7月12日-7月14日，2019第四屆全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR 2019）于深圳正式召開。

峰會(huì)由中國計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，深圳市人工智能與機(jī)器人研究院協(xié)辦，得到了深圳市政府的大力指導(dǎo)，是國內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級交流博覽盛會(huì)，旨在打造國內(nèi)人工智能領(lǐng)域極具實(shí)力的跨界交流合作平臺。

7月14日下午，在「智慧城市·視覺智能」專場上，商湯科技聯(lián)合創(chuàng)始人、研究院院長、移動(dòng)智能事業(yè)群總裁王曉剛帶來了題為《從學(xué)術(shù)到產(chǎn)業(yè)化的人工智能》的主題分享。

王曉剛回顧了人臉識別從學(xué)術(shù)到工業(yè)界的持續(xù)進(jìn)步歷程，以及人臉識別在智慧城市、智慧通行、手機(jī)、AR、游戲等具體場景中的應(yīng)用。

他提出，計(jì)算機(jī)視覺研究有幾個(gè)比較重要的部分：

一是基礎(chǔ)層，包括芯片、AI超算平臺、深度學(xué)習(xí)平臺等基礎(chǔ)方面的研究，在這方面，中國還有很長地路要走，西方尤其是美國領(lǐng)先我們很多。

二是應(yīng)用層，這一塊中國是比較擅長的，我們有非常豐富的應(yīng)用場景，這些應(yīng)用場景可以給我們更多的反饋，驅(qū)動(dòng)我們的算法不斷地進(jìn)步。

三是工具鏈層，人工智能賦能百業(yè)，當(dāng)不同領(lǐng)域需要人工智能技術(shù)越來越多的時(shí)候，它對科學(xué)家或者研究員的需求是線性增長的。如何讓普通的開發(fā)者、公測人員可以根據(jù)我們的工具鏈迅速開發(fā)出合適的人工智能解決方案，使其生產(chǎn)力充分釋放出來，這是未來我們需要面臨的重大課題。

在這個(gè)過程中，商湯以往、現(xiàn)在以及未來持續(xù)會(huì)做的是：在算法精度不斷提升的前提下，拓展智慧城市從1到N的業(yè)務(wù)邊界、促進(jìn)2D感知到3D世界的落地，以及場景現(xiàn)實(shí)到虛擬現(xiàn)實(shí)的融合。

2014年，商湯團(tuán)隊(duì)發(fā)表DeepID系列人臉識別算法，使其全球首次超過人眼識別率，之后隨著技術(shù)的持續(xù)進(jìn)步，業(yè)務(wù)也不斷突破邊界，從相對簡單的1：1識別向1：N進(jìn)發(fā)。

目前，商湯所做的工作是如何從幾萬到幾十萬人中，識別和分析出用戶想要找的人或者物，隨著場景不斷地拓展，王曉剛認(rèn)為人臉會(huì)逐漸成為人的身份標(biāo)志。

另外，在3D的應(yīng)用上，商湯的3D人臉識別方案也已經(jīng)在很多手機(jī)上得到應(yīng)用。

王曉剛現(xiàn)場展示了手機(jī)上通過3D攝像頭拍攝的人臉、物體以及人體圖像進(jìn)行3D重建，未來2D的相冊還能拓展到3D相冊，人體的跟蹤上也從2D延伸到3D。

商湯科技聯(lián)合創(chuàng)始人、研究院院長、移動(dòng)智能事業(yè)群總裁王曉剛

以下是王曉剛教授大會(huì)現(xiàn)場全部演講內(nèi)容，雷鋒網(wǎng)作了不改變原意的整理及編輯：

王曉剛：感謝大會(huì)的邀請，我是香港中文大學(xué)的一名教授，同時(shí)也參與商湯在人工智能產(chǎn)業(yè)方面的落地，今天非常高興能有機(jī)會(huì)與大家分享我在學(xué)術(shù)研究與工業(yè)化落地方面的一點(diǎn)個(gè)人體會(huì)與看法。

我自己有這樣的一些經(jīng)歷，我們在實(shí)驗(yàn)室?guī)е鴮W(xué)生做研究，更多地是利用有限的計(jì)算資源和數(shù)據(jù)資源做學(xué)術(shù)界里的經(jīng)典問題，“作坊式”地實(shí)現(xiàn)一些創(chuàng)新和突破。

