最近衰退得厉害，总是不记得自己还有flag要扶，而且还有新的课程要听，不过一想到做事不能虎头蛇尾，所以还是坚持着先把这个事完成再说，加油！之前还把第九讲和第十讲弄混了，其实笔记上有标题，但是因为中间笔记用了两个本子来记录，所以整理时就没有注意区分，从这一点上来看，有的时候人抠死理儿是应该的。

第九讲，是来自360颜水成老师的分享，平时看起来360闷声当管家，其实人家私底下潮着呢，什么深度学习，各种模型玩得666的呢，所以快来围观360家的人工智能吧。

一、课堂回顾

安全卫士——颜水成老师

奇虎360公司集团副总裁、360首席科学家、360人工智能研究院院长。自2004年起开始在计算机视觉、人工智能、多媒体等领域进行高质高量的研究工作和技术应用，目前在国际高质量期刊和会议上共发表约500篇论文，Google Scholar统计引用共计30,000+次，5篇文章单篇引用超过1000次。在过去9年里，共获得30+项荣誉和奖励，其中包括IEEE Fellow和IAPR Fellow、2014，2015，2016年三次“汤森路透全球高引用学者”、“新加坡青年科学家奖”等。2017年带领团队斩获ImageNet大规模视觉识别挑战赛冠军。

分享内容

1、人工智能的理想与现实

从2016年以来，人工智能获得了良好的发展势头，无论是学术界还是工业界，AI的表现都是热火朝天论文的接收量和相关方向的博士生、硕士生，多了一茬又一茬，而以人工智能为噱头的各种创业公司和项目更是犹如雨后春笋，开始不断地冒出来。看似人工智能下一步就要拯救全世界，但实际上，大家心里都有数，所谓的论文，去掉注水量，剩下值得读的精品也不多，而拿着大把大把融资的人工智能公司，真正有产出的又有几个呢？兄弟们快醒醒，事实就是我们的模型只在理想情况下管用，一放到实际就是一坨坨屎，无人车上路还会撞死人呢，许多所谓的超越人的人工智能，也只是因为计算能力和存储能力远远高于人类，我们离自己构想的人工智能完美世界，或许和到达共产主义色会的距离是一样一样的。当然了，这也不是说我们要消极失望，更多地应该是对人工智能怀抱一种理智的态度，真正地做一些实事，用心地呵护它成长才是正确的打开方式。

2、人工智能应用的主要4个方向

（1）人工智能主要处理的问题方向包括视觉、语言分析、语义分析（对话）及大数据等，几乎所有可以想象的应用都可以具体化地归类到这几类问题中。

（2）人工智能主要处理的两类问题：

soft-tasks:例如搜索、推荐等，任何一点新的进展都会获得及时的收益；
hard-tasks:例如监控、自动驾驶等，必须达到一个特定的阈值之后才可以商业化

3、人工智能的四元分析

（1）随着人工智能慢慢地开始落地，除了需要考虑算法、数据、模型，场景也是落地的一个重要因素，现在商业化的人工智能应用大都是围绕场景，进行算法、模型的设计，并采用不同的数据进行训练，最终完成项目的工程化；

（2）学术界和工业界的人工智能

颜老师指出，学术界的人工智能和工业界的人工智能，二者其实是存在一定的差别的，接下来是对二者的分析。

实验室里的人工智能，更多的是针对某一些特定的问题、缺陷，然后进行算法的设计，追求的是某种精度的极限。比如说，采用更多的模型、更快的、更大的、更好的模型结构等，或者组合预测学习、增强学习等多种手段、更好的调参、更快捷的训练平台甚至是更多的计算资源。直观地说，学术界追求的更多的是论文成果，却不会过多地考虑解决问题的普适性。其实实验本身和实际就是会存在一些分离的，而现实情况往往没有那么理想化，所以许多实验效果很好的论文，落实到具体实际问题的解决中其实际效果却不好。

而工业界中的人工智能，需要考虑的场景却复杂很多。首先，我们需要清醒地意识到，人工智能、算法等这些都不是实际的产品，它们只有结合具体的应用场景之后才能落地。在实际的产品研发中，以核心算法为中心，向产品和底层系统搭建发散，最后形成可用的产品。大部分情况下，学术界的算法到真正的产品打造中，其实起到的作用是会比较低的，30%-40%算是不错了。

