AI 场景的价值体现——视觉 AI 技术落地实践
https://www.infoq.cn/article/2017/12/Ground-practice-visual-AI?utm_source=related_read&utm_medium=article
杨帆，商汤科技联合创始人、副总裁，EGO 北京分会会员。作为商汤科技工程产品中心总负责人，在泛安防智能视频、移动互联网、金融等行业开发和提供人工智能解决方案。凭借在计算机视觉算法产品化、项目管理、研发管理和团队管理方面十余年的积累和经验，杨帆推动商汤科技在技术应用商业化落地方面取得重大进展，仅 2016 年就获取了数亿元的产品订单。因参与创建商汤科技，并在短短三年内将其打造成为人工智能领军企业的突出表现，于 2016 年当选“北京市优秀青年人才”。
以下内容由 InfoQ 对杨帆先生的部分采访整理。
“AI 更大的价值在于跟不同的行业结合”
杨帆在计算机视觉技术领域沉浸多年，在微软任职期间，他主要从事计算机视觉、计算机图形学等领域的新技术孵化工作，包括人脸识别、图像物体识别、人像三维重建等；目前商汤的核心技术也是以人脸识别、智能监控、图像识别等为主。作为主导技术落地的负责人，杨帆笑称自己是给公司的研究员们打下手的。杨帆带领逾 200 人的工程开发团队，在泛安防智能视频、移动互联网、金融等行业开发和提供人工智能解决方案，推动商汤科技在技术应用落地方面取得重大进展。
杨帆认为，AI 技术并非新事物，但却在过去的两三年集中爆发，其关键原因就在于今天对语音、图像、视频，有了更加信息化的处理技术，在各个环节上具备了更强的技术储备。从技术到落地，AI 技术所实现的这一切，都离不开场景的支持。
AI 技术继承了多种基础技术，在面向工业、金融、医疗、家居、自动驾驶、安防、物流、农业等不同应用场景的解决方案，比如 AI 和医疗的融合应该会体现在智能设备和识别诊断主要两个方面；AI 和金融的整合使金融交易和管理更加安全，实现精准营销、大数据征信和普惠金融；AI 和安防的融合实现智能监控、安保机器人等应用场景；AI、大数据等这些东西纯谈概念是没有任何意义的，最终都要回归场景，可复用的基础技术和平台工具固然重要，但只有落在应用场景里，我们才知道其明确的价值在哪里。
业界曾出现一种批评的声音，称现在很多公司和开发者其实对于深度学习的运作原理并不清楚，只知道应用，却不知其所以然。
杨帆表示：“学术界有两套观念，一套观念说知其然不知其所以然是离经叛道、是不对的。对于这个观念，杨帆表示认可，其实现在已经有很多团队，包括商汤也投入力量在进行更加前沿、更加基础性的科研，“这样的基础科研能够指导我们将来在正确的方向上走得更远。”但杨帆认为，基础研究与应用科研，二者不可偏废，完整的科学体系和持续的方向性指引非常重要，但是实证科学也非常重要，企业最终还是要以技术落地的结果说话。”
人脸识别大行其道，不免让人对这项技术及其背后的公司产生了许多好奇。商汤的人脸识别技术到底有何门道？
对于这两年非常火的“刷脸”，开始有各种基于人脸验证能力的实用化场景。在互联网信息安全方面，对于账户的盗用能够更好的分析和调查，包括线上的手机端、桌面端、H5，包括定制的摄像头。操作逻辑非常简单，最开始做刷脸的注册，现在刷脸的支付，手机逐渐去进行刷脸的解锁。在对于个人的认证上，也有非常多的价值。人脸识别的技术，可以判断操作手机的是不是真实的人。有一个活体检测的技术服务，也包括在线下一体机的形态。对身份证的关键信息进行扫描，包括对身份证内部照片的读取和当前采集人之间进行判断。基于人像的身份认证也是一个非常有价值的工作，它是一个特殊的跨行业的解决方案。这个解决方案现在已经从线上到线下开始极大范围地蔓延。对中国来说，个人公民身份信息的实名制是一个非常重要的诉求，这个诉求能够有效地帮我们在一定程度上解决互联网的安全问题、解决线下的公共安全问题。所有线上的互联网行业应用，到各种线下行业，包括机场、超市、酒店，都会有越来越多的对于个人身份信息核验的强烈需求，商汤在这方面也提供了非常完整的解决方案。
大家都关注识别正确率，在实际场景中正确率是否为最关键因素？
近几年，很多公司在人脸识别技术上投入了大量的研发并取得了亮眼的成绩，其中识别率一直是各家宣传的重点，今年我们能在各类报道中频繁看到各种 99%、99.4%、99.8% 等。虽然企业这么宣称，但实际背后蕴含的差异是非常大的，它会有非常多影响因素，所以准确率跟行业背景以及前置假设会是一个强相关的关系。而不同的场景下取得的识别准确率很难做类比。
当识别率达到 99% 以后，人脸识别技术面临的难点主要在于，如何在不同行业场景中深化这项技术。虽然看上去 99% 的识别率已经很高了，但不同行业场景对于识别率的要求不同，99% 可能只是该技术得以使用的入门条件；而安防场景下，照片模糊、有遮挡、角度不佳都给人脸识别带来了更现实的挑战。
“看似同质化很强、很简单的人脸识别，细分的技术场景其实非常复杂，所以脱离场景去谈技术是没有太大意义的，今天能看得到的，包括以安防、手机这样的一些重点行业为代表，对于真正的人脸识别技术的全面深化存在着非常多的挑战，值得我们去攻克。”
