北京智源人工智慧研究院啟動「智源學者計劃」，與曠視發布首個智源聯合實驗室

【獵雲網（微信：ilieyun）北京】4月17日報道

4月16日，北京智源人工智慧研究院與曠視啟動「智源學者計劃」，雙方共同成立聯合實驗室。

北京智源人工智慧研究院是在科技部和北京市委市政府的指導和支持下，由北京市科委和海淀區人民政府推動成立，依託北京大學、清華大學、中國科學院、曠視等北京人工智慧領域優勢單位共建的新型研發機構。

北京智源人工智慧研究院副院長劉江介紹，自2018年11月成立以來，北京智源人工智慧研究院按照《北京市支持建設世界一流新型研發機構實施辦法（試行）》精神，積極探索新型科研管理等機制體制創新，貫徹國家新一代人工智慧發展規劃總體部署，實施「智源學者計劃」，支持科學家勇闖人工智慧科技前沿「無人區」，同時與北京優勢高校院所和骨幹企業共建聯合實驗室，開展跨學科、大協同的創新攻關，引領未來人工智慧基礎研究方向。

北京市科委副主任張光連在講話中指出，北京市科委在2018和2019年兩年給予智源研究院共計3.4億元的資金支持，海淀區在辦公空間、人才政策等方面提供了服務保障，今後還將支持智源研究院積極爭取國家科技部等部門支持，承接國家科技創新2030—「新一代人工智慧」重大項目等任務。今年，北京將開放一批人工智慧應用場景，推動人工智慧新技術、新產品、新模式在北京率先運用，促進人工智慧和實體經濟深度融合。同時，還將成立智源人工智慧產業培育基金，超前布局，分擔企業創新風險，積極培育一批國際領先的人工智慧企業。

智源學者計劃發布，著力培養國際影響力的青年學術英才

據北京智源人工智慧研究院院長黃鐵軍介紹，此次發布的「智源學者計劃」，是智源研究院打造高層次基礎研究人才隊伍的引領性工程，旨在面向當前和未來人工智慧創新發展，選拔並培養一批德才兼備、具有國際影響力的學科領軍人才和具有發展潛力的青年學術英才，構建富有創新能力、梯隊合理的人工智慧基礎研究創新團隊，建立面向未來人工智慧發展的高端人才儲備，引領未來人工智慧基礎研究方向，推動北京人工智慧產業創新發展。

「智源學者計劃」為從事人工智慧基礎研究的科學家營造了良好的科研環境，給予科學家充分的尊重和信任，將技術路線決策權和人財物支配權全部交於科學家，試點科技經費「包干制」，使科學家可以心無旁騖、潛心研究、創新突破。「『智源學者計劃』的目標，就是要找到最好的人，給他自由支配的經費，提供他需要的資源，支持開展人工智慧領域特定方向上的重大基礎問題研究，或者開展前沿問題的自由探索。」黃鐵軍說。

具體來說，「智源學者計劃」將依託北京大學、清華大學、中科院等優勢高校院所，以及曠視等骨幹企業研究院，對四類人才進行重點支持，分別是：智源科學家首席（CS）、智源研究項目經理（PM）、智源研究員（PI）和智源青年科學家。其中，智源首席科學家（CS）由領域內頂尖專家學者擔任，負責研究方向的整體規劃布局，並推薦智源研究員（PI）人選；智源研究項目經理（PM）則兼備技術和管理才能，協助CS管理項目，並負責多方溝通；智源研究員（PI）是所屬研究領域的領軍人才，開展確定領域的科研活動；智源青年科學家是38歲以下擁有博士學位、在科研上具有無限發展潛力的青年學者，並在智源研究院對支持下開展開放性、探索性研究，勇闖人工智慧科技前沿「無人區」，面向未來人工智慧新思維和新體系的發展提出引領性的原創基礎研究成果。

目前，經過提名、初評、審議等流程，已經遴選出首批智源學者共21人，並即將啟動公示程序。其中，首批智源學者「人工智慧數理基礎」重大研究方向首席科學家（CS）由中國科學院院士、北京大學數學科學學院張平文教授擔任，智源研究項目經理（PM）由北京大學夏壁燦教授擔任，智源研究員（PI）候選人由來自北京大學、清華大學、中國科學院的10名傑出中青年學者。首批「智源青年科學家」候選人共9人，其中「人工智慧數理基礎」5人，「機器學習」方向4名，分布來自北大、清華、北京應用物理與計算數學研究所和曠視。其中，入選首批「智源青年科學家」候選人的曠視研究院研發總監張祥雨博士僅28歲，也是首批智源學者候選人中年齡最小的一位。