其次，要构成比较好的产品体验，有后端的因素，比如后台训练平台的架构、后台服务系统，未来的某一些特定情景，还会考虑把AI硬件化，同时还涉及到前端的算法工程化、产品的外观设计、产品的市场营销等，都是非常重要的。所以，AI的价值，必须跟具体的业务场景相融合，业务场景为人工智能提供有壁垒的数据，然后再训练出更好的模型，用到场景里继续产生新的更有价值的数据，不停地迭代才能发挥好的价值。

最后，算法科学家进入工业界，一定要记得没有完美的算法，需要产品等其他工程师一起把不完美的算法打造出没有瑕疵的用户体验。很多时候算法工程师和产品工程师无法做出完美产品的原因是信息不对称。

比如人脸的技术用于娱乐这个应用，更换人脸，技术是不完美的，一定会有抖动，不可能产生满意的用户体验；而如果不是换人脸，只是加一个花环，或者其他的装饰，即使技术不完美，但从用户体验来说，带来的这种愉悦感是没有问题的。这就是典型的算法+产品，尽管算法不完美，但用户体验不受影响。

此外，工业界做一个基于AI的产品，需要考虑四个维度：

*在学校时有一个想法，做一个demo，写一篇论文就行；但在工业界一定要能满足人的高频刚需，这个产品才可能是成功的产品。
技术要成熟。如果现在要追求像《her》那样的情感交流，技术不可能。
要有技术壁垒。现在这个时代很容易被竞争对手，或者大的公司，通过砸钱的方式直接毙掉了。无论是工程开发，还是后台的稳定性，以及投入的金钱，都是没法跟大公司PK的。
商业变现模式。在学校思考得非常少，但工业界一定要做思考。没有商业变现模式的公司迟早要遇到瓶颈和问题。

人工智能研发的目标：

人工智能研发的第一个目标是精度极限，由算法激发，找寻可落地的业务场景，通过改良算法适用问题达到学术界追求的精度极限，同时不断地优化产品体验，这部分的工作可能用脑比较多。

人工智能研发的第二个目标是产品体验，而由工业界驱动的产品体验极限追求，则把场景、算力固定。在这种情况下，不断提升在特定场景情况下的数据积累，并提升算法，最后数据、算法、场景形成闭环，不停的迭代，最终达到产品的用户体验极限，这一部分的工作更多的是用心。

4、人工智能技术趋势

当前人工智能效果比较好的一些产品，可能用到的都是深度学习的方法，深度学习的一个局限就是需要大量的标注数据，而这在日常可获取的数据中，其实是比较困难的。比如，语义分割，如果采用全监督的方式，那么需要的训练数据要求图像中的每一个像素都有标签，如果人工去获得这些训练数据，其实成本是十分高昂的。而深度学习确实又是目前比较有效的一种方法，因此，学者们开始把目标转向了弱监督学习或是模型的自主学习。比如，语义分割的弱监督训练，就是只需要给出一些比较宏观的、局部的、不完备的标注就可以，比如图像中有哪些物体（图像级别的语义标签）、一些边框、画线等，而这样的训练数据获取就比较容易了，因为现在社交中的大部分数据其实都具有一些弱标注。

5、360AI在干什么

（1）360的使命：安全，无论是处在任何时代下，360的使命始终是安全，而其实很多人在狂热追求AI的时候，也忘记了，AI 作为一些程序段，本身是存在许多风险的，也可能受到攻击，所以也需要安全保护。

