中国人工智能的系统与准绳

张鑫

我们公司的名字叫旷视科技，Face++是旷视科技的第一条产品线。由于在开发者的生态里面，大家对于Face++的了解程度更高，它逐步成为公司的代名词。

今天既然我们的主题是讲数据，就一起看大数据和AI的一些案例。中国是一个人口大国，长得非常像的人也多，经常会认错。我们做过一个测试，专业间谍人员在看完100多人的图像之后进行比对，比对精准性就会直线下降，原因是通过人的认知去判定都会产生一种脑补的情节，但机器就可以解决这个问题。我们通过化妆或者一些PS手段，可能会展现出一个不一样的自己，再通过人脸识别去辨认，如何辨认到位？如何分清楚到底是否为同一个人？还是很具有挑战性的。机器通过学习以后可以有效辨别人的化妆变化，如何保证比对精准度呢？机器在去做比对的时候，它的依据是人脸上的特征，不是通过人眼所认知到的比较外在的一些理解方式。

从技术角度出发，如果不能有效辨别数据的真假性，会对我们的认证结果带来非常大的扰动。我们看到，人脸识别这件事说到底是一个实验室产物，但还是可以应用在实际的商业环境中。马云在德国汉诺威通过刷脸支付送给德国总理默克尔一套邮票，这个事件可以作为一个里程碑事件，标志着人脸识别技术已经能够满足金融级的需求。恰恰是这样的技术推动，使大家逐步了解到作为算法提供商，旷视科技一直致力于提供商业化的优秀算法。

我们看一下中美在这十年间AI的发展情况，美国对于基础研究的重视程度远远高于中国，其实在竞争过程中，我们的最大优势集中表现在，中国有非常好的数据资源和非常好的商业实践环境，我们能够把算法和场景有机地结合起来，使AI能够得到发展。这得益于几个关键点：第一个叫算法，第二个叫算力，还有一个是数据，这是原来的三大元素。但是我们认为还有一项非常重要，就是场景，脱离了场景，脱离了来源于生产的环境数据，我们做的所有训练，只能是实验室的产物，无法解决现实问题。

在发展过程中，旷视对于AI成长有自己的观察。从算法的不断迭代到软件的封装，延伸到解决方案，这些应用方案又能产生更多的数据，这些数据能更好地解决行业问题，这本身就是一个比较好的商业闭环。在这个过程中，我们可以解决技术从0到1、从1到N以及如何产业化的问题。在技术环节，我们非常关注在整个数据训练的这个闭环中如何提升效率。

从0到1，核心是要有一个完整的商业闭环，完成整个商业闭环，就意味着我们可以利用行业数据去提升算法的性能，在算法的性能提升之后，在应用中会产生更多的数据，这些数据就像滚雪球一样发展，不断地提升行业中AI应用实现的可能性。从1到N，如何高效地将这样一种商业模式推广下去？我们来看一下在推广过程中的几个环节，我们知道信息系统有一个生态，包含基础设施、商业核心以及行业加速。基础设施是通过物理层帮助我们在前端去收集数据或者产生数据，拆开来看，芯片、服务、传感器这些都是我们获取数据的方式。在商业核心这个环节，旷视本身的业务更加关注算法、产品和数据，核心问题是我们要解决行业中存在的问题，通过AI的方式去赋能，建立基础信息库，并且不断完善。行业加速需要资本的力量去推动，并不断复制好的商业模式。在整个生态中，旷视对自己的定位是一个解决方案提供商，我们希望能够在某些垂直领域解决一系列的问题，这些问题恰恰可以为行业用户提升应用价值。在旷视的发展过程中，我们非常关注与投资方的合作，不单看重资本的融资力量，我们更加关注的是如何将这种技术落地到不同的应用场景中。所以，旷视在选择投资方的时候非常注重，能否利用投资方的资源更好地实现从0到1的突破。

另外，如何去实现AI的平台化？如果每一个行业我们都要建立一个闭环的话，从1到100的加速时间是一个公司无法做到的。在这个过程中，AI平台化非常必要。要促进产业升级，使AI赋能产业化，离不开三点：在线化、数据化、智能化。在很多传统行业里，获取数据的成本非常高，有很多数据不宜获取，数据价值决定了在线化是未来的方向。实现了在线化之后，我们可以提前定义哪些数据可以有效利用起来，在线化发展是未来的一个必然趋势。智能化所解决的问题决定了数据化的维度，到底哪些数据是必要的，哪些数据是有用的，如果我们想清楚了这些问题，数据化的维度自然也是可以被定义出来的。

我们认为，刚需比较明确的行业像金融、安防、媒體等，都是我们目前覆盖的行业。三年之内，我们认为在零售、物流、手机、保险、制造业等，通过数据积累和产品定义可以拓展行业爆发空间。五年左右的时间，我们认为在医疗、AR、自动驾驶、机器人等这些行业里，产品会达到一个真正的爆发期。所有有摄像头的地方，小到手机，大到城市安防监控，有摄像头的地方都是视觉解决方案和算法提供商所关注的价值点。

（根据演讲内容整理，未经本人审核）