<mark id="oztn4"></mark>
0
| 本文作者： 溥茜 | 2023-08-30 17:33 |
作者：孫溥茜
編輯：陳彩嫻
受訪人：楊恒
現(xiàn)任深圳愛莫科技有限公司創(chuàng)始人&CEO
劍橋?學(xué)博?后、倫敦?學(xué)博士、國防科大本碩
復(fù)旦大學(xué)、西電、深圳大學(xué)兼職教授、校外碩士生/博士生導(dǎo)師
深圳市海外高層次人次（孔雀人才）、深圳市南山區(qū)第六屆政協(xié)委員、深圳市十佳創(chuàng)業(yè)英才、深圳人工智能產(chǎn)業(yè)協(xié)會(huì)行業(yè)專家、深圳軟件行業(yè)協(xié)會(huì) AI 領(lǐng)域?qū)＜?/em>
曾作為負(fù)責(zé)人深度參與多項(xiàng) AI 領(lǐng)域的國家863 / 國際重點(diǎn)項(xiàng)目研發(fā)
在 AI 頂級(jí)會(huì)議期刊（例如CVPR/ICCV/NeurIPS/ICML/IEEE Trans等）發(fā)表論文 30 余篇，已獲授權(quán)發(fā)明專利 40 余項(xiàng)
“數(shù)據(jù)稀缺”、“研究源告急”、“大模型耗盡宇宙文本”......這段時(shí)間關(guān)于大模型缺少訓(xùn)練數(shù)據(jù)的話題層出不窮。相應(yīng)地，“ AI 訓(xùn)練 AI” ，“合成數(shù)據(jù)”，所謂用魔法打敗魔法的聲量也此起彼伏。
Open AI 的 CEO Sam Altman 今年上半年在一個(gè)訪談里提到“未來所有數(shù)據(jù)都將變成合成數(shù)據(jù)”， AI 科技評(píng)論也在和不同的訪談?wù)呓涣髦邪l(fā)現(xiàn)， AI 訓(xùn)練 AI 的方式已經(jīng)在大模型落地部署的過程中悄然流行。
業(yè)界對于合成數(shù)據(jù)觀點(diǎn)不一。Transformer 的作者之一 Aidan Gomez 認(rèn)為：合成數(shù)據(jù)可能加速通往“超級(jí)智能”AI 系統(tǒng)的道路。但也有人持反面意見：認(rèn)為“合成數(shù)據(jù)存在偏差”，“使用合成數(shù)據(jù)訓(xùn)練，會(huì)讓模型出現(xiàn)不可逆轉(zhuǎn)的缺陷。”更甚有網(wǎng)友調(diào)侃，合成數(shù)據(jù)聽起來就好像 AI 在近親繁殖。
不過，網(wǎng)絡(luò)上的討論聲音距離應(yīng)用落地的第一線還是差了十萬八千里。
成立于 2018 年的愛莫科技（ 英文名稱：AiMall ）是一家利用人工智能技術(shù)為線下消費(fèi)零售提供數(shù)字化解決方案的公司。創(chuàng)始人楊恒博士在數(shù)據(jù)仿真、計(jì)算機(jī)視覺領(lǐng)域已經(jīng)有超過十五年的研究經(jīng)驗(yàn)，他本科碩士期間攻讀的是“模式識(shí)別與智能系統(tǒng)”專業(yè)，為了能深入人工智能研究，楊恒又前往英國倫敦大學(xué)攻讀博士學(xué)位，聚焦人臉識(shí)別的研究方向，而后繼續(xù)到劍橋大學(xué)做博士后研究。訪談中，他為我們介紹了屬于愛莫科技的數(shù)據(jù)仿真式訓(xùn)練模型方法，以及是如何實(shí)現(xiàn)應(yīng)用落地的。
以下是 AI 科技評(píng)論與愛莫科技創(chuàng)始人楊恒的對話：
AI 科技評(píng)論：我們了解到愛莫科技今年4月發(fā)布了大零售模型，貴司一直以計(jì)算機(jī)視覺為所長，進(jìn)入大模型領(lǐng)域作何考慮？