按照計劃，首批智源學者將致力於打破基於計算機實驗和神經科學的人工智慧的慣用建模範式，以可解釋性的新型人工智慧模型、新型的機器學習演算法、深度學習的基礎研究為研究內容，解決人工智慧面臨的可計算性、可解釋性、泛化性、穩定性等基礎理論問題，建立以數學與統計理論為第一原理的新一代人工智慧方法論。

黃鐵軍表示，今年將計劃遴選智源學者100人，其中青年科學家30-50人。2020年和2021年再分別增加100人，智源學者總體規模保持在300人左右。

智源與曠視共建聯合實驗室，建設一體化開放創新平台

會上海淀區委常委、副區長李俊傑、曠視首席科學家孫劍教授共同為「北京智源 - 曠視智能模型設計與圖像感知聯合實驗室」揭牌。該聯合實驗室擬由曠視首席科學家兼曠視研究院院長孫劍任實驗室主任，研究員周舒暢任實驗室副主任。

「目前有大量的高校、研究院所、創新創業人員和行業客戶，想參與到人工智慧創新中，但苦於沒有數據，算力或演算法等資源，無法施展。」在發布會現場，孫劍一針見血指出了當前人工智慧行業創新所面臨的問題。

2017年7月，國務院發布《新一代人工智慧發展規劃》，人工智慧上升為國家戰略。建立開源開放的人工智慧開放創新平台，服務企業應用技術開發成為當前該領域的難點。國家也希望龍頭企業通過打造人工智慧開源開放創新平台，調動產學研，社會各類創新創業主體參與共同打造我國自主知識產權的產業生態，提升國際影響力，促進行業整體發展。

同時，北京市作為第一個國家新一代人工智慧創新發展試驗區，也希望能夠充分調動北京技術、人才方面優勢，通過組織機制創新，依託龍頭企業牽引進行多主體協同創新，打造我國乃至全球技術高地。

「北京智源 - 曠視智能模型設計與圖像感知聯合實驗室」也因此孕育而生。孫劍表示，曠視與智源通過聯手打造數據集和建設聯合實驗室，來推動整個行業協同創新發展，建設共性技術開放創新平台，構建自主可控產業生態。

據孫劍介紹，「北京智源 - 曠視智能模型設計與圖像感知聯合實驗室」將基於曠視在計算機視覺技術和應用的深厚積累，通過3年時間，建設一體化的數據共享、模型設計與場景測試的開放創新平台，突破大數據背景下模型架構設計、優化和部署等技術，探索突破視覺系統性能極限和模型設計及場景測試的自動化，推進大數據背景下模型架構設計、優化和部署等方面的研究。

數據方面，實驗室將立足曠視演算法落地場景豐富、數據積累深厚的優勢，以開源數據集、預抽取特徵等形式，持續開放通用物體分類、物體檢測追蹤、人像人形識別屬性等視覺問題數據，助力相關領域研究。針對高搜索效率、高準確率、高靈活性等關鍵指標，該實驗室還將開展支持大計算量模型的新神經網路架構搜索演算法（NAS）研究，構建一站式深度模型自動化設計平台等工作。

模型設計優化方面，平台將提供自動化模型搜索、錯誤分析與可視化工具，加速大模型架構探索和優化，降低面嚮應用的模型設計門檻，來解決傳統模型架構人工設計方法的經驗性強，迭代周期長的問題。同時，實驗室還將積極探索低位寬神經網路相關技術，研究實現對於大計算量模型的雲上和終端兩級的硬體支持，完成從模型搜索到實際應用的垂直整合。

場景驗證方面，實驗室將通過建設人臉抓拍識別、結構化檢測、大規模人像比對等驗證場景和提供自動分析報告服務，為研究演算法調優提供環境，並積極探索低位寬等網路壓縮技術，研發高效硬體部署方案，推動模型研究成果迅速投入實用。針對計算機視覺演算法與真實場景適配的問題，實驗室還將建設可重現的實景測試環境，並提供自動化的量化錯誤分析報告，幫助演算法迭代。