那么，怎样判断一个行业是否具有做 AI 场景的价值？如果从商汤自身说起，在做 AI 平台化的进程中，遇到过哪些挑战和问题？
1、看需求
首先，需求得是真实的。杨帆举了个具体的例子：有一个家电厂商想通过人脸识别功能，实现“我进去之后这个房间自动调节成 16 度，我母亲进这个房间自动调节成 26 度”。我问他：“如果你和你母亲一块进去怎么办，如果你背着身进去怎么办？”他说这个需求，其实最好的解决办法就是摇控器。
其次，需求得是刚性的。需要考虑用户愿不愿意买单，愿意花多少钱买单？往后更深层次的逻辑链，需要对场景的更深的了解。
2、规模化
今天完成一套解决方案成本很高。人脸识别这样的技术，在不同的场景中技术差异很大。我今天做金融，1：1 的认证，错误率做到百万分之一，千万分之一，准确性非常高，在金融场景中非常好用。如果放在安防的场景下，安防要求百万人的黑名单库。而且黑名单库还要有误报，每一次误报有一个出警。同样是人脸识别，不同场景下关注的技术指标和任务是完全不同的。所以同样一个技术概念，在不同场景下的差异性非常明显。再者技术什么时候成熟需要在特定的需求场景下，离成熟多远要有一个预判力。
3、数据闭环
做 AI 技术，数据闭环是非常重要的环节。为什么？我们做视频的会发现，当你技术不成熟的时候你的业务不能用，业务没有落地的时候就没有数据。做不好，就形成死循环。这样的死循环如何去打破？原动力的突破来自于技术，当你的技术有小的突破，把其他场景迁移过来。技术的突破可以带来业务的落地，业务的落地带来数据的累积，数据的累计可以带来技术的进步。这样的数据闭环，帮助整体业务拓展并能带来非常大的价值。今天，数据面临隐私性和安全性的质问和考验。包括区块链在内的很多技术，还有一些非技术的方式方法，可以带来更深层次的探索。
4、商业化
光做出好产品是不够的，还要在市场上真的有价值，并且能持续保有竞争力。任何新技术都会随着时间的推移而扩散，一般所拥有的时间窗口最多也就是一年多的时间。
在这一段时间内，如何看待当前所面临的场景？在这个场景中技术到底占据多大的地位? 是非关键性的应用还是关键性的应用？技术上的突破和分配，是否产生根本性的问题？在技术的壁垒期，我们能否利用这一段时间构建起技术以外的壁垒？
只有壁垒构建出来，利用时间窗口期把技术优势转化成其他的竞争性壁垒，这样的行业才值得去做。
5、技术创新驱动
早在一两年前，我们就搜集到大量用假照片和视频去攻击刷脸识别的行为，各种各样的案例。当我们拥有大量来自真实业务的攻击数据时，就能够针对图像视频各种各样的攻击方式进行非常好的防范，这来自于大量线上攻击的业务数据的累积，以及对这些数据的二次挖掘和利用。
这个给我们什么样的启示？做刷脸一开始是做人脸识别，但后来我们发现人脸识别不是最重要的，最重要的活体识别，分清到底是一个真人还是仿冒攻击。只有深入场景，才能发现你所面临的技术挑战跟你之前想象的不同。当行业落地的时候所面临的技术挑战，实际上需要重新定义、分解和解决。
从这五个闭环能够帮助我们去判断，把一个 AI 技术应用在某一个场景是否真的有价值，是否真的有意义，是否带来更大的用户价值。从这几个角度大家去进行分析判断，会有一个相对比较好的结论。
想把落地场景做好，复合型技术人才尤为重要
如杨帆所说，真正去看行业落地的时候，往往都是不同的技术叠加和组合的应用，这里面人脸识别和动作识别是最关键的技术，但实际上想把落地场景做好，一定需要多种技术组合。
杨帆表示，将创新技术转变为实际产品是一条满是荆棘的道路，行之不易，而其中最大的难点，一是如何选对方向和时机，二是如何找到合适的人才。
行业落地需要各种综合性的关键技术的整合。行业的需求往往是一些相对模糊的，而且从技术上来看是非常不明确的东西，这时候就需要有人有足够的能力去一一拆解。在杨帆看来，找到或培养一些既有技术背景、又对行业有足够深的理解的人才，是企业实现 AI 技术落地最关键的一点。他说到，“人才问题、团队组织问题、发展问题，特别是做 2B 行业，标准化与非标准之间的平衡性掌握，任何一个技术性产品落地会面临的共有问题，做 AI 技术落地，这些问题一个都不会少，而只会更严重。AI 人才是个更大的坑，AI 的技术性更深重，从过往来看，它跟行业的结合更弱，所以你想要真正去打磨出一个符合真正行业需求的产品的时候，需要把对行业的理解和对技术的理解融合在一起，这是当前最具挑战任务之一，因为过去可能这个世界上基本不存在这样的人，对行业有理解的人很少。”
结语
视觉 AI 技术的落地与 AI 人才的培养是一个复杂而庞大的话题，需要对技术和人才都有比较深刻的理解和认知。2018 年 1 月 5 日，移动技术创新大会上，杨帆也会针对 AI 的应用实践展开深入分享，感兴趣的同学可以点击阅读原文报名，现场与杨帆深入探讨和切磋！
AI 场景的价值体现——视觉 AI 技术落地实践相关推荐
- PaddleSports：“AI+体育”端到端开发套件及落地实践
本系列根据WAVE SUMMIT+2022深度学习开发者峰会「开源开放 生态共建」论坛嘉宾分享整理.本文整理自「开源开放 生态共建」百度研究院的资深研究员卢飞翔的主题演讲--PaddleSports: ...