（2）360业务场景

泛安全智能：网络安全、360儿童、360智能等、360小水滴摄像头

短视频智能：AR特效套件、2/3D人脸特效、视频云脸（视频管理、视频推荐、视频广告）

大数据智能：搜索及个性化推荐，360智能广告

（3）智能体的安全问题

AI传感器/数据安全：传感器攻击、误导或失效、隐私问题、敏感问题、对抗样本

AI+软件安全：利用深度学习系统、软件漏洞进行攻击、系统拒绝服务、篡改结果、控制流/系统劫持

智能硬件安全：自动驾驶系统被劫持、机器人系统恶意代码

自动飞行器恶意攻击；

6、AI +区块链

（1）一些典型公司：Ocean ，业务聚焦于数据交易和共享；

（2）cortex：在线inference，分布式运行，用户上传型；

（3）RAVEN：分布式训练，利用闲置资源进行分布式计算；

7、对话

（1）未来3-5年AI+视频的突破点在哪里？
虽然短视频是未来的一个大方向，但是由于存在一些局限，可能短期内无法获得可观的进步。

第一，数据非常有限，甚至于在训练的时候连标注哪里都不知道，标注的成本非常高；

第二，基本图像的处理虽然越来越好，但是视频的理解是要把图像的处理串联起来之后才能形成的语义关系，这个目前还没有什么进展；

第三，各个公司没有形成共同可用的数据集，所以训练数据还是一个短期内不会得到解决的问题。

（2）如何看待AR

AR眼镜一定会流行起来，可以支持手势交互，提供更良好的体验，对场景进行3D重建，就好像人的眼睛一样，对场景可达到实时的理解。

（3）从科研学术走到产业界，如何过度？

从学术界到工业界，开始不要想着能解决所有问题，先从公司的一个重要场景出发，把算法和数据相互融合，开始不要一味追求模型精度的提升，因为开始的时候数据分析带来的价值更大。算法的攻坚更适合在商业逻辑完善，数据流程清晰之后。

后话：

工业上的很多产品的灵感来自于一些新的论文，但是就像颜老师提及的，学术界和工业界还是存在一定的差距的，所以我们自判断一个论文的想法适不适合落地，也提供了一些新的思路。做产品不是瞎想，很多结论和决策都应当综合考虑，以数据为依据，才能做出风险更小的决策。当然了，每一个决定做产品狗的人都应该心里有数，做产品就应该踏踏实实，不要玩虚的，加油！！

北大AI公开课第九课--人工智能在视频中的应用by奇虎360颜水成相关推荐

北大AI公开课第一课——人工智能前沿产业趋势by雷鸣老师
最近听了北大的AI课程,为了更好地吸收课程的精华,将知识变成自己血肉里的力量(认真脸),决定要把课程的笔记重新梳理一遍,一直以来记笔记的习惯是(1)只记感觉对自己很有用的,如很新颖的.很经典又容易忘的 ...
北大AI公开课13讲全链接+最强干货盘点：视频+笔记+文字实录
视频地址:北大AI公开课专栏笔记:北大AI公开课刚刚结束的北大 AI 公开课,由北大人工智能创新中心主任雷鸣组织,以把听者培养为"懂产业的 AI 人才"为主旨,邀请了13位顶级 ...
【北大AI公开课13讲全链接+最强干货盘点】中国AI +，群星闪耀时
转自微信公众号新智元新智元推荐整理:张易胡祥杰 [新智元导读]本文盘点了刚刚结束的北大 AI 公开课的精彩干货,附全部的文字实录链接和视频链接,是全景式地了解中国 AI 产业发展现状和趋势极 ...
北大AI公开课2019 | 微软亚洲研究院周明：NLP的进步将如何改变搜索体验？
本文由InfoQ家整理首发,未经授权请勿转载 4月3日,北大AI公开课第七讲如期开讲,微软亚洲研究院副院长周明与大家分享了近期自然语言技术取得的进展和创新成果,并探讨了自然语言技术和搜索引擎如何进一步 ...
北大AI公开课2019 | 商汤科技沈徽：AI创新与落地
3月13日,备受瞩目的北大AI公开课第四讲如期开讲,商汤科技集团副总裁.商业与数据洞察事业群总裁.工程院院长沈徽带来了<AI创新与落地>的分享,结合商汤科技在技术创新以及产业落地上的经验和 ...
北大AI公开课2019 | 驭势科技吴甘沙：AI时代的自动驾驶趋势
在努力的拓展技术和应用对外的边界,尽快的把技术发展到为人类所用的过程中,有很多的技术的挑战,自动驾驶行业尤其如此.自动驾驶技术发展至今也取得了很多进展,3月20日北大AI公开课第五讲,请到了驭势科技创 ...
北大AI公开课2019 | 雷鸣：人工智能革命与机遇
2019年2月20日,北京大学"人工智能前沿与产业趋势"正式开课.本学期的课程邀请到了商汤科技副总裁沈徽.驭势科技CEO吴甘沙.微软亚洲研究院副院长周明.360人工智能研究院院长颜 ...
北大 AI 公开课 2019 | 颜水成：人工智能行业观察与实践
人工智能领域存在着工业界与学术界的分别,近年来,随着 AI 高速发展,在这两个不同的世界里,分别发生了哪些大事件?作为一家以安全为主要业务的企业,360 又是如何在人工智能时代发挥作用?本期北大公开课 ...
北大AI公开课第七课--AI赋能智赢未来by科大讯飞胡郁
今天来打卡英语流利说第三天,希望自己可以坚持下去,说实话,一直以来我都挺喜欢英语的,然后从大一开始,也在网易公开课上听了很多世界名校的计算机专业课.金融.心理学方面的课,感觉对于语感的培养还是很不错的 ...

北大AI公开课第九课--人工智能在视频中的应用by奇虎360颜水成