我是Leo,依圖科技聯(lián)合創(chuàng )始人,UCLA統計學(xué)博士,從事人工智能研究15年,曾在深度學(xué)習奠基者Yann LeCun教授實(shí)驗室擔任研究員,2010年獲得PASCAL圖像目標檢測比賽冠軍,2017年獲得美國國家標準與技術(shù)研究院NIST和美國國家情報高級研究計劃局IARPA人臉識別全球冠軍。

最近,大量關(guān)于人工智能的研究報告,投資人、創(chuàng )業(yè)者、學(xué)者熱議AI的趨勢和對社會(huì )各行業(yè)的影響,不乏對AI技術(shù)和產(chǎn)業(yè)發(fā)展的誤解,很容易有誤導性。宏觀(guān)上,議題大體分為三個(gè)方面:AI是多大的事?誰(shuí)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^(guān)點(diǎn):AI的邊界,只有領(lǐng)軍人物才可能準確把握和拓展;頂尖企業(yè),因為遠見(jiàn)造就勢能;AI的未來(lái),無(wú)與倫比,沒(méi)有歷史可以借鑒,也沒(méi)有權威可以預測。

“S”曲線(xiàn)看AI格局

我對AI發(fā)展歷史和預測,用上圖的”S”形曲線(xiàn)建模(Sigmoid函數,恰好也是用來(lái)刻畫(huà)神經(jīng)網(wǎng)絡(luò )中神經(jīng)元的activation function)。橫軸表示時(shí)間,縱軸表示機器智能水平。曲線(xiàn)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(kāi)始是新AI時(shí)代(深度學(xué)習),2013年前的機器智能發(fā)展水平相較于近5年的發(fā)展基本可以忽略不計。紅線(xiàn)代表悲觀(guān)派(AI退潮、AI泡沫等),2017年之后很快出現發(fā)展停頓;藍線(xiàn)代表樂(lè )觀(guān)派,2017年之后還有快速發(fā)展。值得強調的是,藍紅兩條曲線(xiàn)對AI歷史有相同認識,但市場(chǎng)上很多論調或研究報告看到的是另一條曲線(xiàn),很大概率調研看到的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(guò)解讀S曲線(xiàn)的三個(gè)方面:

1、AI過(guò)去的發(fā)展以及AI未來(lái)發(fā)展程度和速率的預測

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(lái)說(shuō),我們先從AI過(guò)去5年的發(fā)展情況談起,以人臉識別作為例子,把人臉從N個(gè)人中找到的概率在95%,縱軸就是可識別的規模(N的大?。?。

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。在2017年全球最權威的人臉識別測試中(NIST),我們比第二名Vocord團隊,在千萬(wàn)比對測試上領(lǐng)先2%(Vocord在另一測試集比騰訊優(yōu)圖高10%),這個(gè)就是大家常說(shuō)的技術(shù)水平趨同,高一兩個(gè)百分點(diǎn)沒(méi)有意義(引申出難兌現成競爭價(jià)值)。這個(gè)誤區需要從兩個(gè)方面解讀:

第一方面,算法在億級、十億級比對的領(lǐng)先會(huì )快速放大到5%,20%。這是一般的算法性能曲線(xiàn)的規律。除了可識別規模上的重大差異,還體現在難(hard)的數據上的識別率差異。從算法經(jīng)驗來(lái)說(shuō),黑人、女性、小孩、大年齡跨度、遮擋等是較難識別的群體和類(lèi)別。在這些子類(lèi)上,不同算法之間的性能差異會(huì )更大。

超大規模下的評測本身就是一個(gè)不簡(jiǎn)單的學(xué)術(shù)命題,還需要大量的數據支撐,真正能觀(guān)測到20億數據下性能的人少之又少,例如美國很難建立20億級的測試集。這不是訪(fǎng)談一些人臉識別研究從業(yè)者就能獲得,這是誤區的第一個(gè)來(lái)源。

第二方面,算法提高,擴大可識別規模,就會(huì )解鎖更多商業(yè)應用場(chǎng)景。百萬(wàn)、千萬(wàn)識別規模對應的是身份認證場(chǎng)景,遠程認證、手機解鎖都屬于此類(lèi)?!凹夹g(shù)無(wú)差異”的論調在這個(gè)場(chǎng)景下倒是可以成立。但在對億級和十億比對有剛性需求的場(chǎng)景下,幾乎就是行與不行的問(wèn)題?!胺顷P(guān)鍵性應用”的論斷誤導性極強。

