人工智能对话实录

蔡伟：我觉得三位老总分享得特别好，我们在做人工智能的时候不能盲目追求于它的水平有多么多么高，而是如何找到合适的市场切入点，也许这个时候进去没有那么高的壁垒，但是能迅速打开这个市场，慢慢再往上延伸，这是非常好的，特别是对于一个创业公司非常有益的一些经验。

接下来我想问一下，其实从去年开始到现在，深度学习成为人工智能领域非常热的词汇，从语音识别、图象识别到无人驾驶，确实深度学习在中间起了很大的作用，我们现在收到的很多商业计划书都写着某某某行业正在深度学习，这个词已经变成了屠龙宝刀，号令天下，莫敢不从。所有的人工智能都是采用深度学习的方式。我们也注意到，深入学习在小数据的学习当中还是比较弱的。12月份的时候，《自然》发了一篇论文，可以用贝叶斯的方法，使机器在比较短的时间内达到学写字的系统。所以我讲了这么多，想问的是深度学习优和局限是什么，未来更好的应用场景是在哪里，未来在人工智能的算法里，是继续深度学习继续统治这样的市场，还是各种算法都能找到它各自的应用场景？

徐立：蔡总之前是学术圈的吧，我觉得蔡总对这个行业还是比较了解，我自己之前也是做这方面研究工作的，我想谈谈深度学习也好，现在的点，我们为什么能够在这个点用技术创业，中国的创业环境技术创业相对是比较难的。早几年如果创业的话，投资人可能问一个问题，如果现在行业的领头人，或者是BAT还是同样做你的技术怎么办？我们认为技术创业其实分为各个时期，一种是技术相对平坦期，技术本身没有特别大的发展，只是在学术上有一些前沿性的发展，这个时候技术创业相对比较困难，大公司通过砸资源就可以把一件事情做到八九成，你提供技术的意义就失去了，一般作为行业领头公司都会选择自己做。

另外一个，某一个技术到了突然的过了临界线，就到了爆发期，技术创业这件事情就变得渐渐可能起来，因为你在这上面的投入，回报率非常大，可以带来很强的技术领先性，如果大企业没有这么专注做这件事情的时候，不得不采用你的技术，你可以利用技术形成壁垒，形成市场效应，说回来，深度学习就是这么一个很关键性的技术。在传统领域，其实是针对小数据市场去做这样的学习，大数据市场去做预测，这个逻辑是比较难行得通的，不管数学模型做到多好，都是对这个世界有一个假设，这个假设是不是符合真实的情况很难说，这也是为什么前十年当中，学术上有很多论文的进展，实际上工业上的进展推动还是比较缓慢的。

深度学习这个技术的优势在于它改变了这种模式，它是可以用来处理这么大规模的数据，更关键的，我理解传统的意义，尽量做到预测性的，深度学习是网络的，表达能力足够强的，是一种记忆性的学习。它其实是看足够多的数据，把他能见过的东西都进行记忆，使得网络能处理更多的场景。

退回来，我们认为在现在的阶段，深度学习还是在初步的阶段，为什么呢？因为首先结构的演化，网络自己设计的能力，甚至是我们现在说要把模型再做一些针对某些场景的适配，谷歌和Facebook的做法，通过不停的尝试，通过试验性来做，还没有理论上的突破。在这个阶段，我认为人工智能也好，深度学习的关键技术也好，还处于飞速的发展期。在这个阶段可以带来的每年的突破其实是非常大的。

举一个例子，我们参加一个大规模的物体识别竞赛，这个竞赛是谷歌、微软、百度这些公司都参加的，他做的事情就是从互联网上的照片，你能把照片中的物体定位好，同时告诉他，这个物体是什么，今年还延伸到了视频上。这么一类物体的检测，一开始的准确度大概是11%，第二年就变成了22%，第三年我们参加的时候，我们拿的第二，谷歌第一，是40%，今年是60%。这个增长和以前视觉里面每年一个点，两个点的增长，速度是完全不一样的。在这种阶段，如果专注于这个技术的突破，专注做这件事情，深度学习可以带来突破性的变化。这就使得你可以领先于，甚至大的公司的巨头一个身段，让他们不得不采用我们的技术。所以我认为，深度学习未来发展的潜力还是非常大，他可以改变的东西还是很多，目前只是在比较初步的阶段。

俞志晨：刚刚蔡总说的，为什么很多人会加深度学习，因为主要是to VC的，这个门槛还是挺高的。真正在全球，包括在国内，有这个技术的还是比较少，不多，这两年的市场比较热，所以很多人开始往“+”这个关键词，机器人也“+”，人工智能也“+”，什么热就加什么，VC喜欢看，也不能怪创业者，主要是VC的问题。

我觉得深度学习，我自己感觉在人工智能可模式化的领域，深度学习这个领域还是比较好的，存在很大不确定因素，包括开放性的场景，深度学习目前来看效果并不是特别明显，比如说在一些涉及到人的，比如说复杂的语义这一块儿，中文的处理也是满复杂的，还有情感、思维、认知这一块儿，包括表达，人的语言是有表达能力的，没有什么明确模式可言的东西。在这个领域，目前深度学习并不是很好，这一块儿未来可能会产生新的方式去解决，所以我觉得深度学习，至少目前来讲，在这些可确定模式的智能领域，还是可以解决很多问题的，但是在将来，还是需要在一些底层技术，包括在一些模式方面有很大的突破，这是我的看法，谢谢！

