霍金門徒：計(jì)算機(jī)如何比人更懂世界

申請(qǐng)免費(fèi)試用、咨詢電話：400-8352-114

12月20日的上海，寒氣襲人，在虹橋吳中路1189號(hào)的五樓會(huì)議室，站在一塊投影屏和白板之間的Alan Yuille教授，手托腮，若有所思。在他面前的是慕名而來、經(jīng)過遴選的來自清華、浙大高校具有計(jì)算機(jī)相關(guān)背景的40多名學(xué)生。因?yàn)锳lan教授在霍金的指導(dǎo)下獲得了理論物理博士學(xué)位，同時(shí)又是計(jì)算機(jī)視覺領(lǐng)域頂級(jí)學(xué)者。

　　在他的學(xué)生Leo Zhu(朱瓏，依圖科技創(chuàng)始人)的邀請(qǐng)下，他不遠(yuǎn)萬里來到中國，開啟為期兩天的計(jì)算機(jī)視覺課程。Alan教授有著滿頭的銀絲、深陷的眼眶和蒼白的面容，看上去就像個(gè)普通的白人老者，但卻在知識(shí)的深度和廣度上異于常人—擁有數(shù)學(xué)、理論物理、計(jì)算機(jī)、心理學(xué)、精神病學(xué)和生物行為學(xué)等領(lǐng)域深厚的研究背景。

　　此后，Alan教授開始將興趣轉(zhuǎn)向人工智能，主要鉆研其分支領(lǐng)域計(jì)算機(jī)視覺(Computer Vision)，先后就職于MIT人工智能實(shí)驗(yàn)室、哈佛大學(xué)計(jì)算機(jī)系，現(xiàn)任職于UCLA統(tǒng)計(jì)系，也是UCLA視覺識(shí)別與機(jī)器學(xué)習(xí)中心主任。三十年來，Alan教授涉足計(jì)算機(jī)視覺的學(xué)術(shù)和產(chǎn)業(yè)界，成為了首屈一指的專家。

　　而此次來華，Alan教授一方面是為了向中國學(xué)生普及計(jì)算機(jī)視覺知識(shí)和行業(yè)現(xiàn)狀，另一方面也是為了支持其學(xué)生Leo的創(chuàng)業(yè)項(xiàng)目“依圖”—專注于視覺理解的初創(chuàng)公司，提供基于圖像理解的信息獲取和人機(jī)交互的產(chǎn)品，致力于構(gòu)建機(jī)器視覺的未來。

　　由木見林看世界

　　什么是計(jì)算機(jī)視覺？Alan教授在兩天的課程中都講了什么？在應(yīng)用層面，計(jì)算機(jī)視覺技術(shù)能用來做什么？

　　簡(jiǎn)單來說，計(jì)算機(jī)視覺是賦予計(jì)算機(jī)和人一般處理視覺信息的認(rèn)知能力，即制造有人類視覺能力的機(jī)器，讓計(jì)算機(jī)通過學(xué)習(xí)算法接近人類對(duì)圖像的理解程度，對(duì)明顯的視覺信息進(jìn)行深度分析。而當(dāng)計(jì)算機(jī)實(shí)現(xiàn)了對(duì)圖像和視頻的初始理解，計(jì)算機(jī)視覺就能幫助人類突破局限性，改善生活。

　　不同于計(jì)算機(jī)，人類一睜眼就能迅速看到和看明白一個(gè)場(chǎng)景，因?yàn)槿说拇竽X皮層至少有一半以上海量神經(jīng)元參與了視覺任務(wù)的完成。而計(jì)算機(jī)和人腦則是在極為不同的物理或生物限制下進(jìn)行運(yùn)轉(zhuǎn)，即便說計(jì)算機(jī)視覺理想狀態(tài)要更接近人類智慧，但在控制環(huán)境中，計(jì)算機(jī)系統(tǒng)能夠比人類更好地完成某項(xiàng)明確任務(wù)。

