<mark id="oztn4"></mark>
0
| 本文作者： 史中 | 2016-08-13 07:10 | 專題：CCF-GAIR | 全球人工智能與機器人峰會 |
從飛鳥到飛機，從蝙蝠到雷達。人類對自然界的每一次致敬都能把自己帶入一個新時代。而人工智能，恰恰是向自然界的王者——人類——致敬。
自從有計算機那天開始，人們就從未中斷讓機器擁有智慧的夢想。在這條路上，有一位廣受世界學界尊重的大師，他就是來自 360 的首席科學家、國際知名計算機視覺與深度學習專家顏水成。
他不僅在國際上領域數次引領了計算機視覺的研究方向，還進行了大量前瞻的實踐，讓計算機模仿嬰兒大腦的運作方式，一步步觀察學習這個世界。
在 2016 CCF-GAIR 全球人工智能與機器人峰會上，顏水成接受了雷鋒網的專訪，分享了他對于人工智能和計算機視覺的洞見。
【360 首席科學家，360 人工智能研究院院長 顏水成】
目前的人工智能很多都依靠云端的計算，但是有些場景并不適合云端。例如：
特斯拉的自動駕駛技術，對于面前的路況進行圖像采集之后，如果發送到云端進行處理，會有明顯的延時，這樣等結果返回本地，往往已經錯失了處理的時機，就失去了意義。
直播業務中為主播實時加上裝飾的技術，例如為主播加上虛擬的耳環。這種場景下，如果從服務器上拉回來計算結果，會有時延，由于主播在運動，所以沒辦法精確對位，體驗就會很差。
有的智能攝像頭會提供一個功能：查看是否有可疑人員進入監控區域。如果設備銷量很大，大量用戶同時使用這個功能，這時如果在服務器端進行計算，就會對服務器造成很大壓力。
還有很多智能設備的應用環境是沒有網絡的，無法和服務器交互。
【特斯拉自動駕駛示意圖】
以上這些場景，如果將運算任務直接下發到智能設備終端上，這些瓶頸就會迎刃而解。
但是，把運算載荷放到設備上，顯然要克服諸多問題。其中最大的一個就是：終端設備的運算能力存在天花板。（由于智能設備成本有限，大多不可能配備頂級運算芯片）
解決這個問題，有兩個方向：
1、降低運算的精度。例如在手機端識別人臉和年齡，精確度必然難以比肩專業的識別系統。但是這種從95%到85%的精度損失，是人們可以承受的。
2、改進計算模型。當然，最好的情況是能夠開發出新的更優計算模型。但是在現有模型下，也可以通過改進策略實現算法精簡。例如顏水成帶領團隊研究了一些算法調整，在原有算法基礎上增加了一些判斷那些邏輯不用計算的策略。這樣雖然看起來規則更復雜了，但是總體來看計算量是減少了。
顏水成認為，這些策略的優化是非常有意義的，因為成本往往是實現商業化的重要因素。
目前最主流的人工智能芯片，全部采用 GPU。但是 GPU 的體量大，耗能高，無法在手機等設備中使用。目前看來，在手機或硬件上智能使用性能稍好的 CPU。
從目前來看，市面上還沒有一款專門為端設備研發的深度學習芯片。而中國人也在試圖給出在這個領域的專用芯片。
例如中國科學院計算技術研究所的“寒武紀”芯片，和由前百度深度學習研究院院長余凱創建的地平線機器人科技，都在試圖制造這樣的專用芯片。
【寒武紀芯片】
由于芯片生產是一個非常重的產業。一款芯片從流片到量產往往需要一年到一年半的時間，耗費數百萬美元。如果無法大規模銷售，那么將會造成成本無法控制。
在成熟的芯片可用之前，用各種方法降低端芯片的運算量，不失為一個好的方法。
當你看到一個人的照片，有關他的很多故事就會自動涌現在你的腦海里，這就是人腦的奇妙之處。
類腦研究一直以來都是人工智能領域很超前的研究方向。簡單來說，就是要準確掌握人腦的工作原理，在此基礎之上用相同的原理設計深度學習網絡。
但是顏水成說，人腦研究領域的發展并沒有想象中快。但是他非常欣賞以人腦為啟發研究出來的計算模型。
例如當一個人看到某個物體時，這個物體是不斷地對視網膜進行沖擊，這個信號就像流水一樣，在神經的各個部位達到了一個新的平衡。
這就像一個水管網絡，在入口加壓，會層層推導，造成整個網絡的各個節點的壓力同時改變。