楊恒：這是個(gè)很好的問題。我個(gè)人之前有過十多年的學(xué)術(shù)研究經(jīng)歷，對于學(xué)術(shù)界來說，需要在一條技術(shù)路徑深耕下去。但產(chǎn)業(yè)界恰好相反，企業(yè)思考的模式更多要從客戶需求出發(fā)，愛莫科技過去四、五年主要聚焦在視覺 AI 的產(chǎn)業(yè)化落地，但服務(wù)要對客戶需求量體裁衣。客戶不會(huì)關(guān)心你具體用什么技術(shù)干了這件事，他們只關(guān)心自己的問題有沒有解決。在這個(gè)過程中我們發(fā)現(xiàn)，解決客戶的問題光靠計(jì)算機(jī)視覺不夠，也需要今天家喻戶曉的大模型，本質(zhì)上企業(yè)對這些解決方法都有需求。
我們在計(jì)算機(jī)視覺方向研究時(shí)間比較久，但其實(shí)在大模型這個(gè)概念爆火之前，2020 年我們已經(jīng)開始了類似的研發(fā)，2021 年推出了第一個(gè)類似產(chǎn)品，叫“一問即得”。
“一問即得”不是一個(gè)純視覺的產(chǎn)品，它也有語言模型，語言與視覺的結(jié)合可以豐富 AI 產(chǎn)品對環(huán)境的感知。客戶可以通過對話的方式快速得到自己想要的答案，這個(gè)產(chǎn)品和 ChatGPT 的邏輯非常相似。
愛莫科技2020-2022年間基于大模型的系列產(chǎn)品
以線下消費(fèi)零售為例，企業(yè)需要處理大量的圖片、視頻、文本、服務(wù) C 端的消費(fèi)者數(shù)據(jù)。如果一個(gè)模型只有單一模態(tài)能力，就沒有辦法把客戶的需求系統(tǒng)化解決。現(xiàn)在有了大模型這個(gè)工具，愛莫科技將識(shí)別能力、語言理解能力，以及對業(yè)務(wù)內(nèi)部流程理解能力綜合起來打造的模型，才是在垂直場景有價(jià)值的大模型。所以現(xiàn)在我們更好的定位是，以垂直場景具有多模態(tài)能力的大模型為驅(qū)動(dòng)，持續(xù)滿足客戶需求。
AI 科技評(píng)論：有句形容 AI 與大模型弊病的話，“有門檻、沒壁壘”，您怎么看？您覺得愛莫科技這次入局大模型的優(yōu)勢在哪里？
楊恒：對 AI 公司來說，技術(shù)是一個(gè)基本門檻，如果沒有技術(shù)能力，就無法進(jìn)入這個(gè)行業(yè)。但確實(shí)現(xiàn)在支持調(diào)用各種大模型接口，或者開源大模型，都在將 AI 科技創(chuàng)業(yè)的門檻慢慢降低。其實(shí)無論是大模型還是所謂的小模型，亦或傳統(tǒng)的機(jī)器學(xué)習(xí)也好，模型本身并沒有價(jià)值，有了對業(yè)務(wù)的理解，模型才可以再去賦能。
我認(rèn)為我們?nèi)刖肿畲蟮膬?yōu)勢在兩方面：有對業(yè)務(wù)的理解，以及有行業(yè)的數(shù)據(jù)。
過去幾年，我們與很多客戶建立長久合作，針對場景 know-how 打造業(yè)務(wù)高價(jià)值產(chǎn)品，在目前落地的細(xì)分賽道都建立了標(biāo)桿應(yīng)用。
從數(shù)據(jù)優(yōu)勢來看，我們聚焦線下消費(fèi)零售數(shù)字化應(yīng)用的研發(fā)，但線下的數(shù)據(jù)非常稀缺。所有的大模型訓(xùn)練都需要數(shù)據(jù)，像 OpenAI 這類公司主要通過爬取互聯(lián)網(wǎng)數(shù)據(jù)的方式，但對于垂直場景仍然不夠。比如線下每一家門店的經(jīng)營表現(xiàn)情況、成立情況等細(xì)粒度數(shù)據(jù)，是無法像在線上一樣通過爬蟲獲取的。過去五年，愛莫科技積累了大量的線下消費(fèi)零售數(shù)據(jù)，形成了自己的零售數(shù)據(jù)平臺(tái)，這是支撐我們打造垂類零售場景大模型的關(guān)鍵燃料。
