我是Leo，依圖科技聯合創始人，UCLA統計學博士，從事人工智能研究15年， 曾在深度學習奠基者Yann LeCun教授實驗室擔任研究員，2010年獲得PASCAL圖像目標檢測比賽冠軍，2017年獲得美國國家標準與技術研究院NIST和美國國家情報高級研究計劃局IARPA人臉識別全球冠軍。
Leo
最近，大量關於人工智能的研究報告，投資人、創業者、學者熱議AI的趨勢和對社會各行業的影響，不乏對AI技術和產業發展的誤解，很容易有誤導性。宏觀上，議題大體分為三個方面：AI是多大的事？誰是真正的AI player？AI的場景在哪裡？
從科學研究者和創業者的雙視角談談我的主要觀點：AI的邊界，只有領軍人物才可能準確把握和拓展；頂尖企業，因為遠見造就勢能；AI的未來，無與倫比，沒有歷史可以借鑑，也沒有權威可以預測。
“S”曲線看AI格局
我對AI發展歷史和預測，用上圖的”S”形曲線建模（Sigmoid函數，恰好也是用來刻畫神經網絡中神經元的activation function）。橫軸表示時間，縱軸表示機器智能水平。曲線上的點表示某個時間點的全球最高智能水平。2013年開始是新AI時代（深度學習），2013年前的機器智能發展水平相較於近5年的發展基本可以忽略不計。紅線代表悲觀派（AI退潮、AI泡沫等），2017年之後很快出現發展停頓；藍線代表樂觀派，2017年之後還有快速發展。值得強調的是，藍紅兩條曲線對AI歷史有相同認識，但市場上很多論調或研究報告看到的是另一條曲線，很大概率調研看到的AI水平離最高水平有很大差距。分析AI格局的不同立場，可以通過解讀S曲線的三個方面：
1、AI過去的發展以及AI未來發展程度和速率的預測
2、AI發展水平和商業場景的關係
3、各個player的所在位置和差距
具體來說，我們先從AI過去5年的發展情況談起，以人臉識別作為例子，把人臉從N個人中找到的概率在95%，縱軸就是可識別的規模（N的大小）。
技術不是趨同，而是會放大差距、解鎖場景
2017年人臉識別最高水平可識別規模在20億人，大概比2016年可識別千萬提高兩百倍，比2015年提高了數萬倍。在2017年全球最權威的人臉識別測試中（NIST），我們比第二名Vocord團隊，在千萬比對測試上領先2％（Vocord在另一測試集比騰訊優圖高10%），這個就是大家常說的技術水平趨同，高一兩個百分點沒有意義（引申出難兌現成競爭價值）。這個誤區需要從兩個方面解讀：
第一方面，算法在億級、十億級比對的領先會快速放大到5%，20%。這是一般的算法性能曲線的規律。除了可識別規模上的重大差異，還體現在難（hard）的數據上的識別率差異。從算法經驗來說，黑人、女性、小孩、大年齡跨度、遮擋等是較難識別的群體和類別。在這些子類上，不同算法之間的性能差異會更大。
超大規模下的評測本身就是一個不簡單的學術命題，還需要大量的數據支撐，真正能觀測到20億數據下性能的人少之又少，例如美國很難建立20億級的測試集。這不是訪談一些人臉識別研究從業者就能獲得，這是誤區的第一個來源。
第二方面，算法提高，擴大可識別規模，就會解鎖更多商業應用場景。百萬、千萬識別規模對應的是身份認證場景，遠程認證、手機解鎖都屬於此類。“技術無差異”的論調在這個場景下倒是可以成立。但安防刑偵破案對億級和十億比對有剛性需求，在這些場景下，不是多識別出幾個罪犯的問題，而是找出來概率差別十倍以上的，幾乎就是行與不行的問題。“非關鍵性應用”的論斷誤導性極強。
在最新的安防案例中，萬路甚至十萬路攝像頭視頻的人臉搜索、歸檔對算法有極高要求，假定每路人流為萬，要在萬路視頻中，搜索性能相當於要求算法百億、千億規模上的可識別率。這比其他場景的性能要求再提高千倍。以不同算法為基礎的產品端體驗差異就被同比例放大。另外，全球人種的識別，是反恐、出入境業務對識別的覆蓋面要求是很很高的。
