AI 喋血江湖，CV 去向何方 | CCF-GAIR 2020

本文作者：張棟

2020-07-02 18:44

專題：CCF-GAIR 2020 全球人工智能與機器人峰會

導語：歷史車輪滾滾勢不可擋，每隔一段時間都會有新的技術突破。

5億多年前，汪洋之中生活著一些身體構造極其簡單的小生物們，它們靜等食物的到來，或也成為它物的食物。

偶然也好、必然也罷，最早期的這些小生物們慢慢出現了一雙雙“眼睛”，這個器官使得它們在獵取食物時可以自如地進攻，也可以自在地防守。

適者生存的理論指引下，之后相對較短的一段時間內，地球上的物種得到了非常豐富的發展，這也使得視覺進化引發“寒武紀大爆發”。

由此受惠的當然也包括人類，視覺也慢慢成為人們最為重要的感知系統，人腦中超過一半的認知都需要與視覺相聯系，人們利用視覺支持日常的生活、工作，更好地了解世界。

5億年，時間完美地讓絕大多數動物都看到了世界的光明，但稍顯遺憾的是：

直到今天，機器和計算機面對的還是相對“黑暗時代”。

我們在街頭巷弄安裝了視頻攝像頭，但只能做到事后報警，尚不能做到事前預警；

我們的社會每天都會產生海量視頻數據，但我們無法根據這些數據進行高效檢索；

我們可以讓無人機在廣袤天空展翅，但我們還不能根據它所看到的數據繪制地貌。

總結而言：

作為一個社會整體，我們還是個盲人，因為我們最為智能的機器還是個盲人。

這是此前CV大牛李飛飛教授出席未來論壇時，談到的她對于視覺智能的一些看法。

而這個看法，也被業內絕大多數從業者所認同。他們認為，計算機視覺目前在各研究應用中主要還存有幾大問題：

1、感知問題可以通過神經網絡函數無限逼近，相比之下認知問題解決起來就比較棘手。

比如：如何準確、快速地教會機器辨識什么是一把椅子？如果定義為四條腿，很多椅子并不滿足此描述；如果定義為可以坐的物體，很多非椅子類工具也有此功能。

一個如此簡單的檢測物體問題，背后都蘊含著多層次的認知問題，而這些問題至今還未得到完美解決。

2、在遮擋、模糊等弱線索情況下，人類作出某種判斷可以依據常識、推理等輔助手段實現全過程構建。

但如果想要將這些能力教授給機器則非常困難，它們所表現的識別能力與人類相比相差甚遠，在需要能力協同、關鍵決策、精準控制時，機器智能尚顯不足。

計算機視覺技術帶給機器的能力不只是用來觀察世界，而是需要與世界建立聯系，從而智能交互。

換句話說：計算機視覺技術在城市級領域的探索才剛剛開始。

認識到技術的重要性及問題的多面性，作為全行業最為關注AI賽道的媒體之一，雷鋒網緊抓市場化急速前進節點，于每年的「CCF-GAIR 全球人工智能與機器人峰會」上開設「視覺智能」專場。

CCF-GAIR是目前本土人工智能領域規格最高、影響力最大的峰會之一。自2016年創辦以來，已先后邀請到諾貝爾獎得主、圖靈獎得主，20 余位中美英法加等國院士、百余位 IEEE / ACM / IAPR Fellow、數百位在各自專業領域享有盛譽的學者以及 AI 領域的知名企業家、投資者和創新者共襄大會。

而「視覺智能」專場的目的則比較聚焦：召集業內最為頂尖的技術大牛、業界專家，圍繞未來城市級視覺AI的發展方向展開細致討論。

過去五年，「視覺智能」專場已經邀請到了包括：權龍、羅杰波、賈佳亞、孫劍、Demetri Terzopoulos、梅濤、山世光、林達華、王曉剛、王孝宇、溫浩、申省梅等超過三十位業界頂尖學者分享前瞻的技術研究 & 產品經營方法論。

譬如孫劍，身為曠視首席科學家、研究院院長、西安交通大學人工智能學院院長，去年7月14日，在第四屆CCF-GAIR 全球人工智能與機器人峰會「視覺智能」專場上，他便從視覺智能、計算機攝影學以及AI計算三個方面介紹了計算機視覺研究領域的變革。

他首先回顧了深度學習發展歷史。深度學習發展到今天并不容易，過程中遇到了兩個主要障礙：

第一，深度神經網絡能否很好地被訓練。在深度學習獲得成功之前曾被很多人懷疑，相比傳統的機器學習理論，深度學習神經網絡的參數要比數據大10倍甚至上百倍；

第二，當時的訓練過程非常不穩定，論文即使給出了神經網絡訓練方法，其他研究者也很難把結果復現出來。

這些障礙直到2012年才開始慢慢被解除。孫劍認為，深度學習和傳統機器學習最大的差別是，隨著數據量越來越大，使用更大的神經網絡就有可能超越人類性能。

孫劍之外，上述的每一個人，都在為算力的陡增做著嘗試、為算法的精進做著努力、為計算機視覺的成熟應用而深刻改變社會的信息資源使用觀念和方式做著奮斗。

同時，他們也都選擇在「CCF-GAIR 全球人工智能與機器人峰會」這個目前中國學術界最為標桿的大會之上發表他們過去幾十年的所思、所想。