隨著人工智能在工業(yè)界大規(guī)模落地，市場給了技術(shù)發(fā)展很大的助力，包括可研究的內(nèi)容、可研究的工具、可研究的形式。

我比較認(rèn)同賈佳亞老師（上一位演講嘉賓）所說的未來不同研究領(lǐng)域的一些融合。

我認(rèn)為現(xiàn)在我們的研究更多地停留在算法層次，未來的人工智能研究很重要的方面是軟硬的結(jié)合、算法和芯片的結(jié)合、算法和傳感器的聯(lián)合優(yōu)化，這些都是比較重要的幾個(gè)方向。

而這些方向往往都需要更強(qiáng)的工業(yè)界支持，因?yàn)楹笳呖梢蕴峁└嗟挠布芰?、更大的研究課題。

首先，業(yè)務(wù)系統(tǒng)對于我們的研究是非常重要的。比如一個(gè)普通城市，至少都有上萬個(gè)攝像頭，一年積累的人臉數(shù)據(jù)超過上千億，如果將這些攝像頭連在同一個(gè)平臺上，如何在大平臺上進(jìn)行高效率地圖像搜索和大數(shù)據(jù)分析，這是實(shí)驗(yàn)室中難以接觸到的問題。

另外，我們的計(jì)算平臺在現(xiàn)有的一些工業(yè)研究領(lǐng)域，能夠同時(shí)使用幾百塊GPU訓(xùn)練一個(gè)模型，從而做到快速反饋。

同時(shí)，還有很多長尾的人工智能問題需要解決。我們需要建立一套高效的工具鏈，可以做到全面的測試和評估。

比如我們做人臉識別、計(jì)算機(jī)視覺識別問題，在學(xué)術(shù)領(lǐng)域，我們在實(shí)驗(yàn)室里也有工具，但真正工業(yè)應(yīng)用落地其實(shí)要做大量的測試，后者會(huì)反饋出非常多的問題。

而以上這些要素，均是學(xué)術(shù)實(shí)驗(yàn)室所不具備的。

商湯科技成立于2014年，初創(chuàng)研究團(tuán)隊(duì)來自于香港中文大學(xué)，大概有20年歷史的學(xué)術(shù)積淀。

我們一直與學(xué)術(shù)界保持著密切地交流，包括與MIT、南洋理工、清華、北大等高校都設(shè)有聯(lián)合實(shí)驗(yàn)室，可以提供不同行業(yè)的人工智能算法和解決方案。

過去幾年，我們除了做一些工業(yè)落地方面的研究，也會(huì)兼顧學(xué)術(shù)方面的探索，在ICCV、ECCV上發(fā)表了幾百篇論文。

我們和香港中文大學(xué)聯(lián)合實(shí)驗(yàn)室共同啟動(dòng)OpenMMLab開源算法庫，其中包含了大家經(jīng)常關(guān)注的計(jì)算機(jī)視覺問題，如物體的檢測、行為的識別和超分等。

經(jīng)典算法開源，可以幫助大家更好地復(fù)現(xiàn)，目前也有一些其他院校加入到了這個(gè)開源平臺的構(gòu)建中。

同時(shí)，我們還提供了SenseAR增強(qiáng)現(xiàn)實(shí)的開發(fā)者平臺，這是學(xué)術(shù)和工業(yè)聯(lián)合研究的例子。

它不僅有增強(qiáng)現(xiàn)實(shí)AR和AI功能集成，從SLAM到人臉、人體的識別等，還可以部署到不同的手機(jī)上，目前這個(gè)平臺已經(jīng)部署在超過5000萬臺的手機(jī)上。

我們認(rèn)為做計(jì)算機(jī)視覺或者人工智能方面的研究有幾個(gè)比較重要的方面：

一是基礎(chǔ)層，包括芯片、AI超算平臺、深度學(xué)習(xí)平臺等基礎(chǔ)方面的研究，在這方面，我們還有很長地路要走，西方尤其是美國領(lǐng)先我們很多。

二是應(yīng)用層，這一塊中國是比較擅長的，我們有非常豐富的應(yīng)用場景，這些應(yīng)用場景可以給我們更多的反饋，驅(qū)動(dòng)我們的算法不斷地進(jìn)步。

三是工具鏈層，人工智能賦能百業(yè)，當(dāng)不同領(lǐng)域需要人工智能技術(shù)越來越多的時(shí)候，它對科學(xué)家或者研究員的需求是線性增長的，如何讓普通的開發(fā)者、公測人員可以根據(jù)我們的工具鏈迅速開發(fā)出合適的人工智能解決方案，使其生產(chǎn)力充分釋放出來，這是未來我們需要面臨的重大課題。