　　計(jì)算機(jī)視覺的開放性任務(wù)一般包括物體檢測(cè)、人臉識(shí)別、人類行為識(shí)別和場(chǎng)景理解。這也是依圖正在試圖通過技術(shù)應(yīng)用解決的任務(wù)。而物體識(shí)別是計(jì)算機(jī)視覺研究的核心議題，不過當(dāng)計(jì)算機(jī)沒有學(xué)習(xí)，不知道看什么的時(shí)候，顯然并不能看懂什么，所以需要一套系統(tǒng)教會(huì)計(jì)算機(jī)識(shí)別物體。

　　在傳統(tǒng)物體識(shí)別系統(tǒng)中，當(dāng)計(jì)算機(jī)嘗試研究一個(gè)特殊類型的數(shù)碼圖像時(shí)，會(huì)首先檢測(cè)圖片的顯著特征，即Alan教授課堂上講述的邊緣檢測(cè)(Edge Detaction)和圖像分割(Image Segmentation)。假設(shè)系統(tǒng)需要識(shí)別人臉，就會(huì)查看眼睛、鼻子和嘴巴等器官的邊緣部分，然后確定它們之間的空間位置。

　　這意味著，處理數(shù)以萬計(jì)物體的計(jì)算機(jī)系統(tǒng)將會(huì)變得不可控制的龐大。每當(dāng)計(jì)算機(jī)系統(tǒng)庫中加入一個(gè)新的物體，計(jì)算機(jī)就需要從頭開始確定物體的重要部分。而物體雖然具有固有組成部分，但不同角度物體看上去又有所不同，所以計(jì)算機(jī)需要不斷檢視邊緣確定空間位置，從而占用了大量存儲(chǔ)。

　　而Alan教授和Leo Zhu于2010年采用新的方法解決了上述問題。他們研發(fā)的新系統(tǒng)通過遞歸式塔狀結(jié)構(gòu)來表示物體的結(jié)構(gòu)—系統(tǒng)不需要事先被告知物體的哪些特征需要尋找，會(huì)先判定細(xì)微細(xì)節(jié)，由低層次的結(jié)構(gòu)組合成稍微復(fù)雜的形狀，再辨別稍復(fù)雜形狀如何組合成為更高層次部分，組裝成一個(gè)塔式結(jié)構(gòu)，而最高一層則代表整個(gè)物體的模型。

　　基于研究成果，Leo Zhu意識(shí)到計(jì)算機(jī)視覺逐漸達(dá)到了從理論轉(zhuǎn)化到應(yīng)用層面的階段，未來幾年將進(jìn)入技術(shù)爆發(fā)時(shí)期。2012年，他萌生了回國創(chuàng)業(yè)的想法。

　　“依圖”的機(jī)器視覺

　　Leo Zhu在取得導(dǎo)師Alan教授的支持后，與多年好友林晨曦(前阿里云技術(shù)總監(jiān)，ACM/ICPC全球大學(xué)生程序設(shè)計(jì)競(jìng)賽亞洲第一個(gè)世界冠軍團(tuán)隊(duì)成員)合作創(chuàng)辦了專注于圖像理解的初創(chuàng)公司“依圖”，并把駐地設(shè)在了上海。

　　目前，依圖推出的主要應(yīng)用產(chǎn)品聚焦在人臉識(shí)別和物體識(shí)別上。雖然人類希望計(jì)算機(jī)視覺接近人類智慧，不過在人臉識(shí)別上，計(jì)算機(jī)處理能力要高于人類大腦。對(duì)于這點(diǎn)，新浪科技有幸在依圖公司體驗(yàn)了智力被碾壓的過程。

　　為了讓小白更好地理解計(jì)算機(jī)如何進(jìn)行人臉識(shí)別，依圖制作了一款游戲，共20道題，每道題都選取一個(gè)人在真實(shí)環(huán)境中的頭像照片，讓參與者在五個(gè)有著相似相貌的人中選出符合的照片。因?yàn)檎_選項(xiàng)拍攝角度不同，加上混淆選項(xiàng)何其相似，所以選擇起來異常費(fèi)力。