AI 科技評(píng)論：您剛剛提到數(shù)據(jù)對模型訓(xùn)練的重要性，愛莫科技是如何應(yīng)對這一數(shù)據(jù)難題的？
楊恒：剛剛也提到無論大模型還是小模型，對于產(chǎn)業(yè)有價(jià)值的都是基于監(jiān)督學(xué)習(xí)的方法，而監(jiān)督學(xué)習(xí)最基礎(chǔ)的邏輯就是要對數(shù)據(jù)進(jìn)行很好的人工標(biāo)注，然后再進(jìn)行訓(xùn)練，最后形成一個(gè)可使用的模型，這基本上是所有的 pipeline。
但人工標(biāo)注有兩大問題。第一是成本較高，無論是采集數(shù)據(jù)或者找人工標(biāo)注，都需要成本；但這不是主要瓶頸，我認(rèn)為最大的問題在于：人有標(biāo)注能力的上限，而人的標(biāo)注能力上限就決定了模型的上限，如果人學(xué)不了，機(jī)器也就學(xué)不到了。
這就是我們公司一直在打造基于仿真系統(tǒng)的知識(shí)驅(qū)動(dòng)人工智能（Knowledge-driven Intelligence based on Simulation System，以下簡稱“K.I.S.S”）的原因所在。仿真系統(tǒng)的核心要解決的就是兩個(gè)問題：如何降低標(biāo)注成本？如何突破人工的標(biāo)注極限？
愛莫科技的 K.I.S.S
這里可以舉兩個(gè)例子。
第一個(gè)是關(guān)于“人”的識(shí)別。以大家較為熟悉的人臉為例，人臉識(shí)別一直都是 AI 公司競爭非常激烈的一個(gè)場景，但我們公司在 2019 年仍然能以非常高的價(jià)格將人臉識(shí)別算法授權(quán)給大公司，這就得益于我們這套基于仿真系統(tǒng)的人臉識(shí)別算法訓(xùn)練方式。通常情況下，大家都采用正臉數(shù)據(jù)進(jìn)行模型訓(xùn)練，正臉光照好、人工容易標(biāo)注，很多公司都能做得非常好。但一些角度非常大、特別模糊、光照特別不好、人看不清的畫面就超過了人的標(biāo)注極限，這種時(shí)候人類沒辦法準(zhǔn)確標(biāo)注，也可能導(dǎo)致這個(gè)模型根本沒有學(xué)到此類場景。
這時(shí)候我們用自己的 K.I.S.S 仿真系統(tǒng)，只需要客戶提供一張正臉圖片，就可以根據(jù) 2D 圖片生成 3D 人臉模型，仿真出很多復(fù)雜場景的人臉數(shù)據(jù)樣本去訓(xùn)練模型，提高識(shí)別準(zhǔn)確率，所以哪怕在愛莫科技的最早期，也能夠與市面所有大公司正面 PK。
第二個(gè)例子是關(guān)于“物”的識(shí)別。我們在做的線下消費(fèi)零售場景，對商品陳列的精準(zhǔn)識(shí)別是占比很大的需求，而精準(zhǔn)就需要模型做到非常細(xì)顆粒度的識(shí)別，比如客戶想要識(shí)別冰柜里的冰淇淋，品牌是夢龍還是和路雪，口味是巧克力還是香草，陳列露出占比又是多少。但實(shí)際應(yīng)用中，商品規(guī)格多且相似度高，擺放凌亂遮擋嚴(yán)重，依賴人工很難做到快速又細(xì)致準(zhǔn)確地標(biāo)注和統(tǒng)計(jì)。
愛莫科技基于 K.I.S.S 的冰淇淋陳列 3D 仿真數(shù)據(jù)
