聚焦于人工智能領(lǐng)域的商湯科技，是一家靠原創(chuàng)技術(shù)火起來的中國公司，曾先后被蘋果、阿里巴巴競購，目前已獲得IDG數(shù)千萬美元A輪融資。包括京東、小米、華為、360等都在使用商湯科技的視覺智能技術(shù)。
當(dāng)我們在談?wù)撊斯ぶ悄軙r，我們在談?wù)撌裁?mdash;—或許是AlphaGo，或許是微軟小冰，甚至或許是電影《星球大戰(zhàn)》中的經(jīng)典機(jī)器人形象R2D2和BB8，但中國原創(chuàng)的人工智能卻鮮有人談起。
一方面中國的人工智能技術(shù)仍未成熟，另一方面滿大街趕熱點(diǎn)打著“人工智能”幌子的騙子公司太多，魚龍混雜之下讓人摸不著頭腦。
“如果你不掌握最核心的東西，其實(shí)很難說你是在做人工智能。”徐立坐在會議室里侃侃而談，從神經(jīng)網(wǎng)絡(luò)算法談到數(shù)據(jù)驅(qū)動，從神經(jīng)網(wǎng)絡(luò)的鼻祖Geoffrey Hinton，談到人工智能“四大天王”里除Hinton以外的Yoshua Bengio、Yann Lecun和Andrew Ng。當(dāng)然他最想談的，還是他一手創(chuàng)立的人工智能公司商湯科技(SenseTime)。
徐立所說的“核心的東西”，指的是深度學(xué)習(xí)。他認(rèn)為，要看一家公司是不是真正做人工智能的，只需看它是否掌握深度學(xué)習(xí)技術(shù)。
人工智能的發(fā)展經(jīng)歷了多個階段，早期的人工智能實(shí)際上是“人工指導(dǎo)智能”，即由人來指導(dǎo)電腦什么是對的什么是錯的。但如果要讓電腦像人一樣思考，則需要電腦在大量的數(shù)據(jù)中學(xué)習(xí)，像人腦的神經(jīng)元一樣相互聯(lián)系起來生成信號，最終理解復(fù)雜的事物。這就是現(xiàn)在業(yè)界所說的深度學(xué)習(xí)。
徐立舉例說明。以人臉識別為例，傳統(tǒng)的方法會告訴電腦，以人的眼睛之間的距離，和鼻子、嘴巴的特征為標(biāo)準(zhǔn)，如果特征是一樣的，那就是同一個人。但是這些特征都是人設(shè)計的，所做的判斷還是基于人的判斷。
深度學(xué)習(xí)不一樣，它用一個復(fù)雜的、像人腦一般的網(wǎng)絡(luò)，將包含各種系數(shù)的神經(jīng)元連接好幾層，然后讓它根據(jù)科學(xué)家提供的深度學(xué)習(xí)架構(gòu)不停地看大量的照片數(shù)據(jù)，最終由它自己去衍生出一種判斷“兩個人是否同一個人”的能力，這種能力甚至可以超越人眼的準(zhǔn)確率。
在人工智能迅速崛起的大背景下，深度學(xué)習(xí)既是學(xué)術(shù)前沿，又是工業(yè)前沿，知識是這個領(lǐng)域最重要的財富。而承載這些知識的是人。
谷歌很早就意識到了這一點(diǎn)。2014年，谷歌斥資4億英鎊收購議價鮮為人知的小公司DeepMind。這家公司沒有任何產(chǎn)品，除了12位科學(xué)家。
“所有人都認(rèn)為谷歌瘋了，亂花錢，4億買12個人，什么邏輯？但谷歌知道他們的價值。”徐立告訴界面新聞記者，當(dāng)時Yoshua Bengio評論道，世界上有50個人是真正的深度學(xué)習(xí)專家，其中12個人在DeepMind。谷歌顯然是在布局未來，后來AlphaGo就是DeepMind研究的成果。
緊隨谷歌的腳步，百度、Facebook分別請來了Andrew Ng和Yann Lecun，建立了百度深度學(xué)習(xí)研究院和Facebook AI Lab。其他大公司如雅虎、微軟等亦紛紛跟進(jìn)，人工智能從最前沿的學(xué)術(shù)界走向了工業(yè)界，開始給業(yè)界帶來顛覆性的變化。
看到學(xué)術(shù)熱點(diǎn)與工業(yè)熱點(diǎn)結(jié)合得如此緊密，徐立興奮不已。徐立出身于學(xué)術(shù)界，本碩畢業(yè)于上海交通大學(xué)，博士畢業(yè)于香港中文大學(xué)，擁有十余年計算機(jī)視覺、模式識別、圖像處理領(lǐng)域的研究和產(chǎn)品開發(fā)經(jīng)驗，在視覺領(lǐng)域頂級會議、期刊上發(fā)表40余篇專著，并先后在摩托羅拉研究院、歐姆龍研究所、微軟研究院、聯(lián)想研究院等計算機(jī)視覺基礎(chǔ)研究機(jī)構(gòu)訪問工作。