　　最終實(shí)驗(yàn)結(jié)果證明，通過人腦判斷的正確率平均約為50%，而計(jì)算機(jī)能夠做到90%以上。對(duì)于這種虐心游戲，體驗(yàn)者紛紛感嘆，對(duì)于具有臉盲癥的朋友簡(jiǎn)直是“治療福音”。不過這只是一個(gè)游戲展示，真正的產(chǎn)品是能夠真實(shí)而快速地判定一個(gè)人的身份，可用于安防領(lǐng)域。

　　在依圖這個(gè)高科技公司，門禁系統(tǒng)應(yīng)用了人臉識(shí)別技術(shù)，快速匹配一個(gè)人的身份。新浪科技觀察到，員工進(jìn)門前會(huì)拿出登記認(rèn)證過的手機(jī)，選取任意角度自拍一張，如果人臉匹配，門會(huì)自動(dòng)打開。依圖還有一個(gè)專門的應(yīng)用展示房間，當(dāng)每個(gè)人靠近門口時(shí)，房間內(nèi)攝像頭掃描到人的存在，會(huì)實(shí)時(shí)鎖定人臉，然后在系統(tǒng)數(shù)據(jù)庫中檢索人臉圖像進(jìn)行匹配，這一過程大概只有3到5秒。

　　人臉識(shí)別的用途范圍很廣，包括公安系統(tǒng)判定犯罪嫌疑人身份、安檢系統(tǒng)確定可疑人員身份等等。目前，依圖的這項(xiàng)技術(shù)已經(jīng)被運(yùn)用在了江蘇公安系統(tǒng)中，還將擴(kuò)展到全國其他地區(qū)。最初推廣也經(jīng)歷了一些波折，依圖合伙人林晨曦表示，人們最初都覺得不新鮮，因?yàn)槿四樧R(shí)別技術(shù)早就應(yīng)用了，但是在精度上卻并不足夠成熟運(yùn)用。

　　最初Leo Zhu和依圖聯(lián)合創(chuàng)人林晨曦?fù)碛袡C(jī)器視覺技術(shù)但沒找到行業(yè)痛點(diǎn)，所以在推廣中也是逐漸找到了應(yīng)用場(chǎng)景和方向，早期得到了江蘇省公安系統(tǒng)的認(rèn)可。傳統(tǒng)的公安局人臉識(shí)別準(zhǔn)確度大約能做到40%，而車輛識(shí)別也僅限于判定車牌，無法精確到品牌、型號(hào)、購買時(shí)間和車主。 為了解決這個(gè)問題，Leo Zhu 和林晨曦首先開始搜集數(shù)據(jù)量，于是他們發(fā)動(dòng)員工，一起每天在大街上抓拍車輛照片，建立數(shù)據(jù)庫。

　　蘇州市公安局分管科技的副局長(zhǎng)技的副局長(zhǎng)陳斌華告訴他們：“如果你們車輛的品牌識(shí)別能做到70%、車輛能夠判定出型號(hào)，我們就考慮使用你們的產(chǎn)品。”對(duì)于這個(gè)難點(diǎn)，依圖的員工不分晝夜花了三個(gè)月時(shí)間終于攻克，僅是對(duì)桑塔納的識(shí)別正確率就超過了90%。

　　通過這套“蜻蜓眼”系統(tǒng)，蘇州公安可以準(zhǔn)確進(jìn)行車牌識(shí)別和車型識(shí)別， 具備了應(yīng)用計(jì)算機(jī)自動(dòng)發(fā)現(xiàn)在路面行駛的假套牌車輛的能力，這在全國公安屬于首創(chuàng)。 經(jīng)過了一年的數(shù)據(jù)積累和系統(tǒng)改進(jìn)，原來針對(duì)套牌作案車輛需要花至少3到4小時(shí)才能完成的甄別工作，現(xiàn)在只需要十多分鐘。

