后AI时代需要看清的两点:机器的能力已经超过人类了;人工智能的应用才刚刚开始,还在起步阶段。

 

AI后半场的序幕已经徐徐拉开。

 

一方面,AI企业的上市之路逐渐明晰;另一方面,行业的竞争也从算法精度的比拼走向了落地能力的较量。

 

有人说,AI技术的研发门槛越来越低,AI企业的竞争力也在逐渐下降;有人说,AI的应用还存在许多问题,难以解决真实的需求;还有人说,场景碎片化是AI企业获得高速发展的难以破除的阻碍……

 

究竟在AI的后半场,产业会朝着怎样的趋势发展?

 

带着这些问题,雷锋网AI掘金志与肖嵘博士进行了一次对话。肖嵘博士是AI技术发展的切身推动者与见证者,对AI的发展有着独到的见解。

 

肖嵘博士

 

肖嵘博士2001年加入MicroSoft亚洲研究院,从事统计学习及机器视觉方向的研究,是MicroSoft人脸识别引擎的奠基人之一,2009年被授予MicroSoftIcicle奖;2012年作为###App工程师,加入美国MicroSoftBing多媒体搜索部门。

 

2018年,肖嵘博士回国后,担任平安产险科技中心###AI专家,主持AI技术在保险场景的商业落地。翌年,他主持研发的OCR引擎,荣获平安集团重大创新奖。如今,肖嵘博士在云天励飞担任副总裁,负责人工智能算法研发及产品化等方面的工作。

 

本次访谈中,肖嵘谈到了他从科研界投身产业界的原因,外界对AI门槛降低的质疑,以及对AI企业的思考和对产业的洞见。

 

以下是访谈内容:

 

让AI创造价值,比单纯研究技术更让人激动

AI掘金志:MicroSoft亚洲研究院不仅有许多前沿的研究,在学术界享有盛名,还被誉为中国AI界的"黄埔军校",国内不少知名AI企业的创始人或###科学家都来自MicroSoft亚洲研究院。您为什么选择离开这个充满"光环"的地方,选择回国投身产业界?

 

肖嵘博士:MicroSoft亚洲研究院是MicroSoft在亚洲地区###家基础研究机构,它在许多技术上都有前瞻性,对学术界尤其是整个中国AI技术都有非常深远的影响。比如,MicroSoft亚洲研究院在2000年就开始做人脸识别方面的研究,2003年就研发出了###款实时人脸检测算法,这些都非常具有前瞻性。

 

虽然做前瞻性的研究非常有意思,但技术与行业、场景结合的过程更加有意思,而且充满了挑战。国内有非常广阔的AI应用场景,能够让过去看起来束之高阁的技术,真正走进千家万户,改变人们的生活。我觉得这是很让人激动的事情,也是一件非常有意义的事情,对我来说也是全新的挑战和尝试。

 

AI掘金志:能不能举几个具体的例子?哪些行业或者场景让您觉得AI在其中大有可为?

 

肖嵘博士:在国内,城市中的许多场景都有很大的想象空间。比如现在国内常态化的疫情防控工作,里面就有很多AI能够应用的空间。我举个###简单的例子,现在通过AI技术,能够快速找到一个确诊新冠肺炎的患者去过哪里、和哪些人有密切的接触,这是一件很了不起的事情,能够将疫情带来的影响控制在###小范围内。如果是靠人去回忆,这个信息是非常不准确的,而且外出还会遇到非常多的陌生人,如果仅仅靠人的记忆去排查,是非常低效的。

 

再比如在城市公共交通领域,大家要优化公共交通线路,就要知道乘客上下车情况。但如果为了要了解这信息,就要强行改变大家的习惯,让大家上下车都打卡,这是不现实的。而在AI技术的帮助下,大家可以通过RE-ID、头肩颈识别等技术,帮助巴士集团掌握公交车上的客流状况,洞察城市交通出行特征,为提升交通效率和交通服务水平,优化城市交通运力提供决策依据客群分析系统。

 

技术的门槛从未降低,降低的是技术应用的门槛

AI掘金志:虽然AI技术已经在各行业得到应用,但也有声音认为,现在AI的表现依然差强人意,您怎么看待这个观点?