對于這種零售商品的識(shí)別模型訓(xùn)練，我們也用仿真方式產(chǎn)生大量自帶標(biāo)注的數(shù)據(jù)樣本，模型的精度、成熟度、穩(wěn)定性得到了市場應(yīng)用驗(yàn)證，從訓(xùn)練成本到精度都具備明顯優(yōu)勢，這是我們技術(shù)路線底層的核心邏輯。
AI 科技評(píng)論：您如何看待數(shù)據(jù)仿真這條技術(shù)路線未來對大模型訓(xùn)練的應(yīng)用價(jià)值？
楊恒：最近我看了 OpenAI 的 CEO Sam 的采訪，今年上半年他就說，如果 OpenAI 現(xiàn)在的大模型想繼續(xù)提升能力，當(dāng)下唯一的解決方案就是更好地去合成數(shù)據(jù)，其實(shí)就是我們說的數(shù)據(jù)仿真的方式。
通過仿真技術(shù)，我們可以模擬不同的業(yè)務(wù)場景，生成大量的數(shù)據(jù)來訓(xùn)練模型，比如不同的光照、角度、表情、各種遮擋，這樣才更符合攝像頭可能拍到的實(shí)際情況。但仿真技術(shù)的意義不止是數(shù)量的增加，更大的價(jià)值在于讓數(shù)據(jù)分布更多元。模型在訓(xùn)練時(shí)見過各種場景數(shù)據(jù)，它的實(shí)際應(yīng)用效果才會(huì)更好。這樣一來，我們可以不斷根據(jù)需求更準(zhǔn)確地模擬實(shí)際場景數(shù)據(jù)，以此提高模型精度和性能。同時(shí)，仿真數(shù)據(jù)自帶標(biāo)注，不再需要大量人工，效果得到提升。
每個(gè)公司都有自己的技術(shù)路徑，拿業(yè)務(wù)場景來說，我們和其他技術(shù)提供商是在同一市場，但每家公司都有自己認(rèn)可的技術(shù)路線，這也是 AI 公司之間最本質(zhì)的一個(gè)區(qū)別。
我們選擇基于仿真系統(tǒng)的方式，可能主要跟我自身背景有關(guān)，我從本科開始就一直研究計(jì)算機(jī)仿真，我認(rèn)為這件事情是有價(jià)值的，所以從公司成立到現(xiàn)在以及未來，愛莫科技都會(huì)堅(jiān)定這條路線。
AI 科技評(píng)論：愛莫科技從創(chuàng)立起就聚焦線下零售的 AI 應(yīng)用，原因是什么？目前主推的人工智能解決方案有哪些？
楊恒：愛莫科技 2018 年成立，那個(gè)時(shí)間也算得上是人工智能的又一次低谷期，但也正是這樣，讓大家可以回歸商業(yè)本質(zhì)思考如何實(shí)現(xiàn)產(chǎn)業(yè)落地。我自己也在思考有哪些大的線下場景適合 AI 落地，經(jīng)過市場調(diào)研，再結(jié)合團(tuán)隊(duì)優(yōu)勢，我們最終決定將 AI 落到零售這個(gè)市場足夠大、最接近消費(fèi)大眾的場景，“愛莫”就是 AI 觸達(dá)末端的含義。
我們的應(yīng)用是從線下場景的剛需切入，打造的第一個(gè)主推產(chǎn)品叫「一拍即核」，主要是幫助品牌實(shí)現(xiàn)面向線下營銷活動(dòng)的高效開展及效果評(píng)估，用 AI 提高品牌的渠道力。以前，因?yàn)榈赇仈?shù)量多又分散，品牌面向線下零售小店的營銷活動(dòng)執(zhí)行與效果評(píng)估都很困難，「一拍即核」不僅能實(shí)現(xiàn)商品及物料的線下陳列營銷智能核查，即拍即核，實(shí)時(shí)反饋，還能為品牌的營銷活動(dòng)提供更豐富多樣的玩法，現(xiàn)在已經(jīng)應(yīng)用在酒水飲料、奶制品、食品、藥品等細(xì)分行業(yè)，像聯(lián)合利華、東鵬飲料都是我們的客戶。