林晨曦：深度学习这个话题跟人工智能一样特别火，什么地方看到一个公司或者是技术都要提到这个词，可能因为在美国有一个博士，做了一个深度学习的模型，做出来的效果比谷歌的效果还要好，一个人做过了谷歌那么大一家公司，使得这个事情突然火起来了。我刚刚讲到我的搭档在NYU的工作，他做的事情就是做深度学习和图模型底层的理论到底有多少一致性，或者有多少区别，非常理论的东西。讲起来也比较复杂，总的来讲，深度学习到底能解决问题，这是今天事实上大家还不知道的，学术上还没有完全定论的东西，科学界还没有定论的东西。比较有趣的一件事情，在依图科技做人脸识别的过程当中，大家都知道我们在公安部和各大银行测试的成绩是非常靠前的，包括公安部里面的测试都是第一，我们这样的技术没有对外说，事实上我们完全没有用深度学习的技术，这个消息如果是在美国的学术圈可谓是重磅炸弹，大家可以反过头回思前两年是不是该这么热衷于深度学习这条道路。这条道路为什么会火起来？因为在一些典型的任务上，原来传统的模式长时间不能突破这个瓶颈，当深度学习突破了，大家就觉得这件事情非常非常的有效果，大家就一拥而上。事实上，不用深度学习的方法也能让人突破到很高指标的时候，其实这件事情是双方可以探讨的，只是算法层面上来讲可以探讨的。这个大概是学术上的一些问题，可能讲起来也比较深奥或者是绕口。

总的来讲，大家在探索人工智能这个事物本身，探索、学习人工智能是怎么发生的，我们在学习的过程当中，实际上理论上还有非常多悬而未决的问题，至于深度学习能做到多大的范围，他的数据学习的能力有多大，到数据到什么指数量级的时候，这个模型就不再学得动，不是网络加深就能解决的，还有非常非常多深奥的问题留给大家，这是这个行业让人激动的地方。

蔡伟：非常谢谢三位，由于时间有限，最后一个问题，快速简单的回答一下。因为大家都会觉得，特别是在看这个行业的时候会认为人工智能可能是继移动互联网之后未来发展的平台，人工智能，AI+，人工智能+很多应用场景，可以应用在不同的场景里面，包括IBM的Motion，在医疗和金融都有不同的突破，还有有一个机器人的记者，可以替代简单的劳动，从三位的角度来看，未来五年里面，哪些行业和应用领域，人工智能应用的市场会得到快速的增长。

林晨曦：这个问题也很大，我们之前选择了做计算机视觉也是相当于对这个问题有了初步的判断，计算机视觉是特别特殊的行业，比语音难一点，语音的数据跟视觉的图象数据相比更简单，图象的数据里面有更多的复杂性，噪音，遮挡等等，有光照、场景等等各种复杂性在这里。视觉研究的问题，一个个物体本身就是属于人类世界当中比较具体的问题，文本这一块儿，语言这一块儿可能要处理一些比较抽象的问题，同样是学习，大家很容易学习，这是一辆车子，这是一个人脸，但是大家要学习一个词，叫等价，或者学习一个词叫入行，这都是非常抽象的概念。相对而言，计算机视觉属于人工智能比较前端的一部分，他是在学习比较具体的问题这个概念的过程当中。三岁的小孩想要学会等价或者是入行几乎是不太现实的，这是比较难的，这也是我们对计算机视觉在人工智能格局当中的判断。

另外一个角度，很多技术的发展都是由需求而演化的，大家可以知道智能硬件在不停地往前走，机器人最近也开始火起来，但是这个过程当中都会需要有一个最基本的视觉的输入，使得它能作为很多决策的依据。我们觉得未来五年当中，不同场景下面，计算机视觉还是会有非常快速的蓬勃发展的阶段。

俞志晨：正好接着林晨曦的话，机器人从2014年底开始火起来，只不过科技圈稍微慢了一拍，家用机器人在接下来的几年会以快速的方式进入家庭，而且一个关键点，家用机器人又是融合了非常非常多的人工智能技术，不管是语音也好，还是视觉，语义，还是情感，思维认知。要把家用机器人做好的话，是一件挑战非常大的事情。可以看到这一两年，在整个人工智能机器人，互联网在融合，让家用机器人能够得到快速的普及，我自己觉得在近期的几年，家用机器人的市场发展可能会比我们想象得快很多。我刚刚说的儿童也好，包括将来每个人的家里面会有一些智能化机器人产品，是指能跟人更好的互动，生活服务可以结合在一起，包括娱乐、社交也可以更好地结合在一起，这类机器人是近期一个大的方向，可以关注一下，谢谢！

徐立：商汤科技是这么看这个事的，首先我们认为现在人工智能之所以能够有现在这样的发展，完全是因为其实数据突然之间爆炸了，处理大数据的能力也存在了，所以我们自己做视觉，做图象这一块儿最大的原因，也是我们觉得这方面的数据源足够大，我们在这方面也足够专业。之后从长远的发展来看，未来这几年，在哪些地方可以引爆炸？一方面是行业有标准化、结构化数据的地方，大的数据，包括医疗也好，智能硬件采集回来的数据也好，机器人也好，都是可能存在这种结构化大量数据的时候，现在的这些工具，其实在里面可以发挥出非常大的力量来进行这样的突破。

另外一方面，现有数据情况下，互相的关系非常复杂，用现有的从顶而上的方法，可能没有发现其中规律的时候，我们可能是用这种大数据的方法从中推导出来一些更深层次的应用，比如说我们有合作伙伴在做的新浪微博的大数据分析，从中可以导出来新的规则，这一类随着信息量越来越多，会给出不同的价值，我们认为这两方面会有新的点出来。

蔡伟：非常感谢三位老总，人工智能路还很长，挑战也很多，机会也很多，希望在座有志于这个行业的人都能进入这个里面进行创业，或者是进入一些公司，今天对话的这部分就结束了，非常谢谢三位老总！