他以深厚的學(xué)術(shù)背景，從自身研究的計算機(jī)視覺方向出發(fā)，招募了來自MIT、斯坦福、香港大學(xué)、香港中文大學(xué)、清華大學(xué)等高校的數(shù)十名深度學(xué)習(xí)科學(xué)家，以及多位谷歌、百度、微軟、聯(lián)想等產(chǎn)業(yè)界核心工程人員。
而最讓人吃驚的是，徐立的團(tuán)隊里居然有50名博士，其中不乏兩任ICCV(國際計算機(jī)視覺大會)領(lǐng)域主席、韓國科學(xué)技術(shù)學(xué)院(KAIST)2011年杰出教授戴宇榮博士，以及安徽高考狀元、香港中文大學(xué)博士、曾在Kaggle數(shù)據(jù)科學(xué)家排行榜亞洲科學(xué)家中排名第一的張偉博士這樣的牛人。
“這些博士不是一個個、而是一串串招進(jìn)來。”徐立笑道。徐立從自己的實(shí)驗室招攬了不少師弟師妹，又從香港中文大學(xué)多媒體實(shí)驗室，以及微軟研究院等機(jī)構(gòu)招募了多個團(tuán)隊。各個負(fù)責(zé)人帶一支隊伍進(jìn)來，自然地形成了一個個資深的研究團(tuán)隊。
這些學(xué)術(shù)界大拿們?nèi)紝Ｗ⒂谟嬎銠C(jī)視覺以及人工智能領(lǐng)域，曾在三大國際頂級機(jī)器視覺會議CVPR、ICCV、ECCV上共發(fā)表論文超過150篇，在亞洲企業(yè)中排名第一，在世界范圍僅排在谷歌、微軟之后。
如此強(qiáng)大的研究力量很快發(fā)光發(fā)亮。2014年9月，商湯科技(SenseTime)的科學(xué)家們首次出征素有“計算機(jī)視覺奧林匹克”之稱的ImageNet競賽，在大規(guī)模物體檢測比賽中以40.7% 的成績獲得世界亞軍，僅次于谷歌的 43.9%。
2015年ImageNet新增了一項視頻物體檢測的任務(wù)，比靜態(tài)圖像中的物體檢測的難度更高，商湯科技卻在該項目中以成功識別28類物體正確率第一贏得該項的冠軍，成為首個在ImageNet奪冠的中國企業(yè)。
“簡單來說，就是圖片以毫秒級的速度閃過時，計算機(jī)要識別出圖片里面是一個人，是一本書，一輛車，還是一只動物。”徐立向界面記者解釋。
這樣的深度學(xué)習(xí)有三個關(guān)鍵點(diǎn)，第一是“腦子”的聰明程度，它取決于造“腦子”的科學(xué)家是否擁有很好的深度學(xué)習(xí)框架。第二是數(shù)據(jù)量，有了“腦子”之后需要教它，大量的數(shù)據(jù)才能提供足夠的訓(xùn)練并驅(qū)動“大腦”。最后是計算資源，有了聰明的“大腦”和足夠的“教材”，還需要由多塊GPU組成的深度學(xué)習(xí)超算，才能快速消化大量數(shù)據(jù)。
2014年5月，百度推出了當(dāng)時世界上最快的深度學(xué)習(xí)Minwa機(jī)器人。Andrew Ng對外宣稱，Minwa連接了144塊GPU。與之對比，前段時間大放光彩的AlphaGo則連接了170塊GPU。
“SenseTime(商湯科技)目前連接了200塊GPU，算得上世界上最快的深度學(xué)習(xí)超級計算機(jī)之一。”對此徐立不無得意。
然而，聚集了眾多科研大咖的商湯科技收獲的并非全是贊譽(yù)，也有一些人認(rèn)為他們所做的事情不接地氣，離消費(fèi)者太遠(yuǎn)。
對此，徐立表示他們的技術(shù)已經(jīng)在市場不少產(chǎn)品上落地。
“京東是我們的戰(zhàn)略合作伙伴。”徐立告訴界面記者，京東有個服務(wù)叫“京東白條”，它允許用戶上傳消費(fèi)小票，根據(jù)用戶平時的消費(fèi)習(xí)慣做征信、打白條。一開始這些消費(fèi)小票由人工進(jìn)行識別，后來用戶越來越多人眼根本看不過來。在尋找更智能的解決方案的過程中，京東發(fā)現(xiàn)了商湯科技，經(jīng)過洽談雙方達(dá)成合作。
“我們?yōu)榫〇|白條提供了全自動的識別，準(zhǔn)確率達(dá)到90%以上。”除此之外，商湯科技正在與京東研發(fā)圖片識別技術(shù)在商品搜索中的應(yīng)用。