　　就在不久前，蘇州公安以此為突破口，迅速摧毀了一個(gè)專門盜竊出租車頂燈、計(jì)價(jià)器的犯罪團(tuán)伙，極大提高了工作效率。目前，依圖能夠?qū)崿F(xiàn)對(duì)運(yùn)行中被捕捉在鏡頭中的所有車輛進(jìn)行品牌、型號(hào)、購買時(shí)間和車牌號(hào)真假的鑒定等。隨后，福建和成都等公安系統(tǒng)也開展了與依圖的合作。

　　不過比起人臉識(shí)別， 簡(jiǎn)單剛性物體識(shí)別的技術(shù)門檻要相對(duì)低一些，因?yàn)槲矬w不會(huì)像人臉一樣會(huì)形成不同角度和不同狀態(tài)的形狀扭曲。而在這個(gè)難題上，依圖已經(jīng)做到了在一億人中進(jìn)行人臉識(shí)別靜態(tài)比對(duì)。

　　在人臉識(shí)別應(yīng)用上，依圖與蘇州市局合作開發(fā)了靜態(tài)人像比對(duì)系統(tǒng)。今年7月，依圖將在逃人員照片庫與蘇州公安人像庫進(jìn)行批量對(duì)比，發(fā)現(xiàn)25名在蘇州有活動(dòng)的在逃人員線索信息。目前，青奧會(huì)安保系統(tǒng)，珠海航展安保系統(tǒng)也已相繼成功應(yīng)用了依圖的人臉識(shí)別產(chǎn)品。

　　依圖的發(fā)展方向并不是只開發(fā)安防產(chǎn)品，而是創(chuàng)建一個(gè)在計(jì)算機(jī)視覺領(lǐng)域具有國際前沿地位的技術(shù)研發(fā)平臺(tái)。未來，依圖還將從人臉和物體識(shí)別延展到人的肢體和服飾識(shí)別上。比如幫助用戶判定路人甲身上所穿衣服的品牌，而這又要用到增強(qiáng)現(xiàn)實(shí)技術(shù)，需要軟硬件完美結(jié)合。

　　對(duì)于計(jì)算機(jī)視覺下一步能夠做什么，在從業(yè)者看來都是未知數(shù)，因?yàn)榧夹g(shù)演進(jìn)速度超出想象，現(xiàn)在設(shè)限并不合適。

　　從學(xué)術(shù)界到產(chǎn)業(yè)界

　　對(duì)于計(jì)算機(jī)視覺的研究領(lǐng)域，在近五年來都處于快速發(fā)展的關(guān)鍵階段，學(xué)術(shù)研究在近兩年得到了巨大進(jìn)展，而在應(yīng)用領(lǐng)域在未來一到兩年將進(jìn)入集中爆發(fā)的階段。

　　根據(jù)美國國家科學(xué)基金會(huì)白皮書，計(jì)算機(jī)視覺興起于二十世紀(jì)六七十年代，而在進(jìn)入2010年以來，計(jì)算機(jī)視覺主要面臨兩個(gè)問題，一是由于該領(lǐng)域與計(jì)算機(jī)、工程學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、心理學(xué)與神經(jīng)學(xué)科等有著跨學(xué)科緊密聯(lián)系，但受限于領(lǐng)域通是常一種分裂研究的狀態(tài)；二是通常該領(lǐng)域的研究是以非結(jié)構(gòu)化的方式進(jìn)行，故學(xué)術(shù)界與工業(yè)界之間聯(lián)系并不緊密，互動(dòng)不多。

　　在地域上，根據(jù)白皮書顯示，1991年計(jì)算機(jī)視覺研究由美國主導(dǎo)，在歐洲的活動(dòng)數(shù)量有限，在亞洲就更是少之又少。而在過去二十年里，美國的計(jì)算機(jī)視覺有穩(wěn)定的發(fā)展，而在歐洲卻發(fā)生不容小覷的擴(kuò)張。近年來，在亞洲更是取得了巨大的突破。很大程度上，亞洲和歐洲在這一領(lǐng)域的發(fā)展都是由強(qiáng)大的資金支持推動(dòng)的。即使在美國，大多數(shù)研究者都是非本土出生的。