舉幾個(gè)例子，在算法精度不斷提升的前提下，如何拓展智慧城市從1到N的業(yè)務(wù)邊界、促進(jìn)2D感知到3D世界的落地，以及現(xiàn)實(shí)到虛擬現(xiàn)實(shí)的融合？

我們知道，人工智能的工業(yè)應(yīng)用時(shí)間點(diǎn)是在2014年，2014年商湯團(tuán)隊(duì)發(fā)表DeepID系列人臉識別算法全球首次超過人眼識別率。

而后，很多人認(rèn)為當(dāng)技術(shù)超過肉眼識別率時(shí)，問題就已經(jīng)解決的差不多了，其實(shí)不是這樣，現(xiàn)實(shí)生活中，很多場景對于技術(shù)的需求遠(yuǎn)遠(yuǎn)超過肉眼識別的水平。

2014年，當(dāng)時(shí)的技術(shù)誤識率是在千分之一，現(xiàn)在每年都有幾個(gè)量級的增長。從過去幾年中可以看到，隨著人臉識別技術(shù)精度持續(xù)增長，它可以不斷地突破業(yè)務(wù)的邊界。

此前，識別率比較低時(shí)，可以做1：1比對，如人臉、身份證進(jìn)行線上線下認(rèn)證，現(xiàn)在很多產(chǎn)品已經(jīng)出現(xiàn)在機(jī)場、酒店中。

從2017年開始，人臉識別技術(shù)開始應(yīng)用于手機(jī)解鎖功能，手機(jī)雖小但其要求更高，因?yàn)槭謾C(jī)不但要識別準(zhǔn)確，還要防止活體攻擊，這其中還包含各種各樣活體攻擊方式，從照片到視頻再到3D模型。

過去幾年里，我們的SenseID人臉識別、活體檢測水平持續(xù)提升，可以讓這一項(xiàng)技術(shù)進(jìn)入普羅大眾的日常生活中。

據(jù)統(tǒng)計(jì)，現(xiàn)在人們每天使用手機(jī)人臉解鎖這項(xiàng)功能超過100億次。

如果1：1是相對簡單的問題，1：N就更加復(fù)雜。

我們需要有數(shù)據(jù)庫，這里的數(shù)據(jù)庫可能是幾萬或者幾十萬量級。在門禁、閘機(jī)等通行場景中，一個(gè)大樓或者公司有1、2萬人的數(shù)據(jù)庫；智慧城市的數(shù)據(jù)庫可能達(dá)到幾十萬的量級。

商湯所做的就是從幾萬到幾十萬人中識別和分析所需要找的人與物。隨著場景不斷的拓展，我們可以看到人臉漸漸的成為人的身份標(biāo)志。

現(xiàn)在大家看到的是我們在上海西岸的“智慧公共空間管理平臺”，這個(gè)區(qū)域有密集的攝像頭，可以通過人臉識別、跟物體的關(guān)聯(lián)等，尋找到我們想要找的人或者丟失的東西。

現(xiàn)在智慧城市應(yīng)用里，我們可以看到有越來越多的攝像頭具有AI的功能，越來越多的攝像頭可以連接在同一個(gè)平臺上。

為了數(shù)據(jù)安全和數(shù)據(jù)隱私的保護(hù)，我們會(huì)逐漸減少人工干預(yù)和標(biāo)注，數(shù)據(jù)可以存儲(chǔ)在客戶那一端。

以前我們說算法性能的提升依靠人工標(biāo)注，現(xiàn)在我們的數(shù)據(jù)量有幾十億甚至上百億的量級，不太可能靠人工標(biāo)注，我們需要依靠機(jī)器終身學(xué)習(xí)，使數(shù)據(jù)得到自動(dòng)更新，部署系統(tǒng)和訓(xùn)練系統(tǒng)可以實(shí)現(xiàn)完美融合。

在3D應(yīng)用方面，手機(jī)已經(jīng)從單個(gè)RGB攝像頭到多攝到3D攝像頭。

2017年開始，蘋果應(yīng)用了結(jié)構(gòu)光3D攝像頭，后面我們可以陸續(xù)看到很多手機(jī)廠商不斷地推出這樣的機(jī)型，把有深度學(xué)習(xí)的攝像頭裝在手機(jī)上，可以帶來很多新的研究課題和新的應(yīng)用。