假定每路人流為萬(wàn),要在萬(wàn)路視頻中,搜索性能相當于要求算法百億、千億規模上的可識別率。這比其他場(chǎng)景的性能要求再提高千倍。以不同算法為基礎的產(chǎn)品端體驗差異就被同比例放大。

總結來(lái)說(shuō),99%識別率的算法和99.99%的算法,區別在于可解鎖的應用場(chǎng)景。這些新的場(chǎng)景解鎖,是最先鋒的算法團隊和垂直領(lǐng)域的開(kāi)拓者共同努力,也不是訪(fǎng)談一般的相關(guān)從業(yè)者就能感知變革的最前沿,這是誤區的另一個(gè)來(lái)源。

技術(shù)水平的三個(gè)層次VIE:Vision(遠見(jiàn)),Insight(洞見(jiàn)),Execution(執行)

技術(shù)實(shí)力該如何評估比較呢?最常見(jiàn)的是測試比賽的冠軍、實(shí)際案例、招投標PK成績(jì)、論文等。這些或許能區分是不是前10名的AI團隊,但很難區分最好的團隊。我對技術(shù)的三層解構:Vision,遠見(jiàn),或戰略格局、技術(shù)趨勢判斷;Insight,洞見(jiàn),算法本質(zhì)和客觀(guān)世界分布規律的理解;Execution,執行,算法實(shí)現、數據獲取、工程計算平臺等。具體來(lái)說(shuō):

最基礎的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,包括基礎算法、場(chǎng)景數據、計算實(shí)驗平臺、產(chǎn)品應用等。比如,AlphaGo出來(lái)后,多快能復現;語(yǔ)音識別多快能追上全球最好的結果。頂級的Execution,不是開(kāi)源的算法平臺可以彌補。特定領(lǐng)域的專(zhuān)家能幫助團隊快速提高對應領(lǐng)域Execution的水平。這個(gè)層面,中國團隊應該是世界一流的。Google如果是世界第一的話(huà),不論是下棋、人臉識別、語(yǔ)音識別等,中國的水平應該不會(huì )比 Facebook、Microsoft、Apple、Amazon等差,甚至某些方面稍強些。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,考察對技術(shù)的深刻認知。包括算法模型的數學(xué)解釋、客觀(guān)世界分布規律的獨到見(jiàn)解。Insight指導如何使用數據、計算力(就是指導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)展節奏。假定擁有深度學(xué)習算法框架、海量數據在同樣水平,但是大家對算法性能調教還有巨大差距。以人臉識別為例,我們使用了2億張人臉圖片(幾十億張圖片的子集)訓練,有效模型參數達到10億量級,利用對人臉這個(gè)對象的屬性先驗的合理假設,包括光照、年齡、種族、運動(dòng)模糊、成像解析度等,模型定制、數據如何組合、計算如何加速在性能調優(yōu)和模型學(xué)習效率上(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、數據條件的互聯(lián)網(wǎng)巨頭也不見(jiàn)得能在單項AI任務(wù)上能做到全球前三。

Vision:預測發(fā)展趨勢、定義未來(lái)方向,想象對生活、生產(chǎn)的影響。這除了需要對技術(shù)的深刻理解,還需要對技術(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)的遠見(jiàn),回答AI的場(chǎng)景在哪以及多快到來(lái)。

強的Execution,Insight肯定不錯,但可能毫無(wú)Vision;最強的Vision,Insight肯定一流,但Execution可能很差。VIE都很強的團隊全球極其稀缺。用深度學(xué)習領(lǐng)域最強的兩位大師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)在談大數據對機器學(xué)習的重要性,Hinton團隊2012年在LeCun發(fā)明的算法基礎上,用了百萬(wàn)的訓練數據,在ImageNet上取得世界級的突破性進(jìn)展;同一時(shí)期,LeCun團隊只用了不到十萬(wàn)的數據。但是在Hinton公布ImageNet結果的頭兩個(gè)月,LeCun團隊沒(méi)法重現Hinton用自己算法的實(shí)驗結果。在Hinton公布算法實(shí)現和技巧后,LeCun團隊的結果就輕松超過(guò)了Hinton團隊的水平。

