曠世科技孫劍：計算視覺的革命與挑戰 | CCF-GAIR 2017

2017年7月7日至9日，全球人工智慧與機器人峰會CCF-GAIR大會在深圳大中華喜來登酒店舉行。本次由CCF中國計算機學會主辦、雷鋒網與香港科技大學（深圳）承辦的大會聚集了全球30多位頂級院士、近300家AI明星AI企業 ，參會人數規模高大3000人，都是國內頂級陣容。雷鋒網記者在會議期間第一時間進行現場報告。

孫劍首先自然地吐槽了天氣導致的飛機延誤。但同時他也自然地開始考慮，如果人工智慧能夠幫助飛機規划起落，肯定會比無人車容易，而且能起到明顯的幫助。

進入正題，孫劍表示，人工智慧的分析跟大數據、計算力、演算法提升有關係，但是他覺得最重要的是計算方式的變革。神經網路雖然是人類在計算機上建立、發展的，但神經網路中激活函數、非線性單元、權重矩陣的應用可以形成非常高維的非線性函數，從而可以完成與以往天壤之別的任務。在這個之上，GPU還讓神經網路的發展如虎添翼。

Face++很早就意識到這樣的運算非常重要，所以他們自己構建了完整的運算平台，自研的深度學習框架、深度學習訓練引擎Brain++，然後花了非常多的時間去打磨。對這個方向的認可和深入的投入讓Face++取得了優異的成果。

孫劍講解道，曾經人們不相信深度學習網路是可以被訓練的。從2012年8層的AlexNet之後，一切就都變了。然而在這種範式下，網路在20層左右的表現最好。

不過Face++的深度殘差網路ResNet達到了152層，效果也得到了大幅度提高；2016年的時候甚至達到了1000層，這時候網路實現已經沒有難度了。

隨著網路研究的發展，不同的設備上開始依據計算資源的多少出現了網路的分化效果。與1000層針鋒相對，Face++新的ShuffleNet就適合非常小的計算量，但比AlexNet效果好不少。網路架構也不斷得到提升，越來越快，效果也越來越好。FGPA都可以實現30fps的1080p圖像識別。

人臉識別方面，大家在超越人類的識別精度後，繼續不斷地刷新紀錄。

依靠Face++自研的網路和智慧城市天眼系統，他們在今年MIT科技評論的最智能公司中排名第11位。

計算機視覺方面還有這樣幾個挑戰：感知問題好解決，認知&概念問題非常難解決，甚至不知道如何教機器，但計算機視覺其實也有很大一部分是認知和概念問題，比如到底什麼樣的東西是椅子，有兩個非常有力的例子，人都沒法準確地描述到底什麼是椅子。

還有弱線索、遮擋、模糊、對象追蹤等情況，人類的在識別的時候會依據常識加入豐富的想像和推理，但是很難把這些能力教給計算機，計算機在這些狀況下的識別就比人類差很多。

最後還有對精度要求非常高的場景，比如自動駕駛和醫學圖像診斷；以及基於背景知識的圖像內容描述，挑戰都是非常大的。不過這還意味著有很多的潛力可以挖掘

更多演講報道及演講圖文全文，請繼續關注雷鋒網。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！