商湯科技創(chuàng)始人湯曉鷗

 

 

　　今天，我講的題目是《人工智能的中國(guó)式文藝復(fù)興》，這個(gè)題目我在上海講過(guò)一次，我這個(gè)人不太喜歡重復(fù)自己，于是我又想了一個(gè)新的題目——《人工智能的中國(guó)式十月革命》。

 

　　言歸正傳，我想大部分中國(guó)人都應(yīng)該知道《戰(zhàn)狼》，一下子賺了56億。這在15、20年前是不可能的；那時(shí)候很多人會(huì)去買(mǎi)盜版的VCD，或者去網(wǎng)上下載一個(gè)盜版。如果這樣，導(dǎo)演和演員也就沒(méi)有動(dòng)力再繼續(xù)堅(jiān)持下去了。今天，中國(guó)電影的成果最重要的推動(dòng)力就是我們對(duì)原創(chuàng)和版權(quán)的尊重。

 

　　我們現(xiàn)在不是只有一部電影這樣成功，比如《羞羞的鐵拳》賺了22億，《芳華》達(dá)到14億的票房，《前任3》是18億，《無(wú)問(wèn)西東》做到了5億票房。所以，對(duì)原創(chuàng)的尊重使得中國(guó)的原創(chuàng)電影不斷往前發(fā)展。在三四十年代，全球電影發(fā)展起來(lái)時(shí)，中國(guó)電影并不落后，像《馬路天使》、《一江春水向東流》一點(diǎn)也不輸給好萊塢電影。

 

　　再往前，說(shuō)一下文藝復(fù)興的時(shí)候，如果米開(kāi)朗基羅的這些作品或者任何一個(gè)藝術(shù)品很快有人進(jìn)行復(fù)制，那么他可能也賺不到錢(qián)活不下去，所以，對(duì)于原創(chuàng)的尊重也是文藝復(fù)興能真正興起的一個(gè)原因。

 

　　說(shuō)到原創(chuàng)，下面我們來(lái)講講人工智能。如果我講人工智能，大家第一能想到什么公司？是谷歌。但總有一天，人工智能熱潮會(huì)過(guò)去的，到那天大家一定能想到商湯科技。

 

　　為什么是谷歌？因?yàn)楣雀枵娴陌奄Y金投入人工智能發(fā)展，2015年的研發(fā)經(jīng)費(fèi)達(dá)120億美金。2014年有一家公司叫DeepMind，只有12個(gè)員工，沒(méi)有賺錢(qián)，只是在用深度學(xué)習(xí)玩游戲和下棋，但是谷歌花費(fèi)6.6億美金收購(gòu)了這家公司。如果是在中國(guó)，大家就會(huì)花幾百萬(wàn)美金把人一個(gè)個(gè)挖過(guò)來(lái)，那要便宜得多。但是如果那樣做的話，就不會(huì)有后來(lái)的AlphaGo了。 AlphaGo之后，谷歌又做了AlphaGo 2和AlphaGo Zero，有些公司開(kāi)始學(xué)著AlphaGo下圍棋，還有的公司選擇打撲克牌，但從某種意義上講，這都是跟在別人的后面做事情。

 

　　真正有意義的事情是在AlphaGo之前你做了什么？有沒(méi)有做什么事情讓機(jī)器在某項(xiàng)任務(wù)上戰(zhàn)勝人類(lèi)。在AlphaGo之前我們做了一件事情，2014年，我們團(tuán)隊(duì)從事人臉識(shí)別，在全球第一次讓機(jī)器的人臉識(shí)別能力超過(guò)了人的眼睛，像AlphaGo一樣，在某一個(gè)人類(lèi)定義的單項(xiàng)任務(wù)上，機(jī)器超越了人類(lèi)。

 

　　超越了人類(lèi)就過(guò)了一條紅線，而過(guò)了這條紅線就可以在工業(yè)上進(jìn)行應(yīng)用。但是在真正應(yīng)用的時(shí)候，發(fā)現(xiàn)過(guò)了紅線還是不夠用，從實(shí)驗(yàn)室到大規(guī)模產(chǎn)業(yè)化還有很長(zhǎng)的路要走。2014年，我們用20萬(wàn)人臉來(lái)對(duì)機(jī)器進(jìn)行訓(xùn)練做到了98.5%的準(zhǔn)確率，而人是97.5%;2015年我們用30萬(wàn)人臉進(jìn)行訓(xùn)練，達(dá)到了99.55%的準(zhǔn)確率；2016年，我們用6000萬(wàn)人臉訓(xùn)練可以達(dá)到了百萬(wàn)分之一的誤識(shí)率；2017年，我們用20億人臉訓(xùn)練可以達(dá)到一億分之一的誤識(shí)率，而這樣的誤識(shí)率才可以真正地應(yīng)用到各行各業(yè)，包括監(jiān)控、金融、安防、手機(jī)等行業(yè)。所以，我們和高通簽署了全球AI戰(zhàn)略合作協(xié)議。

