2017年，在有人工智慧“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人工智慧團隊最終奪得冠軍，並且重新整理了此前谷歌、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人工智慧研究院逐漸被廣大公眾所瞭解。
計算機視覺是發展人工智慧的核心技術。事實上，作為人工智慧領域的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、畫素級、語義級分析的。引領計算機視覺進入下一個時代需要一個畫素級、多標籤的資料集。如果畫素級分類做好了，無論做任何型別影象理解和語義理解的問題都好辦了。”顏水成說。
在顏水成看來，雖然現在新的資料集有做語義級別分析或者區域性關聯分析的，但這些資料庫存在內在的侷限性。建立一個畫素級和多標籤的資料集挑戰非常大，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裝置上。所以邊緣計算是人工智慧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—就是特別好的網路結構；第二種是武器—低精度表示的方法；第三種是暗器—巧妙用低功耗的網路先確定那部分不需要計算的網路。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。
自從進入人工智慧領域研究以來，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最吸引我的是智慧硬體這一塊，軟硬體結合是計算機視覺的一個大方向。周鴻禕本人對智慧硬體也非常有熱情。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）。”
兩年來，在顏水成院長的帶領下，360人工智慧研究院發展迅速。安全與智慧是360當前兩大重點。360人工智慧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、語義和大資料四個方向，向360相關業務部門提供技術輸出，並完成人工智慧相關方向的原始技術積累和前沿探索。
目前，研究院的人工智慧技術已經廣泛應用於360的全系列產品中，包括直播、智慧硬體、搜尋和資訊流等業務。未來，研究院將會推動360在人工智慧方面的技術實現突破性進展。其中，視覺技術將進一步提升，最佳化識別物體、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；大資料技術的提高將帶動廣告、精準推薦等。