阅面科技赵京雷：人工智能时代,智能机器需要怎样眼睛？.docx

阅面科技赵京雷:人工智能时代,智能机器需要怎样的眼睛? 人工智能是当今最热门的领域, 作为人工智能问题最重要的一环, 计算机视觉的重要性无需赘言。达芬奇曾说眼睛是人类心灵的窗户, 对计算机来说亦是如此, 如果我们赋予计算机视觉感知能力, 使得计算机能够像人类一样看到并理解周围的世界, 人工智能才真正开始具有灵气。当我们期待人工智能超越人类智能这个奇点的临近, 我们就必须让计算机具备比人类更强大的视觉能力。而在这个最好的时代等待计算机视觉的将会是全新的挑战。 2016 年6月8 日,阅面科技 CEO 赵京雷在接受“模拟实验室特别活动——以自然语言和机器视觉为引, 畅谈人工智能的未来”邀请时, 以“智能机器需要一双怎样的眼睛? ”为主题,表达了自己观点。“智能机器需要一双怎样的眼睛? ”——阅面科技 CEO 赵京雷今天要和大家分享的是计算机视觉这个话题,还有我们的团队正在进行的一些开发领域。伪命题?深度学习才是突破先做个自我介绍, 我自己是人工智能班科出身, 上海交通大学人工智能博士, 读书以及工作这些年, 一直扎根于人工智能算法领域。我们读书那个年代, 机器学习刚刚兴起, 那个时候的机器学习主要是以浅层神经网络和支持向量机等为代表的浅层方法, 依赖的数据量也不是很大。当时机器学习算法碰到一个很大的问题, 就是对数据量的接纳是非常有限的。比如基于 1 万样本去训练了一个模式识别模型, 当有了 100 万样本,识别算法是不是会更准?这个回答是否定的,因为浅层网络参数量是较少的, 所以会出现当数据量爆炸后模型的精度可能不增反降, 也就是过拟合问题。这也是困扰机器学习算法很深的一个问题,因此人工智能概念一度成为一个伪命题。近些年, 尤其是今年, 人工智能重新成为一个爆点, 大家都在讨论人工智能技术,最重要的原因就是深度学习这样一个技术的成功应用。深度学习通过模拟人类大脑神经网络的认知过程, 理论上你可以增加神经网络层数和复杂度, 增加机器学习算法对数据承载的能力, 这样机器学习可以和大数据非常好的结合起来。伴随着移动互联网的海量数据生产能力,深度学习在很多的模式识别任务上取得很大突破。比如在人脸辨识上, 人类的识别率在 % , 而机器这一块已经可以在某些数据集上可以做到 99% 以上。阅面科技:给机器一双智能的眼睛基于我们在深度学习领域的积累, 我和团队成立了阅面科技, 我们希望通过深度学习和计算机视觉的结合, 给予未来智能机器一双智能的眼睛。计算机视觉是人工智能的一个主要分支, 未来的智能机器要会看、会听、要能够理解人。我们认为在“会看”这方面, 机器在未来可以比人做的更好。前些年受手机终端和移动互联网红利的影响, 在各行各业出现了很多智能硬件。但当前智能硬件的最大的问题是不够智能, 不具备足够的智能能力。人工智能算法的进步将使得这些智能硬件真正智能起来, 成为“智能机器”。服务型机器人、智能家居设备、 VR/AR 等都有潜力成为智能手机后的下一代平台级智能终端。在计算机视觉方面, 有两方面的能力对这些智能机器至关重要,一方面是人机交互能力, 另一方面是场景感知能力。以前计算机视觉在工业界的突破主要是集中在云端算法上, 云端场景下计算资源是不受限的,可以用大规模的集群去跑非常复杂的模型。前段时间 Alphago 战胜了李世石,在计算能力上其实是几百