觀劇報告:360顏水成: 人工智能領域的16年“老兵”

  2017年,在有人工智能“世界盃”之稱的ImageNet大規模視覺識別挑戰賽(ILSVRC-2017)上,一向低調的360人工智能團隊最終奪得冠軍,並且刷新了此前谷歌、微軟、牛津大學等機構保持數年的世界紀錄。巨大的榮譽和強大的實力也讓以顏水成院長為首的360人工智能研究院逐漸被廣大公眾所瞭解。

  計算機視覺是發展人工智能的核心技術。事實上,作為人工智能領域的16年老兵,顏水成在計算機視覺競賽領域堪稱是名副其實的常勝將軍。除了這次ImageNet ILSVRC賽事上奪冠,5年前的PASCAL VOC大賽的收官之戰,冠軍同樣是他。

  近日,在接受媒體採訪時,顏水成對計算機視覺的未來發表了自己的看法,同時也分享了自己多年來的實戰經歷。“計算機視覺的未來是屬於多標籤、像素級、語義級分析的。引領計算機視覺進入下一個時代需要一個像素級、多標籤的數據集。如果像素級分類做好了,無論做任何類型圖像理解和語義理解的問題都好辦了。”顏水成説。

觀劇報告:360顏水成: 人工智能領域的16年“老兵”

  在顏水成看來,雖然現在新的數據集有做語義級別分析或者局部關聯分析的,但這些數據庫存在內在的侷限性。建立一個像素級和多標籤的數據集挑戰非常大,他希望在合適的時間點,由大公司甚至國家出面做這樣的事情。

  對於最近火熱的邊緣計算,顏水成表示,大家都希望AI最終能落地,2C的量遠大於2B的量,最大的量在手機等終端設備上。所以邊緣計算是人工智能發展需求決定的一個大趨勢。技術上看,目前有三種方式降低邊緣計算量:第一種是內功—就是特別好的網絡結構;第二種是武器—低精度表示的方法;第三種是暗器—巧妙用低功耗的網絡先確定那部分不需要計算的網絡。三種方法都是為了減少計算量以適應邊緣計算,三種相輔相成。

  自從進入人工智能領域研究以來,顏水成師承計算機視覺大師Thomas S. Huang、張宏江、湯曉鷗、李子青等,在學術界風生水起,在新加坡國立大學任終身教職。不過,兩年前,顏水成卻選擇從學術界跨入工業界發展。回顧自己的選擇,顏水成表示:“我加入360最吸引我的是智能硬件這一塊,軟硬件結合是計算機視覺的一個大方向。周鴻禕本人對智能硬件也非常有熱情。新加坡國立大學候任校長陳永財曾問我在工業界怎麼樣,我的回答是tiring but exciting(疲憊而興奮)。”

觀劇報告:360顏水成: 人工智能領域的16年“老兵”

  兩年來,在顏水成院長的帶領下,360人工智能研究院發展迅速。安全與智能是360當前兩大重點。360人工智能研究院立足於世界領先的深度學習研發能力,發力視覺、語音、語義和大數據四個方向,向360相關業務部門提供技術輸出,並完成人工智能相關方向的原始技術積累和前沿探索。

  目前,研究院的人工智能技術已經廣泛應用於360的全系列產品中,包括直播、智能硬件、搜索和信息流等業務。未來,研究院將會推動360在人工智能方面的技術實現突破性進展。其中,視覺技術將進一步提升,優化識別物體、行為等,並拓展到SLAM領域;語音分析將增強合成真實感,提高識別準確度,逐步建立基於NLP語義的對話系統;大數據技術的提高將帶動廣告、精準推薦等。

版權聲明:本文源自 網絡, 於,由 楠木軒 整理發佈,共 1261 字。

轉載請註明: 觀劇報告:360顏水成: 人工智能領域的16年“老兵” - 楠木軒