愛莫科技賦能實(shí)體零售的還有另一主打產(chǎn)品「虛擬店長」，主要通過脫敏式識(shí)別和分析門店客流、消費(fèi)氛圍、員工作業(yè)、安全衛(wèi)生情況等一些場景數(shù)據(jù)，幫助店主實(shí)時(shí)把握運(yùn)營情況，不僅可以實(shí)時(shí)調(diào)整門店氛圍，還能精準(zhǔn)提升服務(wù)質(zhì)量，比如，消費(fèi)者落座一分鐘之內(nèi)，就有服務(wù)員熱情地接待，消費(fèi)者離席兩分鐘之內(nèi)，清潔工會(huì)及時(shí)清理餐具，給消費(fèi)者帶去更好的體驗(yàn)感受，也為店家節(jié)省人工成本，實(shí)現(xiàn)門店全場景數(shù)字化精細(xì)管理。
愛莫科技「虛擬店長」核心功能
AI 科技評(píng)論： AI 公司一般都很難盈利，愛莫科技這幾年實(shí)現(xiàn)持續(xù)盈利是如何做到的？
楊恒：很多方面的原因吧。從企業(yè)經(jīng)營策略上來說，如果用一句話概括就是：一定要做真正屬于 AI 公司自己的業(yè)務(wù)。
大部分 AI 公司虧損比較嚴(yán)重，原因在于還沒有找到真正需要 AI 的商業(yè)場景時(shí)，為了許多偽需求場景投入過多研發(fā)，最后無法產(chǎn)生客戶價(jià)值，或者產(chǎn)生了很多營收但并不屬于真正 AI 業(yè)務(wù)，比如做了安裝集成的項(xiàng)目，看起來收入高了，但只是在用高成本做一件低毛利的事，所以是不可能盈利的。
我們思考的就是 Product-market fit（PMF），也就是產(chǎn)品 - 市場匹配，這非常重要。愛莫科技與標(biāo)桿客戶深度合作，在零售、餐飲、物流等領(lǐng)域從實(shí)際場景挖掘業(yè)務(wù)的 AI 需求，幫助客戶解決實(shí)際問題，為客戶創(chuàng)造或者提升商業(yè)價(jià)值，從而體現(xiàn)我們的價(jià)值。創(chuàng)業(yè)五年疫情三年，我們能一直處于小盈利的狀態(tài)，就是在產(chǎn)品和市場匹配上抓的比較好。當(dāng)然成功的道路不止一條，只是這條路比較符合愛莫科技。
其次，團(tuán)隊(duì)協(xié)作也很重要。我們的聯(lián)合創(chuàng)始團(tuán)隊(duì)能力非常互補(bǔ)，有人擅長算法，有人擅長架構(gòu)。比如我的一位聯(lián)合創(chuàng)始人有在世界 500 強(qiáng)消費(fèi)零售公司十多年的工作經(jīng)驗(yàn)，她對消費(fèi)場景的理解非常深入。而我做技術(shù)出身，如果沒有她，我會(huì)花很多時(shí)間去調(diào)研零售行業(yè) Know-how，比如為什么會(huì)有品牌商，為什么會(huì)有零售商，不太了解如何運(yùn)作品牌方，不了解市場，但通過她十多年的行業(yè)經(jīng)驗(yàn)，整個(gè)團(tuán)隊(duì)就可以根據(jù)對場景的理解，思考如何更快更好地打造產(chǎn)品。
AI 科技評(píng)論： 未來愛莫科技的發(fā)展規(guī)劃如何？看你們提出了一個(gè)叫 WPA 的概念，和 RPA 有什么區(qū)別，和你們的發(fā)展有什么關(guān)聯(lián)？
楊恒：AI 是一個(gè)非常大的行業(yè)，我們把 AI 細(xì)分看，比如提到 RPA，深入大家腦海的是 UiPath，提到 CRM，首先會(huì)想到 Salesforce，現(xiàn)在提到 ChatGPT，大家第一個(gè)會(huì)想到 OpenAI。所以我們對未來的規(guī)劃是：做作業(yè)流程自動(dòng)化（Workflow Process Automation，WPA）。WPA 這個(gè)概念是我們首先提出來的，沒有太多競爭對手，希望未來提到 WPA，行業(yè)就會(huì)想到愛莫科技的名字。