 

　　那么除了人臉識(shí)別，我們現(xiàn)在還做什么？這個(gè)技術(shù)是行為檢測(cè)，我們用計(jì)算機(jī)視覺(jué)分析的方法，可以從很長(zhǎng)的一段視頻里把重點(diǎn)內(nèi)容檢測(cè)出來(lái)，你就可以直接跳過(guò)沒(méi)有意義的部分，直接看這些有趣的、真正的鏡頭。還有基于內(nèi)容的視頻搜索，在電影中我們可以把各種各樣的片段搜索出來(lái)，比如說(shuō)你想搜索武打動(dòng)作片段，或者喜劇片段，我們可以直接把它搜索出來(lái)，或者你想搜索科幻的，我們可以把科幻的片段搜索出來(lái)。

 

　　以及用自然語(yǔ)言描述來(lái)進(jìn)行場(chǎng)景搜索，我們用自然語(yǔ)言來(lái)描述一個(gè)電影中的場(chǎng)景，然后它就可以自動(dòng)根據(jù)你的描述把這個(gè)電影片段搜索出來(lái)，比如，我們要搜House of Cards中的一個(gè)片段，“Claire和Frank坐在藍(lán)色沙發(fā)上”，大家看到下面這段場(chǎng)景就出來(lái)了。另外，我們不但能把視頻分析出來(lái)，還能理解這個(gè)視頻，然后用自然語(yǔ)言描述出來(lái)。比如下面這些運(yùn)動(dòng)視頻，機(jī)器就可以像解說(shuō)員一樣來(lái)描述運(yùn)動(dòng)場(chǎng)上發(fā)生的事情。

 

　　IJCV是我們這個(gè)領(lǐng)域的兩大頂級(jí)雜志之一，作為IJCV的主編，我會(huì)在每年的ICCV和CVPR兩個(gè)計(jì)算機(jī)視覺(jué)頂級(jí)會(huì)議上，主辦IJCV Night晚會(huì)，邀請(qǐng)幾百位頂級(jí)學(xué)者參加。下面這個(gè)演示里我們把電影場(chǎng)景里的所有物體都檢測(cè)出來(lái)，演員是哪一個(gè)演員，他穿的是什么衣服，這個(gè)場(chǎng)景是在餐廳里，所有的桌子、花、椅子全部能夠?qū)崟r(shí)的自動(dòng)檢測(cè)出來(lái)，這樣的技術(shù)在以前是非常難的，但是現(xiàn)在我們都可以做到了。

 

　　再回頭來(lái)看我們?nèi)绾斡眠@些技術(shù)來(lái)分析前面提到的電影《戰(zhàn)狼》和《羞羞的鐵拳》，我們通過(guò)分析這些演員的動(dòng)作和他們之間的關(guān)系，可以分析出來(lái)在不同的場(chǎng)景之下，這兩個(gè)演員是誰(shuí)，在做什么，這個(gè)片段是什么類(lèi)的情節(jié)。

 

　　同時(shí)，我們可以識(shí)別每一幀情節(jié)分類(lèi)，每一個(gè)鏡頭是打斗場(chǎng)景還是戀愛(ài)場(chǎng)景。我們也可以把一個(gè)電影最精彩的鏡頭提取出來(lái)，大家可以挑選比如動(dòng)作的精彩鏡頭、感情戲的精彩鏡頭、悲劇的精彩鏡頭等等。

 

　　那么總結(jié)起來(lái)，我們?cè)谧鍪裁茨?？我們是在教機(jī)器看電影，一開(kāi)始我們是教機(jī)器來(lái)識(shí)別人臉，Google是在教機(jī)器來(lái)下圍棋，而現(xiàn)在我們來(lái)教機(jī)器代替人看電影。這個(gè)感覺(jué)有點(diǎn)怪，我們讓機(jī)器來(lái)做下棋，看電影，玩游戲這些有趣的事情，然后我們?nèi)祟?lèi)只負(fù)責(zé)給機(jī)器充充電，維修和保養(yǎng)。

 

　　我覺(jué)得大家聽(tīng)了這個(gè)一定覺(jué)得很可笑。實(shí)際上所有的任務(wù)，都是我們?nèi)税才沤o機(jī)器做的，機(jī)器是按照我們的指令在做事情，不存在機(jī)器控制人類(lèi)這樣的事情，AI的真正目的是幫助人類(lèi)，幫助我們提高生產(chǎn)效率。

 

　　最后給年輕人留下兩句話：第一句，電影一定要自己親自去看。第二句，AI這個(gè)詞在中國(guó)拼音翻譯過(guò)來(lái)就是“愛(ài)”，所以談戀愛(ài)也要自己親自去談，否則你就不止“前任3”了，很有可能“前任4”、“前任5”了。