兩位大師都擁有超一流的Vision,在深度學(xué)習方向上堅持三十年。但是他們Vision的差別以及以此帶來(lái)的信念差別使得Insight的差別(是否追求更深刻見(jiàn)解)在當時(shí)可能是巨大的,對深度學(xué)習算法發(fā)揮的突破條件包括訓練數據規模、模型正則化實(shí)現、activation function選取、GPU計算等的理解還有顯著(zhù)差異。這些在當時(shí),原理還不清楚時(shí),可能完全是憑著(zhù)Hinton(包括那一期超強的博士生)的直覺(jué)。這種Insight的差距,使得LeCun團隊已知所用算法框架和目標性能但未知關(guān)鍵實(shí)現時(shí),也不能重現結果。但之后,LeCun團隊擁有更好的Execution(大規模系統性調優(yōu)),能在短時(shí)間內算法性能超過(guò)。這種最牛高手間信念的微妙差異,到底來(lái)源于什么,值得深思。

為什么Vision很重要?就像雷達,對別人來(lái)說(shuō)是盲區,Vision讓你看見(jiàn),看見(jiàn)所以相信,相信所以平靜。不僅以此獲得戰略?xún)?yōu)勢,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(zhuān)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)習被實(shí)際測試數據驗證前,也很難被美國主流學(xué)術(shù)圈認可,甚至發(fā)表頂級會(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)習的標簽。

但是判斷過(guò)濾沒(méi)有Vision的團隊,倒是有跡可循。一般來(lái)說(shuō),無(wú)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、平臺等),歸類(lèi)為沒(méi)有Vision應該沒(méi)什么問(wèn)題。

有了VIE的拆解,我認為,AI新時(shí)代的壁壘只有人,最頂級的人。領(lǐng)軍人物對AI技術(shù)和商業(yè)邊界的未來(lái)分布判斷無(wú)法替代,決定AI發(fā)展基本要素(算法、算力、數據和場(chǎng)景)的所需程度和權重。擁有頂級Execution和Insight的團隊,最知道對算法有效的數據在哪、如何標注使用。擁有頂級Insight和Vision的團隊,最早知道技術(shù)的突破帶來(lái)最具商業(yè)價(jià)值的場(chǎng)景在哪以及何時(shí)到來(lái)。

AI未來(lái):沒(méi)有歷史可以借鑒,也沒(méi)有權威能夠預測

談了AI發(fā)展,技術(shù)如何解構,談?wù)凙I的未來(lái)?;谏疃葘W(xué)習的AI新時(shí)代,大大不同于30年歷史上的AI,這是被各種應用、在實(shí)際場(chǎng)景、大規模數據驗證過(guò)性能的技術(shù),而不只是理論或概念。盡管過(guò)去5年的發(fā)展,對得起人們的期待,今天,還有不少人擔心新AI像過(guò)去一樣很快會(huì )退潮。但我認為,AI新時(shí)代只是開(kāi)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(méi)有歷史可以借鑒,也沒(méi)有權威能準確判斷。AI不僅僅是一個(gè)技術(shù),AI突破還能突破所有技術(shù)包括人機交互、搜索、機器人、芯片計算、醫學(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

從S曲線(xiàn)中,可以看到過(guò)去5年,AI的發(fā)展及其迅猛,單門(mén)類(lèi)(人臉識別)算法有了萬(wàn)倍的增長(cháng)。但我對未來(lái)更加憧憬,即S曲線(xiàn)中2018年之后的曲線(xiàn)有多陡。AI發(fā)展帶來(lái)的多維度技術(shù)和各場(chǎng)景深度結合、疊加會(huì )帶來(lái)更有沖擊力的體驗。從多技術(shù)維度來(lái)說(shuō),從視覺(jué),到聽(tīng)覺(jué)、語(yǔ)義理解、運動(dòng)控制會(huì )在之后幾年都會(huì )快速突破;和芯片結合,端智能滲透到與用戶(hù)的最后30公分的交互體驗,從Internet Of Things向Internet Of Intelligence跨越,讓智能無(wú)處不在。

3、AI領(lǐng)先一步,會(huì )帶來(lái)巨大勢能

在S曲線(xiàn)中,處在不同位置的團隊,優(yōu)勢不只是橫軸時(shí)間的差距,而是技術(shù)領(lǐng)先帶來(lái)的累積效應(曲線(xiàn)積分)以及更多元(多條AI技術(shù)曲線(xiàn))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)導者撬動(dòng)AI意識落后的行業(yè)。

AI未來(lái),無(wú)與倫比;因為看見(jiàn),所以相信。

 

您可以復制這個(gè)鏈接分享給其他人:http://www.northchejian.com.cn/node/354