孫劍表示，實驗室平台建成後，將面向高校院所、創業企業等創新創業主體開放，致力推動圖像感知與計算領域的協同創新。「通過以上措施，實驗室將被打造成為一個開放、貼近實際場景的計算機視覺演算法研究實驗平台，形成涵蓋數據、平台、場景的完整閉環，有利於打造我國自主可控的技術和產業生態，共同助力我國圖像感知和計算領域的技術及應用達到國際先進水平。」

北京智源人工智慧研究副院長唐傑表示，北京智源聯合實驗室是智源研究院面向人工智慧未來發展，圍繞重大應用需求，聯合各大高校、科研院所、優勢企業等機構進行全方位科研合作的平台。其目標是高效整合大學、科研院所、企業的數據、平台、場景等優勢資源，形成具有國際領先水平的人工智慧研究團隊，培育國際頂尖AI人才，推動人工智慧產學研協同創新發展，產出系列國際領先水平的突破性成果，並將重點組織數據共享，支持演算法開源，推動場景開放，實施協同創新。智源聯合實驗室分為兩類，分別是與高校院所共建、與優勢企業共建。共建單位將提供配套資金、場地、設備等條件保障，解決實驗室建設與運行中的有關問題。

在聯合實驗室的建設上，智源研究院遵循「成熟一個、啟動一個」的原則，擇優支持共建，最多可連續支持三年。唐傑強調，「北京智源 - 曠視智能模型設計與圖像感知聯合實驗室」 已通過立項論證，也是智源聯合實驗室首個成功落地的項目。

全球最大的物體檢測數據集發布，首批開放超過60萬張圖像和1000萬標註框

會上，曠視研究院聯合北京智源人工智慧研究院發布全球最大的物體檢測數據集——Objects365。曠視研究院院長孫劍說，該數據集也是新一代通用物體檢測數據集，具有規模大、質量高、泛化能力強的特點。

規模方面，Objects365定義了生活中常見的365個類別，第一批將開放63萬張圖像，1000萬的標註框。開放圖片數是COCO的5倍，標註框超過COCO的11倍。

演算法優化的上限嚴重依賴於基準數據集術的質量。為保證標註質量，在打造Objects365時，曠視設計出一套科學而嚴格的標註流程，每一張圖片的背後至少會經過9名標註工人之手。

此外，作為一個優秀的預訓練數據集，Objects365預訓練模型在使用過程中，可以輕鬆超越現有演算法的精度，顯著加速收斂過程，表現出極強的泛化能力。在執行COCO、VOO Det、CityPersons等檢測任務時，在VOC Seg和ADE等分割任務上均有顯著提升。

DIW2019挑戰賽即將啟動，共同探討檢測問題的瓶頸及優化方向

Detection In the Wild 2019（DIW 2019）挑戰賽也發布會當天正式啟動。據孫劍介紹，該挑戰賽是基於2019年CVPR的研討會，由曠視聯合北京智源人工智慧研究院舉辦，其目的是為了推動目標檢測技術的發展，改善現有目標檢測數據集的類別覆蓋不全、標註精度不高、密集場景缺少等問題。挑戰賽於5月10日開放測試集，6月10日結果提交截止，6月10日公布比賽結果，並邀請優勝隊介紹比賽經驗。主辦方為每個賽道的冠軍隊伍準備了10000美元的獎勵屆時，優勝隊將在CVPR現場的研討會上介紹經驗，共同探討檢測問題的瓶頸及優化方向。

DIW2019挑戰賽的比賽賽道分為三個賽道，即Objects365賽道、Objects365小賽道和CrowdHuman賽道。

其中，為探索目標檢測系統的瓶頸，參加Objects365賽道的選手將利用公開的365種類別，60萬張圖片超過1000萬個框的完整訓練集對檢測模型進行訓練；在3萬張圖片構成的驗證集上調試演算法，並在10萬張圖片構成的測試集上進行最終的挑戰。

為了降低參賽門檻，加快演算法迭代速度，研究長尾類別檢測問題，Objects365小賽道則從Objects365數據集中挑選出65個類別，選手可以用1萬張圖片進行模型的訓練。

CrowdHuman賽道則是為了解決現實生活中的遮擋問題，其演算法的提升將會推動人體檢測演算法落地。屆時，選手將基於專門為了密集場景人體檢測設計的CrowdHuman數據集進行訓練，數據集包含有豐富標註信息和多種場景。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！