再說回如何解釋 WPA，其實(shí)用 AI 為企業(yè)數(shù)字化賦能，本質(zhì)來說就是在實(shí)現(xiàn)企業(yè)作業(yè)流程的自動(dòng)化。比如現(xiàn)在給 ChatGPT 一個(gè)目標(biāo)，讓它為我寫一個(gè)文檔、一段代碼，發(fā)出指令后它馬上幫我自動(dòng)化完成，無論這個(gè)東西是否叫 AI，最終實(shí)現(xiàn)這個(gè)目標(biāo)的產(chǎn)品本質(zhì)就是作業(yè)流程的自動(dòng)化。
但現(xiàn)在還有很多作業(yè)流程，例如營銷方案的設(shè)計(jì)、營銷效果的審核判定等，不是簡單的規(guī)則性工作，需要更高階的「智能」作為基礎(chǔ)能力才能推動(dòng)作業(yè)流的自動(dòng)化執(zhí)行。更高階的「智能」不僅包括跟人類一樣的 intelligence，還需要有對具體工作的 knowledge，然后實(shí)時(shí)執(zhí)行決策、優(yōu)化和調(diào)整，才能實(shí)現(xiàn)真正的作業(yè)流程自動(dòng)化，即 WPA，這就是愛莫科技未來要做的。
MPA、RPA、WPA 的進(jìn)化過程
AI 科技評(píng)論： 面對行業(yè)白熱化的競爭，您會(huì)采取什么策略來保持愛莫科技的競爭優(yōu)勢？
楊恒：在泛 AI 行業(yè)里我們確實(shí)有非常多的競爭對手，但就像剛才我提到的，每家公司的技術(shù)路線不同，在數(shù)據(jù)仿真這條路上我們已經(jīng)走了 5 年，已經(jīng)有了大量的行業(yè)客戶背書，競爭一直存在，每一個(gè)維度都有競爭，但如果從整體維度看，我依然非常看好愛莫科技未來的發(fā)展。
AI 科技評(píng)論：作為十多年人工智能從業(yè)者，您個(gè)人如何看待 AI 的未來？
楊恒：我認(rèn)為現(xiàn)在的人工智能行業(yè)充滿了機(jī)遇和挑戰(zhàn)。機(jī)遇在于各種創(chuàng)新技術(shù)不斷涌現(xiàn)，吸引了更多的人才和資金進(jìn)入。但同時(shí)也面臨著過度炒作和不理性發(fā)展的風(fēng)險(xiǎn)，所以需要行業(yè)內(nèi)的從業(yè)者們保持冷靜和理性，確保人工智能的健康發(fā)展。
比如過度承諾夸大宣傳，可能讓需求方對人工智能的預(yù)期過高，導(dǎo)致實(shí)際應(yīng)用效果與預(yù)期不符。另一方面，過度承諾也可能吸引一些不太理性的人才進(jìn)入行業(yè)，可能會(huì)誤導(dǎo)行業(yè)的發(fā)展方向。
包括關(guān)于 AI 是否會(huì)淘汰人類也一直是個(gè)爭議很大的話題。前段時(shí)間 StabilityAI 的 CEO 在采訪時(shí)也談到五年內(nèi)人類程序員會(huì)失業(yè)，但其實(shí)反過來思考，人類可以借助 AI 工具完成很多事情了，人工智能生產(chǎn)力的極大提升會(huì)讓生產(chǎn)關(guān)系發(fā)生變化，過往完全由人類控制的 AI 機(jī)器會(huì)逐漸過渡到能與人協(xié)作，人與 AI 能達(dá)到共榮共生的狀態(tài)，愛莫科技也正在朝這個(gè)方向前進(jìn)著。
歡迎添加作者微信Sunpx33，交個(gè)朋友～
雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))雷峰網(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。