- 技术沙龙 | 云时代下的架构演进—企业云及云原生技术落地实践
云改变了IT行业的形态和市场格局,催生了应用的发展.随着云计算技术的不断演进,作为一名优秀的架构师,必须深入了解云计算平台的特点及架构设计,包括构建数据库.大规模落地微服务.Service Mesh和 ...
- 三维声技术在赛事直播中的应用，TWS耳机中音频技术落地实践，通话降噪算法落地应用及挑战...
三维声技术在赛事直播中的应用 Topic <三维声技术在赛事直播中的应用探析> 韩建 咪咕文化科技有限公司 资深音频技术专家 作为元宇宙重要的技术基石之一,三维声技术也随着元宇宙概念的走 ...
- 【视觉AI训练营】day1导论-视觉AI技术应用探索
非常高兴能够成功报名参加这期AI训练营,希望能有一份不一样的体验. 视觉生产技术 1.定义和分类 2.精细理解-寻微入里 3.视觉生成 4.视觉编辑 5.视觉增强-修复如新 6.视觉制造-由虚入实 7 ...
- 阿里云趣味视觉AI训练营－达摩院视觉AI介绍
平台概述 使命:让天下没有难用的视觉AI 目标:聚合阿里内外视觉能力,打造以公共云API能力为内核的视觉开放平台,提供统一的产品体验.丰富案例和工具套件,让开发者和业务伙伴省心.安心的继承使用,构建A ...
- 我们能达到电影里的智能吗？最可能实现的AI场景是什么？如何看待AI自主性？...
来源:学术头条 本文共3709字,建议阅读7分钟. 本文为你分享大咖们对人工智能安全伦理和社会问题的深入探讨. AI Time "论道AI安全与伦理",邀请清华大学人工智能研究院院 ...
- AI驱动的超分辨技术落地实践
近年来,随着深度学习技术的快速发展,基于AI的超分辨技术在图像恢复和图像增强领域呈现出广阔的应用前景,受到了学术界和工业界的关注和重视.但是,在RTC视频领域中,很多AI算法并不能满足实际场景下的应用 ...
- “智感超清”之HDR技术落地实践
本文由百度智能云-视频云音视频处理技术架构师--邢怀飞,在百度开发者沙龙线上分享的演讲内容整理而成. 内容从百度智能视频云的核心竞争力:"智感超清"出发,梳理了智能视频云相关的产品 ...
- 架构师实践日 · 6.30 杭州站 | 视觉 AI 技术如何助力行业提升？来西子湖畔与业内大咖面对面交流！
伴随内容形式的变迁(文字 → 图片 → 视频),目前视觉 AI 技术不仅被应用到传统领域的升级革新中,还作为最重要的基础人工智能技术渗透到前沿技术的创新研究中. 七牛架构师实践日第二十九期将以视觉 A ...
最新文章
- python查看文件夹下所有文件
- WINCE6.0+S3C6410下的DM9000A驱动
- 小白科普：虚拟化简史
- leetcode 561. 数组拆分 I（Java版）
- ufvm可以读哪些网格_墙面开裂原因有哪些？钢筋网和网格布怎么用？
- python质量转换程序,Python库的文件转换成MP3和设置它们的质量
- 捷联惯导系统学习7.3(惯性/卫星组合导航 )
- 互联网下载.deb安装包
- 231个web前端常用的javascript特效分享
- Java 开发手册 - 编程规约 【控制语句】
- 数字孪生--thingjs
- ThingWorx公开课圆满结束
- 小程序服务器获取appid,微信小程序小程序appid如何获取
- 用pyinstaller打包python文件（.py）为可执行文件（.exe）
- java 根据PDF模板生成PDF文件并导出
- JavaScript数组方法三板斧，100%的开发都得知道
- Cause: java.sql.SQLException: connection closed问题排查、解决
- Ubuntu中安装edb1.3.0
- 泰克示波器如何测峰值电压？-Agitek帮您解答
- html5与交互融媒体内容设计,“HTML5交互融媒体内容设计与制作”赛项