顏水成博士,是計算機視覺和機器學習領域的國際知名專家。在2015年,加入360集團,任360副總裁、首席科學家、人工智慧研究院院長。在2019年,加入AI獨角獸企業「依圖科技」。這篇文章是2018年顏水成博士在北京的一所大學進行講座的實錄筆記,暢談了人工智慧在學術界和工業界的發展與應用。
首先,談了談AI的創業,如果給你足夠投資,你準備做款什麼樣的爆款AI-APP?顏水成博士覺得在進行AI領域的創業之前,要在以下四個方面進行深刻的考慮:
第二點談的是AI中的理想和現實。在現實中AI成功的標誌有:
實現理想的AI,既具有通用智能的機器人、能有人一樣的表現,目前還有很大(甚至巨大)的困難。比如和人一樣會駕駛(自動駕駛)、和人一樣具有思想(情感機器人),目前都是難以實現。其中關於情感機器人,更是難以達到,而且目前的技術與人的思維方式太遠。
目前AI的四個主要方向為:
學術界的人工智慧:針對特定問題,探索新算法,追逐精度極限
工業界的人工智慧:人工智慧不是模板,和具體業務/場景結合才能有價值
算法科學家與產品工程師的協調:算法雖然不完美,但可以做出無瑕疵的用戶體驗。
學術界:精度極限
工業界:產品體驗。用戶在使用中產生數據,數據推動算法迭代,從而提升用戶體驗。
傳統機器學習:特徵設計、SVM
神經網絡:學習特徵
手機上目前還不能實時的運用這些模型
對原始圖片進行表情、形態等轉換
圖像方面有:
文字方面有:
業務場景:安全+智能
AI布局
智能體的安全問題
代表公司
AI+區塊鏈如何能高頻剛需和無ICO運轉?
主持人:AI+視頻有什麼令人振奮的突破嗎?
顏:數據很有限。不知道要標記什麼,標記的成本也很高。視頻分析歸根到底是圖像,然後再推動視頻級別研究的發展。還需要降低複雜度。【數據+速度】
主持人:AR與AI的聯繫
顏:(互動:誰用過這【AR眼鏡】東西)手機有一些瓶頸:得拿在手上。AR眼鏡能解決。博物館的電子展覽。AR的應用會有很多。發展趨勢:2B->2C,有線->無線
主持人:AR有前景。旅行、教育、社交等等,將虛擬帶入現實。技術一突破,內容與軟體將會爆發。
主持人:從科研到產業界,挑戰與不同點?
顏:總結為幾點:設計新的模型時,相比於學術界的精度,更多的去思考效率;最重要的一點,一開始不要想自己可以解決公司的所有的問題,先從一個重要的應用場景出發,融合算法和數據,讓模型落地。對於用戶體驗,算法的提升沒有數據帶來的提升大。雖然數據很重要,算法可以帶來顛覆性的變化。
數據和算法要齊飛。
主持人:未來的3、5年,AI有什麼落地的機會?
顏:數據分公有數據與私有數據。每個公司有自己特定的數據,為公司提供AI的服務,是一個機會。
主持人:給學生步入AI的建議?
顏:不追求量,做有價值的工作。什麼是有價值的工作?做的東西有沒有通用性;做出的東西提升大(10%的提升)。花1年的時間踏踏實實、認認真真地去研究。