　　而計(jì)算機(jī)視覺的發(fā)展，主要得益于計(jì)算機(jī)、傳感技術(shù)和數(shù)學(xué)等學(xué)科的發(fā)展。在計(jì)算機(jī)視覺專家E·艾德森看來，進(jìn)步即將發(fā)生在于“人們正在學(xué)習(xí)如何適當(dāng)使用應(yīng)用數(shù)學(xué)與工程解決視覺問題。人們?cè)诳刂评碚?、?yōu)化問題、信號(hào)處理等方面正變得更加擅長(zhǎng)。”

　　而現(xiàn)在，學(xué)術(shù)界和工業(yè)界的聯(lián)系愈來愈緊密，從理論到現(xiàn)實(shí)的差距大為縮小。Alan教授說，特別是這五年來，很多工作越來越實(shí)際，美國科技公司比如微軟、Facebook、谷歌、亞馬遜和百度等，都在人工智能領(lǐng)域做實(shí)際工作，“我非常高興看到這些進(jìn)展，因?yàn)槲覀冏詈筮€是希望能夠轉(zhuǎn)化為實(shí)用產(chǎn)品。”

　　這也是為何依圖選擇在這個(gè)時(shí)間點(diǎn)切入從事計(jì)算機(jī)視覺的應(yīng)用研究。Leo Zhu表示：“其實(shí)沒有人確切知道現(xiàn)實(shí)和理論有多大距離，未來兩年技術(shù)是比較大的爆發(fā)時(shí)期，這是我們預(yù)見的事情，所以這是我們?yōu)槭裁匆鲞@個(gè)事情。”他說道，“以前大家都知道計(jì)算機(jī)視覺是未來，但不知道什么時(shí)候會(huì)來，但我們有具體意義上的推導(dǎo)，所以決定2012年開始，以及現(xiàn)在正在做這件事。”

　　作為Alan教授的學(xué)生，Leo Zhu自然具有強(qiáng)硬的學(xué)術(shù)背景，而他并沒有繼續(xù)做研究，而是回國創(chuàng)業(yè)。Leo Zhu希望將計(jì)算機(jī)視覺作為終身事業(yè)，但作為學(xué)院派研究者只能通過自己的學(xué)生傳承知識(shí)，而回國創(chuàng)業(yè)將理論轉(zhuǎn)化為實(shí)際應(yīng)用，并推動(dòng)國內(nèi)相關(guān)領(lǐng)域的發(fā)展，是他更傾向于走的一條道路。

　　Alan教授說責(zé)無旁貸地支持Leo Zhu的選擇：“現(xiàn)在跟十年前不太一樣了。十年前有很多學(xué)生要做教授，而過去五年來情況已經(jīng)變了。我最好的這些學(xué)生都想創(chuàng)業(yè)，而計(jì)算機(jī)視覺是一個(gè)很好的領(lǐng)域，現(xiàn)在也是一個(gè)很好的時(shí)機(jī)。”他解釋道，過去的學(xué)術(shù)成果距離解決實(shí)際問題還有一定的距離，但近來學(xué)術(shù)有重大進(jìn)展，在實(shí)際中也將發(fā)揮巨大作用。

　　Alan教授和霍金

　　Alan教授感知到學(xué)術(shù)界和產(chǎn)業(yè)界互相推進(jìn)的必要性，以及在中國的巨大增長(zhǎng)潛力，于是他此次專程來滬與中國學(xué)生進(jìn)行交流。而在兩天的課程中，教授一直處于連續(xù)不間斷講課的狀態(tài)，他說這也是他第一次長(zhǎng)時(shí)間授課的經(jīng)歷。