“對于大腦而言，某個圖像對整個系統加電信號，會導致與之相關的所有記憶和知識瞬間涌現。”
這樣的效率會遠遠高于目前人工智能所使用的線性計算。
雖然這種模型聽上去很奇妙，但是在實際的方程求解方面，仍然面臨重重問題。不過顏水成表示，在這個方向上，也許未來能有新的解決方法。
目前的深度學習，無一例外需要大量的數據。例如要想讓機器可以準確識別出一只狗，需要先讓系統“看”成千上萬只狗。但這顯然和人類的學習方式不同。
一個小孩子，可能只需要看到一兩只狗，就可以認識全世界所有的狗。
【無監督學習】
從這一點上看，“小樣本”“無監督”“自學習”是人類完勝機器的方面。那么機器有沒有可能實現小樣本無監督學習和自學習呢？
這也許就要回到每個人最初認識世界的那一刻。
顏水成說：
根據一些研究，每個小孩子最初的視覺學習都是從運動的物體開始的。嬰兒就像青蛙一樣只能識別運動的物體。因為物體只有運動，才能分割出眼前世界的區塊。而從這里出發，才有了物體的概念。這以后才是小樣本學習和自學習的過程。
顏水成對這種學說非常感興趣，這實際上展現了機器視覺的新入口：視頻。
從視頻切入，發現人類和機器學習的密碼。這也是顏水成帶領團隊正在進行的工作之一。
你有沒有這樣的經歷。看到一個人，你確信認識 Ta，但就是想不起 Ta 的名字？
這個人腦特有的現象，不經意間揭示了一個人腦運作的巨大秘密。
【經常想不起對方的名字】
顏水成向雷鋒網分享了他最近了解到的一個新的假說：
這可能說明人腦分為兩套識別系統：參數模型和非參數模型。
對于不常見到的人或物體，大腦會選擇把他們放置在非參數模型中；直到你經常看到這個對象，大腦才會把它轉移到參數模型中；如果接下來又長時間不見面，這個對象又會被移動回非參數模型中。
這大概就是動畫片《頭腦特工隊》所描述的規則。
而這個規則，恰恰可以和人類的學習模型相聯系。
例如父母剛剛教會了小孩“馬”。這時“馬”就進入到了他大腦的非參數模型中，直到他有一天到了動物園，觀察到新的“馬”。這些樣本累積到了一定程度，就會使得“馬”進入到了參數模型。
這種認知模型，對于改進機器學習的架構有著重大的意義。機器的無監督學習和自學習似乎露出了一絲曙光。但是顏水成說，人類的學習遠遠不是這么簡單，因為人的學習不僅是依靠圖像，還結合了聲音、語義。而在這些方面，研究空白很大。
對于 AI 來說，最重要的有四個方向：視覺，語音、語義、大數據。
而目前科學家在視覺，語音和大數據方面，都實現了可用性比較強的人工智能。唯獨在“語義理解”這個最重要和易感知的方面徘徊不前。
這也是為什么目前的所有人工智能機器人感覺都有些“辭不達意”的原因。
究其原因，仍然是之前提到的：人類現有的語義理解實現技術和人大腦的工作架構完全不同。人對于語義的理解，不僅僅是建立在對方的話語本身之上，還要綜合考慮話語環境，知識背景、情緒等等因素。這些因素中的任何一個，目前都不能被人類科學家很好地控制。
顏水成坦言，這方面的研究非常困難，已經超越了他的能力范圍。但也是正是專注于自己的視覺和大數據研究領域，才能專心做出更多的成績。
AI，這兩個字母充滿了神秘和浪漫的氣息。這不僅代表了我們對于未知的渴望，對于創造的期待，也代表了我們對于自身智慧的無上虔誠。
在人工智能領域的每一個洞見，都可以讓我們更加接近那個終極的答案。
這讓我們感到欣喜。
顏水成，360 首席科學家，360 人工智能研究院院長。曾在新加坡國立大學領導機器學習與計算機視覺實驗室。顏水成的主要研究領域是計算機視覺，深度學習，與多媒體分析。他的團隊提出的“Network in Network” 對深度學習產生了很大的推動力，他的團隊在五年內曾7次問鼎計算機視覺領域“World Cup”競賽 PASCAL VOC 和 ILSVRC的世界冠軍和亞軍獎項。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
