當然那個時候是在計算機上做出來的，現在把這些技術可以做到手機上了。
我們跟小米合作做了小米智能相冊，跟華為合作做了華為智能相冊，跟微博合作，把大V的照片管理做起來。
兩點多鍾，你照完相了，吃完飯回來，對照片想處理，做一些新的藝術化的濾鏡。
感覺我們公司的人基本不幹活，整天在玩手機。
處理出來這些特效，這是在圖像上做成的特效，其實這是我們兩年前做的工作，現在滿大街都是。我們現在又做了新的工作，是視頻上實時也可以做出特效，而且可以做出各種特效。
4點鍾，大家可以出去玩一玩，可以做一些體育運動了，大家可以想像一下，我們公司4點鍾就下班了，開始去玩了。
同時我們可以用跟蹤的算法，然後把整個畫麵分析清楚，用自然語言描述視頻裏運動員到底在幹什麼。
然後大家下班的時候要坐車回家了。這時候可以乘坐由我們自動駕駛技術支持的汽車。自動駕駛裏麵我們做了六個大的方向，三十幾項技術，目前跟全球前五大車企其中一個頂級的廠商進行合作。
到了晚上，這個視頻裏，我們分析人的運動方向。這些對整個分析視頻的結構也是非常重要的技術。
剛才很多是我們已經落地的產品，是由我們的400多家合作廠商真正落地來用了的。下麵還有一些新的技術突破，明天就可以馬上用出去，就是因為這些新的技術突破，才繼續推動做出來新的應用。
首先講運動監測。還是回到奧運會這個應用，實際上我們可以在體育的視頻裏麵把這些射門的鏡頭提取出來，兩個小時的比賽可以很快縮到幾分鍾，可以完全自動做的。
或者田徑比賽，真的很漫長的，但是精彩的鏡頭，百米、跳高那幾個鏡頭，就是那幾塊，我們可以自動的識別提取出來，同時你也可以進行描述，要求怎麼樣提取出來，你感興趣的部分。
然後還可以進行搜索。比如你要搜索音樂表演的視頻，戰爭場麵的視頻，都可以自動搜索出來。
或者你要想做電影自動理解。比如可以明白這個鏡頭到底是災難的鏡頭還是浪漫的鏡頭，用我們前麵說的技術來分析整個場景到底是什麼樣的，紅線代表浪漫的，藍色是災難的，實時分析鏡頭。或者說他們在吵架還是浪漫的鏡頭。都可以實時分析出來。
還有圖像的分割，以前大家講圖像分割都是前景和背景分開，現在做的分割是不但把前景和背景分開，而且還可以像素級地把前景的每一個物體分開，前麵有很多跳舞的，每一個人都標注出來，每一個物體，和背景都分割開來，就可以做很多很多各種各樣的特效。
還有就是判斷兩個人的關係，如果你在網上放了照片，我們根據你這兩個人的姿勢和兩個人的表情，分析出來你們兩個人的關係。這個有什麼用呢？比如說你跟一個很有錢的人照相，分析的結果是很友好，說明你認識有錢人這樣可能你的可信度就增高了，我就可以把錢借給你了，可以做征信的一個維度。
最後我用一個我們研究的例子來講一下原創的難度，我剛才講的每一個技術其實都不是那麼簡單的，都不是說一拍腦袋一下就做出來的，有非常多的事情要做的，這個例子是圖像超分辨率增強，就是我們怎麼把一張圖放的很大，能夠恢複的很清晰。這是美國的一個電影，FBI在抓人。最後他抓到一張很模煳的圖像圖像放大做成清晰的圖像，當時覺得FBI很厲害，非常棒。我們用傳統的技術也試圖把這個圖像恢複一下。當時希望把小圖恢複成這樣，用傳統算法做了最大的努力，最後的結果是這樣，所以我們很不滿意。
這個應用有什麼用處呢？實際上是把可以進行圖像、視頻放大，可以把普通的電視信號變成4K的高清信號，8K的高清信號，這是我們最新做出來的結果，可以看到如果直接放大是很模煳的，現在用新的結果基本上達到高清的效果，已經達到實用的階段。
在日本有個工作叫WAIFU2X，他們用我們的技術做了演示，就是把太太（二次元妹子）放大兩倍，然後用這個圖，最後的效果非常清晰。
超分辨率這個工作是很重要的，因為有很多場合有應用。所以穀歌、推特也對這個非常重視，他們在2016年連著發四篇文章做這個工作。按照以往，大家可能都是跟著穀歌後麵做，而我們不是，我們發表了全球第一篇用深度學習超分辨率文章，那是2014年，早於穀歌兩年，2015年又發了一篇，2016年兩篇，2017發了三篇，我們不但是做的最早的，第一個做的，而且也是目前做的最好的。所以是穀歌在跟著我們做！
做這一項工作要想做成功，牽扯的工作是非常多的，有各種各樣的技術，涉及到十幾篇幾十篇的文章才能做到現在的效果。
所以現在我們已經可以做到實用，在街頭上拍的照片，模煳照片可以真正看到罪犯的樣子。
而且已經給深圳的公安用了，公安用手機可以拍人的照片，很模煳的圖像可以在庫裏搜索，實時抓捕罪犯。
經過我們的努力，所有這些加一起，從原來這個效果現在可以做到這個效果了。
在2011年到2013年深度學習剛剛開始的時候，這兩個頂級會議上，29篇文章我們占了14篇，全球的一半，這裏麵16項技術，都是我們第一個真正成功的把深度學習應用到這些技術領域。
所以我們是深度學習的原創技術公司，是真正做平台的，和臉書的Torch、穀歌的TensorFlow一樣，我們做了自己的原創平台Parrots，來在這上麵開發我們深度學習相關的技術。
7月份的時候，我很榮幸作為國際期刊IJCV主編，召集了夏威夷IJCV Night晚宴會議，計算機視覺領域很多頂級學者都參加了我們的這個晚宴。我們在馬上10月份，在威尼斯的ICCV大會上會再開一次這樣的國際頂級學者的·聚會，歡迎大家過來參加。
最後，大家看一下這一頁上的這些圖像的一個共同的點是什麼？米開朗基羅、貝多芬、梵高、喬布斯、蘭博基尼的設計首席設計師，這些人有一個共同特點，其實就是兩個字：原創。中國最缺的就是原創，我們現在做的就是原創，做原創是非常難的一件事情，但是不做原創一個國家是永遠也發展不起來的。
來源：商湯科技
最後更新：2017-10-23 09:50:51