 

肖嵘博士:我觉得需要看到两个点:一是机器的能力已经超过人类了;二是人工智能的应用才刚刚开始,还在起步阶段。

 

机器在很多方面,已经做得比人更好了。比如是现在要抓在逃人员,不需要再一帧一帧去看视频了,只要有一张图片,就能够在上亿人中快速搜索出结果,速度是在秒级甚###毫秒级的。如果是像过去一样靠人去逐一比对,效率是非常低的,而且误识率也很高。

 

当然,并不是说机器能够做到###,在现有的技术水平下,也会出现识别错误或者遗漏的情况,但这跟人工搜索的结果相比,机器已经有很大的超越。

 

在我看来,人工智能的应用才刚刚开始。回顾历史,任何一个对人类发展有深远影响的工业化进程,刚开始的时候都是缓慢的。比如汽车刚出现的时候,速度慢、噪音大,很不受大众待见,觉得还不如马车。但是大家现在可以看到,汽车已经普及到千家万户了。对人工智能也是同理,人工智能要在实际应用中展现出更好的性能,也是要花点时间的。

 

AI掘金志:现在几乎每家AI企业都在谈"落地",这已经成了AI行业的关键词,现在行业里大家很少再去比拼或讨论算法精度的问题了。有声音提到,现在人工智能技术的门槛越来越低了,您在算法方面有很深厚研究,您认同这个观点吗?

 

肖嵘博士:技术的门槛从来没有变低过,变低的是技术应用的门槛。

 

现在随着人工智能技术的发展和应用,其实大家会发现,要学的东西越来越多,这侧面说明技术并没有变得更简单,相反它需要越来越多复合的常识,从技术角度来看,它是变得越来越复杂的,而不是越来越简单。

 

大家觉得算法门槛变低,实际上是因为技术应用的门槛变低了。因为人工智能的工具、平台日益丰富,有了这些工具,大家就能更便捷地去应用技术。

 

过去,要使用GPU的计算能力,就要会CUDA编程,甚###还要有很强的数学能力,自己从底层开始去构建人工智能的能力。但是现在,大家有很多开源的工具,要使用人工智能的能力,只要调包就可以了,像是深度学习的算法,大家也不需要从头开始写了。

 

现在,大多数人不需要去了解这个算法是怎么实现的、怎么运行的,甚###在深度学习中很重要的梯度下降的方法,现在绝大多数人都不太需要掌握,只要调包就可以了。所以大家普遍觉得人工智能技术变得简单了。

 

"端云协同",AI企业的护城河

AI掘金志:如果说AI技术正在变得越来越普世化,各行各业应用AI的门槛越来越低,大家可以通过大量开源的平台、工具、算法就能够获取到AI能力。那么AI企业未来的竞争力是否会受到影响?

 

肖嵘博士:这个要从两个方面来看。一方面,技术变得越来越普世化,这是必然的趋势。比如###早期的程序员,需要懂###底层的"0101"的代码,用纸带机打孔,去实行一些指令。

 

但因为这种方式效率太低了,后来行业中就出现了C语言、JAVA等。有了这些工具后,大家能更快捷地编程,但这是不是意味着###开始的"0101"没用呢?我认为不是的,因为只有理解这些###底层的东西,才能够对行业有深刻的认识,才更有可能在核心的能力上实现突破。所以说,真正拥有核心能力的AI企业,会越来越有竞争力。

 

另一方面,技术的普世化会带来新的产业分工,有的人专门负责打造工具,另外还会有大量的人负责开发和应用。负责打造核心技术和工具的可能会越来越少,负责利用场景数据做开发和应用的会越来越多。有了这样的分工,整个产业才会得到快速发展。

 

当然,有了分工,大家的研发成本能降到###低。一个以算法见长的企业,不需要自己做芯片,只需要找一家专业做芯片的企业合作,就可以生产出能够部署和交付的产品。但如果是要切实解决场景中存在的问题,还是需要具备全"端云协同"的能力。

 

比如,如果能够既懂算法,又懂芯片,那么大家就能够根据用户和场景的需要,从终端到云端去完成优化,大家可以用专用的芯片,适配自己的算法,这样不仅能够为客户带来更流畅的体验,也能把成本降下来,真正为客户带来价值。不是所有AI企业都能做到"端云协同",能够拥有这样能力的企业,在AI时代能够建立起比较高的壁垒,保持它的竞争力。

 

AI掘金志:但是不同场景有不同的需求,AI企业该如何面对碎片化的市场?

 

肖嵘博士:场景的碎片化带来AI产品碎片化,是因为现在还没有一个完全通用、普世的人工智能产品出现。以现在的技术能力,大家还没办法打造出这样一个通用的平台或产品,但换个角度来想,大家是不是能够先实现工具和研发流程的标准化呢?

 

举个例子,大家可以打造一个算法训练平台,设计出一套流程和模型,无论是客户提出要识别苹果和梨子,还是要识别猫和狗,只要输入图片,平台就能够训练出相应的算法。这就好比设计出一条流水线,生产加工的过程是相同的,但###后生产的产品可以是多种多样的。