總結來說，99%識別率的算法和99.99%的算法，區別在於可解鎖的應用場景。這些新的場景解鎖，是最先鋒的算法團隊和垂直領域的開拓者（比如公安系統的創新團隊）共同努力，也不是訪談一般的安防從業者就能感知變革的最前沿，這是誤區的另一個來源。
技術水平的三個層次VIE：Vision（遠見），Insight（洞見），Execution（執行）
技術實力該如何評估比較呢？最常見的是測試比賽的冠軍、實際案例、招投標PK成績、論文等。這些或許能區分是不是前10名的AI團隊，但很難區分最好的團隊。我對技術的三層解構：Vision，遠見，或戰略格局、技術趨勢判斷；Insight，洞見，算法本質和客觀世界分佈規律的理解；Execution，執行，算法實現、數據獲取、工程計算平臺等。具體來說：
最基礎的Execution就是算法做到什麼水平，特別是大體框架已知後，能快速實現，包括基礎算法、場景數據、計算實驗平臺、產品應用等。比如，AlphaGo出來後，多快能復現；語音識別多快能追上全球最好的結果。頂級的Execution，不是開源的算法平臺可以彌補。特定領域的專家能幫助團隊快速提高對應領域Execution的水平。這個層面，中國團隊應該是世界一流的。Google如果是世界第一的話，不論是下棋、人臉識別、語音識別等，中國的水平應該不會比 Facebook、Microsoft、Apple、Amazon等差，甚至某些方面稍強些。大部人比較技術，基本就在這個層次。但更重要的、威力更大的是上面的兩個層次。
再往上一層是Insight，考察對技術的深刻認知。包括算法模型的數學解釋、客觀世界分佈規律的獨到見解。Insight指導如何使用數據、計算力（就是指導如何使用算法甚至創新算法）。這層決定能不能比Google做得更好，或者能保持同一發展節奏。假定擁有深度學習算法框架、海量數據在同樣水平，但是大家對算法性能調教還有巨大差距。以人臉識別為例，我們使用了2億張人臉圖片（幾十億張圖片的子集）訓練，有效模型參數達到10億量級，利用對人臉這個對象的屬性先驗的合理假設，包括光照、年齡、種族、運動模糊、成像解析度等，模型定製、數據如何組合、計算如何加速在性能調優和模型學習效率上（就是上面提到的Execution）都有重大差異。這就是為什麼擁有算法、算力、數據條件的互聯網巨頭也不見得能在單項AI任務上能做到全球前三。
Vision：預測發展趨勢、定義未來方向，想象對生活、生產的影響。這除了需要對技術的深刻理解，還需要對技術的創新能力，以及技術商業價值的想象力、創造力。技術的遠見，回答AI的場景在哪以及多快到來。
強的Execution，Insight肯定不錯，但可能毫無Vision；最強的Vision，Insight肯定一流，但Execution可能很差。VIE都很強的團隊全球極其稀缺。用深度學習領域最強的兩位大師Hinton和LeCun談一下我的感受。在2010年前，學術界不少人已經在談大數據對機器學習的重要性，Hinton團隊2012年在LeCun發明的算法基礎上，用了百萬的訓練數據，在ImageNet上取得世界級的突破性進展；同一時期，LeCun團隊只用了不到十萬的數據。但是在Hinton公佈ImageNet結果的頭兩個月，LeCun團隊沒法重現Hinton用自己算法的實驗結果。在Hinton公佈算法實現和技巧後，LeCun團隊的結果就輕鬆超過了Hinton團隊的水平。
