360首席科學家顏水成：我們如何做人工智能？

【編者按】本文整理自360首席科學家、人工智能研究院院長顏水成在5月11日“360公司人工智能媒體溝通會暨硬件新品發布會”上的演講，有不改變愿意的刪減。顏水成在8個月之前加入360，此前是新加坡國立大學的教授。360人工智能研究院成立大概18個月。

安全是360的基因和根基，隨著物聯網時代的到來，我們的CEO周鴻祎先生說業務要擴展，就出現了面向老幼安全的穿戴設備，面向家人安全的監控，還有陪護的智能硬件，以及面向出行的車輛的信息安全和駕駛安全。

為了應付這些智能硬件的需求，人工智能就變得不可或缺了。人工智能在云上，或者在端上成為支撐硬件產品的安全智囊。在新時代的360，人工智能和安全成為360的兩個關鍵詞。

基本布局

360的人工智能的基本布局，我們可以歸結成是全方位的，基于和面向深度學習。

在最基本的硬件層面，比如在云上、端上的面向深度學習的專用芯片，到面向大規模深度學習訓練的多機多卡軟硬件平臺，以及基于深度學習的各種人工智能前沿算法。然后是由人工智能支撐的各種智能硬件產品，基于深度學習，這些智能硬件有自學習的能力，智能水平還可以逐步的提高。

對于深度學習的研發，我們分成四個方向：

• 一是視覺感知，對圖象和視頻的分析；

• 二是語音感知；

• 三是語義感知，希望智能硬件能夠和用戶進行對話和交流；

• 四是大數據分析，我們也希望深度學習能夠發揮在大數據方面的積極作用。

在360內部，除了我所領導的人工智能研究院這個團隊，還有很多跟人工智能相關的團隊。比如搜索事業部，一直是用機器學習的方法提升搜索的性能，最近他們也把重點放到語義感知方面；另外有一個語音的團隊，也在進行語音識別分析的相關研發；天眼團隊用深度學習進行網絡分析；其他的有針對網絡、無線、車聯網安全的研究院或者是實驗室。

進展

一、建立360net，一個大規模深度學習的軟硬件平臺

360net是一個基于軟硬件的訓練平臺，支持多機多卡，可以用一百塊卡或者及百塊卡可以連在一起對深度學習進行訓練。

另外這個平臺具有高度的兼容性和可擴展性，對于新近出現的深度學習的模塊，可以非常容易的把它融入進來，減少它開發所需要的時間。

二、人臉分析

360已經開發了一套非常準確、穩定、魯棒、低功耗的系統。無論你用什么樣的表情，什么樣的姿態，人臉上的關鍵點都可以定位得非常的準確。

穩定就是說移動的時候那些點會非常穩定；魯棒，比如它只有很少的點可以看到，也做得非常好。基于這些就可以做性別、年齡、表情等的分析，對于很多業務來說都是非常重要的。

三、環境感知

在環境感知方面，360招進來一個團隊，他們之前是計算機視覺界世界杯比賽的冠軍。他們加入360之后把精力集中在車輛檢測、行人檢測，這些輔助駕駛中可能遇到的一些環境感知問題。

比如在一個自動駕駛的公測庫上，這是在外面的城市的環境里面，可以非常精確的把車輛和行人進行定位，這對于汽車輔助駕駛是非常有價值的。當然也可以在城市環境中，比如說高速路上，除了人車檢測之外，還可以進行車道線的檢測。

四、語音識別

有團隊在用深度學習做語音識別的訓練，語音輸入的錯字率可以達到低于1%的水平。作為語義理解的輸入，這對于語義分析，比如對話時候的語音識別結果，是非常有價值的。

五、利用深度學習做網絡流的協議分析、應用分析

我們的企業安全團隊，有一位同事利用深度學習做網絡流的協議分析、應用分析。從網上截取一段網絡流動，分析這個網絡流是用什么協議發送出來的，或者是用什么應用程序發送出來的。這樣對安全分析是非常有價值的。

展望

我們對360的人工智能的未來有一些憧憬，未來人工智能發展到一定的階段時，我們送到客戶家里的產品會用上360的人工智能技術。這些產品可能是萌萌的，沒那么厲害，但是因為它已經具備了一定的人工智能水平，所以可以進行觀察，也可以跟人進行交互。

總的來說，我們對360人工智能的期待，就是以后的智能硬件并不是固化的產品，不是拿回家以后就是這樣了，我們希望打造一款跟你一起成長，然后等你、呵護你的智能硬件。

題圖來源：Thinkstock

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。