回顧一些大家比較熟悉的場景，看它如何從2D成長到3D并產(chǎn)生相應(yīng)的應(yīng)用。

比如最開始人臉的關(guān)鍵點(diǎn)，我們推出106個(gè)人臉關(guān)鍵點(diǎn)，主要是做人臉的屬性、人臉特效，用在互聯(lián)網(wǎng)直播等。

我們從106點(diǎn)到更稠密的240個(gè)人臉關(guān)鍵點(diǎn)，做的事情不僅是增加特效了，而且還有美妝，對人臉關(guān)鍵點(diǎn)的定位要求更準(zhǔn)確。

化妝后出現(xiàn)關(guān)鍵點(diǎn)偏移，比如紅嘴唇涂到牙齒上等等，這是我們不希望看到的，根據(jù)關(guān)鍵點(diǎn)，我們有智能的美顏、美妝，更多的功能需要更多稠密的關(guān)鍵點(diǎn)和定位。

現(xiàn)在手機(jī)上有了3D攝像頭，我們可以實(shí)現(xiàn)人臉3D重建，它對于技術(shù)的精度、計(jì)算復(fù)雜性、幾何復(fù)雜性都提出了更高挑戰(zhàn)。

目前，我們已經(jīng)在OPPO、vivo手機(jī)上實(shí)現(xiàn)了商湯人臉3D重建，根據(jù)這個(gè)可以進(jìn)行3D美顏、捏臉、微整形等。

更有趣的是3D Avatar，通過人臉驅(qū)動(dòng)3D Avatar，除了人臉的重建還有人體和一般物體的重建，正是因?yàn)槭謾C(jī)上有了深度的信息，可以給我們帶來不一樣的體驗(yàn)，2D相冊在未來可以拓展到3D相冊。

人體關(guān)鍵點(diǎn)定位跟蹤是學(xué)術(shù)界研究很長時(shí)間的課題，未來這個(gè)應(yīng)用可以落地在很多場景中。

包括服裝、膚質(zhì)的識別，我們可以根據(jù)你的服裝生成人體的形象，在互聯(lián)網(wǎng)直播場景中，以前給人加各種各樣的特效，現(xiàn)在還可以針對每一個(gè)人做虛擬形象。

另外，還可以設(shè)立虛擬觀眾席，如果大家不能在現(xiàn)場參加像今天這樣的大會(huì)，作為粉絲，你可以有自己的Avatar形象，可以在家里參加并進(jìn)行互動(dòng)。

最后，我想介紹人工智能和AR（增強(qiáng)現(xiàn)實(shí)）的結(jié)合。

2017年被大家看作是增強(qiáng)現(xiàn)實(shí)的元年，這一年蘋果、谷歌發(fā)布了ARKit和ARCore的平臺，商湯科技從2016年有自己的增強(qiáng)現(xiàn)實(shí)平臺SenseAR。

2016年我們主要支持娛樂互聯(lián)網(wǎng)的直播、特效等功能。

2018年，商湯以原創(chuàng)AR開發(fā)者平臺SenseAR為基礎(chǔ)，聯(lián)合OPPO共同打造OPPO ARunit平臺，通過這個(gè)平臺吸引更多的開發(fā)者加入，后面包括小米等互聯(lián)網(wǎng)公司也加入進(jìn)來并基于此做了開發(fā)。

這其中有SLAM技術(shù)、有各種AI功能，隨著手機(jī)3D攝像頭的出現(xiàn)，我們還有基于RGBD的SLAM和物體的重建。

除了手機(jī)端，我們也提供AR云形成多云共享，幾個(gè)人可以同時(shí)在虛擬空間里交互、游戲。

可以看到SLAM技術(shù)的落地面臨諸多挑戰(zhàn)，需要應(yīng)對動(dòng)態(tài)的場景、弱紋理、復(fù)雜運(yùn)動(dòng)以及室外大場景。

這里為大家展示的是OPPO手機(jī)上有了SLAM技術(shù)和深度攝像頭可以做AR測量，你可以拿著手機(jī)測量任何一個(gè)物體的大小，還可以自動(dòng)的檢測場景中的各種形狀，如方形、圓形、測量身高等。

現(xiàn)在對標(biāo)蘋果AR尺子的技術(shù)，在準(zhǔn)確性或者數(shù)字化、速度上等各方面上，我們可以做得更好一些。

我們還做了AR導(dǎo)航，大家可以在大的購物中心、酒店等室內(nèi)場景里找到自己的位置，在技術(shù)實(shí)現(xiàn)上，這是極具挑戰(zhàn)的。