兩位大師都擁有超一流的Vision，在深度學習方向上堅持三十年。但是他們Vision的差別以及以此帶來的信念差別使得Insight的差別（是否追求更深刻見解）在當時可能是巨大的，對深度學習算法發揮的突破條件包括訓練數據規模、模型正則化實現、activation function選取、GPU計算等的理解還有顯著差異。這些在當時，原理還不清楚時，可能完全是憑著Hinton（包括那一期超強的博士生）的直覺。這種Insight的差距，使得LeCun團隊已知所用算法框架和目標性能但未知關鍵實現時，也不能重現結果。但之後，LeCun團隊擁有更好的Execution（大規模系統性調優），能在短時間內算法性能超過。這種最牛高手間信念的微妙差異，到底來源於什麼，值得深思。
為什麼Vision很重要？就像雷達，對別人來說是盲區，Vision讓你看見，看見所以相信，相信所以平靜。不僅以此獲得戰略優勢，還有定力，排除誘惑和干擾。
Vision如何辨別呢？非常難，甚至幾乎不可能，只能由同樣有Vision的人欣賞。就像taste難以打分一樣，只能由同樣有taste的人欣賞。Vision帶你看到的，就是99%的專家同行都看不到、不相信的。所以，偉大往往和誤解相伴。LeCun在深度學習被實際測試數據驗證前，也很難被美國主流學術圈認可，甚至發表頂級會議都不是簡單的事，可如今，幾乎所有的論文都要貼上深度學習的標籤。
但是判斷過濾沒有Vision的團隊，倒是有跡可循。一般來說，無論學術還是創業，偉大的突破，都需要多年前後一致的投入和深耕。隔年換領域或者什麼模式都在做的（垂直、平臺等），歸類為沒有Vision應該沒什麼問題。
有了VIE的拆解，我認為，AI新時代的壁壘只有人，最頂級的人。領軍人物對AI技術和商業邊界的未來分佈判斷無法替代，決定AI發展基本要素（算法、算力、數據和場景）的所需程度和權重。擁有頂級Execution和Insight的團隊，最知道對算法有效的數據在哪、如何標註使用。擁有頂級Insight和Vision的團隊，最早知道技術的突破帶來最具商業價值的場景在哪以及何時到來。
AI未來：沒有歷史可以借鑑，也沒有權威能夠預測
談了AI發展，技術如何解構，談談AI的未來。基於深度學習的AI新時代，大大不同於30年曆史上的AI，這是被各種應用、在實際場景、大規模數據驗證過性能的技術，而不只是理論或概念。儘管過去5年的發展，對得起人們的期待，今天，還有不少人擔心新AI像過去一樣很快會退潮。但我認為，AI新時代只是開始。我從新AI的三個特性簡要闡述：
1、AI是全新的維度。這是最重要的，決定AI到底是多大的事。
AI技術如何創新發展，如何變革商業，沒有歷史可以借鑑，也沒有權威能準確判斷。AI不僅僅是一個技術，AI突破還能突破所有技術包括人機交互、搜索、機器人、芯片計算、醫學、製藥等科學領域的幾乎所有學科。
2、AI的發展速度快、跳躍性強
從S曲線中，可以看到過去5年，AI的發展及其迅猛，單門類（人臉識別）算法有了萬倍的增長。但我對未來更加憧憬，即S曲線中2018年之後的曲線有多陡。AI發展帶來的多維度技術和各場景深度結合、疊加會帶來更有衝擊力的體驗。從多技術維度來說，從視覺，到聽覺、語義理解、運動控制會在之後幾年都會快速突破；和芯片結合，端智能滲透到與用戶的最後30公分的交互體驗，從Internet Of Things向Internet Of Intelligence跨越，讓智能無處不在。
3、AI領先一步，會帶來巨大勢能
在S曲線中，處在不同位置的團隊，優勢不只是橫軸時間的差距，而是技術領先帶來的累積效應（曲線積分）以及更多元（多條AI技術曲線）AI技術的疊加，這使得AI能有跨行業的摧毀性。不僅僅決定某個行業，第一名和第二名的差距或位置關係，還能使得AI領先的行業的領導者撬動AI意識落後的行業。
AI未來，無與倫比；因為看見，所以相信。
閱讀更多 紅杉匯 的文章