　　不過，盡管Alan教授連續(xù)講課口干舌燥，課間也要接受同學(xué)的提問，但是他仍然耐心有加、有條不紊，和藹紳士的態(tài)度讓人肅然起敬。而除了計(jì)算機(jī)視覺的理論框架之外，他還回憶了自己的學(xué)術(shù)經(jīng)歷，與學(xué)生探討科學(xué)研究的方法，以及講述了他在研究生涯的心得體會(huì)。

　　在師從霍金時(shí)候，Alan教授在研究相對(duì)論和量子物理，前者是在宏觀范疇中描述結(jié)構(gòu)，而后者則是在微觀中研究。而他是霍金的第二個(gè)研究該課題希望統(tǒng)一兩個(gè)理論的學(xué)生。“這個(gè)是有一點(diǎn)抽象的課題，想要把這兩個(gè)理論統(tǒng)一到一起，的確是非常難，就算是30年后的今天似乎也沒有人做的特別成功。”

　　在接受新浪科技采訪時(shí)，Alan教授分享了與導(dǎo)師霍金的一些故事。他說，霍金是一個(gè)非常風(fēng)趣幽默的人，有時(shí)會(huì)操縱他的輪椅，在房間里轉(zhuǎn)圈圈玩。平時(shí)Alan教授作為學(xué)生會(huì)和霍金有比較近的聯(lián)系，有時(shí)候會(huì)幫他做一些事情，包括喂他吃東西之類的。在霍金比較有名了之后，很多科學(xué)家都會(huì)慕名前來看望他，教授會(huì)在旁邊聽，同時(shí)也會(huì)經(jīng)常見到他的家人，一起吃午飯和照看他的孩子。

　　今年下半年，電影《萬物理論》上映，講述了講述霍金盧伽雷氏癥病情發(fā)作前的生活與妻子之間的故事。Alan教授說：“這是基于他的太太寫的書，故事看起來都還挺真實(shí)的，特別是演霍金的這個(gè)演員，長(zhǎng)相和聲音和霍金一模一樣，我會(huì)覺得，霍金就是在銀屏上面。但是其他的人就不像我認(rèn)識(shí)的人，所以我感到有點(diǎn)奇怪，就像是一群陌生人圍著他在干些什么。”說著他笑了起來。

　　而今年來，霍金對(duì)于人工智能發(fā)展也敲了不少警鐘。他警告稱，人類正面臨來自智能技術(shù)的威脅，隨著技術(shù)體自身開始學(xué)會(huì)自我思考，并學(xué)會(huì)適應(yīng)環(huán)境，人類將面對(duì)不確定的未來。霍金表示：“如果進(jìn)一步向前看，技術(shù)幾乎是沒有極限的。盡管我們可能正面臨人類歷史上最好或最壞的時(shí)代，而我們所有人都應(yīng)該問問自己，應(yīng)該做些什么才能最終趨利避害。”

　　對(duì)此，在Alan看來：“記得大概30年前，霍金成為盧卡斯物理教授(Lucasian Professor這是愛因斯坦和牛頓都曾有過的一個(gè)頭銜)時(shí)，他做了一個(gè)演講，解決了理論物理以后，結(jié)果是機(jī)器可能會(huì)淘汰這些物理學(xué)家。我想霍金可能30年以來都一直有這個(gè)顧慮，并不是現(xiàn)在AI(人工智能)的興起才有這個(gè)顧慮，或許我下周寫封信問問他這個(gè)問題。”

　　對(duì)于計(jì)算機(jī)視覺的未來，Alan教授認(rèn)為，終極目標(biāo)當(dāng)然是建立一個(gè)智能的系統(tǒng)，能夠像人一樣看懂這個(gè)世界，也可能能力上超越人類，比人類更能看懂這個(gè)世界。因?yàn)榇竽X神經(jīng)元主要用來處理視覺，所以通過視覺能夠了解人腦。而未來人類能夠通過計(jì)算機(jī)更加理解人腦，看懂我們存在的世界。