杭州國博中心是一個(gè)非常大的場景，我們可以進(jìn)行3D地圖重建，用SLAM的技術(shù)實(shí)現(xiàn)室內(nèi)導(dǎo)航。

如果你走丟了，可以通過手機(jī)AR導(dǎo)航功能選擇路線，導(dǎo)航會(huì)自動(dòng)帶你到想要去的位置?？梢钥吹剿谶M(jìn)行場景的重建和定位，進(jìn)行手機(jī)的導(dǎo)航。

另外，我們的AR游戲跟《王者榮耀》合作，可以通過手機(jī)拍攝真實(shí)的場景，游戲里的人物會(huì)進(jìn)行虛擬和現(xiàn)實(shí)的融合。

接下來為大家展示多人共享的AR云（SenseAR），針對單個(gè)前端的設(shè)備，我們利用SLAM技術(shù)進(jìn)行場景的理解和定位。

如果幾個(gè)人同時(shí)想玩一個(gè)游戲，我們的AR云可以把他們不同手機(jī)上的坐標(biāo)系統(tǒng)一到同一個(gè)坐標(biāo)系下，實(shí)現(xiàn)跨平臺的互動(dòng)。

我們的SenseAR和手機(jī)廠合作，可以從手機(jī)到AR的平臺，再到渲染的平臺，貫穿開發(fā)給開發(fā)者，將來有更多的開發(fā)應(yīng)用和更好的體驗(yàn)。

上個(gè)月，我們還成立了中國增強(qiáng)現(xiàn)實(shí)核心技術(shù)產(chǎn)業(yè)聯(lián)盟(China Augmented Reality Core Technology Industry Alliance，簡稱CARA)，我們知道國外的增強(qiáng)現(xiàn)實(shí)是由谷歌、蘋果等巨頭主導(dǎo)，很多研究和創(chuàng)新需要聯(lián)合產(chǎn)業(yè)鏈上下游的力量綜合實(shí)現(xiàn)創(chuàng)新。

該聯(lián)盟由手機(jī)廠商、研究機(jī)構(gòu)、模組廠商、算法提供商和Sensor廠商組成，可以形成聯(lián)合創(chuàng)新。

這就是開始時(shí)談到的——現(xiàn)在和未來AI的研究不單單是在實(shí)驗(yàn)室研究單點(diǎn)的問題，我們要聯(lián)動(dòng)產(chǎn)業(yè)鏈上下游，通過緊密的合作和市場反饋提供新的問題，實(shí)現(xiàn)創(chuàng)新的突破。

我們相信未來隨著應(yīng)用場景不斷的豐富會(huì)給我們AI研究提出更多新的課題，我們和學(xué)術(shù)界、產(chǎn)業(yè)界一起把AI的研究推向更前端，有更多的落地場景。

謝謝大家！

現(xiàn)場觀眾提問：王老師好，我是香港中文大學(xué)的Ph.D，商湯研究院有這么多博士，我相信這是非常強(qiáng)大的學(xué)術(shù)組織，但畢竟商湯是商業(yè)化的公司，我特別好奇商湯研究院如何平衡商業(yè)回報(bào)和學(xué)術(shù)成果？

王曉剛：我們對于學(xué)術(shù)成果的看重不只是發(fā)論文，雖然今天PPT中展示我們有多少篇論文，但這不是最重要的。我們要求大家要做到在學(xué)術(shù)界有影響力，且能帶來突破以及可行的工作成果。

所謂的商業(yè)回報(bào)和學(xué)術(shù)突破二者并不是完全矛盾的，它們可以有更緊密的結(jié)合。我們已經(jīng)有非常多的研究員深入到各種實(shí)際應(yīng)用中，發(fā)現(xiàn)問題、解決問題。

人工智能與其他很多研究不太一樣，如果研究電磁學(xué)，在實(shí)驗(yàn)室里就可以了；但人工智能是賦能產(chǎn)業(yè)的，不能待在實(shí)驗(yàn)室，一定要理解客戶真正的問題是什么。

我們希望產(chǎn)業(yè)可以給學(xué)術(shù)提出新的問題、新的數(shù)據(jù)，在這些問題上實(shí)現(xiàn)產(chǎn)業(yè)和學(xué)術(shù)的結(jié)合。雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。