0
| 本文作者：张利 | 2017-04-25 20:02 |
雷锋网按：4月22日至23日，2017第十届中国绿公司年会在河南郑州召开，每年有超过1000人的商业领袖、学术权威、政界要员等出席该会议。在这个节点上，人工智能必然是热门话题。
其中两位计算机视觉识别领域的大牛，朱珑和华先胜，均出席了此次会议，高手相逢，自然少不了华山论剑。
雷锋网据公开资料了解，朱珑，依图科技CEO，美国加利福尼亚大学博士，师从艾伦·尤尔（Alan Yuille）教授，从事计算机视觉的统计建模和计算的研究，之后在麻省理工学院人工智能实验室担任博士后研究员，在纽约大学Courant数学研究所担任研究员。华先胜，美国计算机协会2015年的杰出科学家，IEEE Fellow院士，阿里巴巴集团人工智能研究机构的资深总监。
以下是两位大咖对话实录，雷锋网作了不改变原意的编辑：
华先胜：我经常说这样一句话，人工智能风生水起，视觉计算遍地开花。朱珑讲了很多计算机视觉内容，但开了的这些花能不能结果却不得而知。人工智能并不年轻，这个概念大约在1952年提出来的，那时大家也非常的兴奋，认为十年后人工智能就要超越人类，但过了十几年后，发现人工智能走不下去了。到80年代时，因为神经网络以及一批算法的出现，大家又很激动地认为人工智能又要来了，但十几年后又进展不下去了。我想问朱珑的一个问题是：这一次人工智能风潮，我怎么能确信它不是一个虚假的春天呢？如今和前两个春天有什么不一样呢？
朱珑：首先讲不一样的程度，我认为如今的人工智能比肩或超越工业革命也毫不夸张。很多人说起人工智能时，会大谈特淡，但实际行动却跟不上，火热的是人工智能的定义；其次，以前火热的时候，比如30年前或2012~2013年深度学习火热的时候，很多科学家或年轻人并未投身进来，还属于一个冷门学科。概念其实一直在那里，算法和模型并没有本质的变化，但如今的火热是就结果而论的，人工智能应用在很多领域的结果让大家很有信心，比如Google、Facebook等的巨额投资。
如今的火热是因为商业价值，我们看到了人工智能在商业上的巨大进展，这跟过去10年、30年所有的热门不一样，而不是在概念、实验数据还是在工业级的实验数据上的价值。
华先胜：我觉得是有道理的，如今的局面跟以前不一样了，我们现在看到了实际结果，尽管是局部的，除此还有深度学习技术在大规模计算环境下真正能够计算。深度学习技术的发展、计算能力的提升、网络的提升、网络带宽的提升、大数据的产生以及用户的参与等，让人工智能的价值进一步发展，进而真正产生作用。
第二个问题是关于依图科技，依图是做视觉技术有关的创业公司，我也是做视觉技术的。如今，在高手之间，算法的差别几乎越来越小了；而在数据方面，创业公司相对BAT好像也毫无优势；从计算平台角度讲，小公司甚至没有计算平台，阿里云有计算平台，不知道百度有没有计算云平台，至少微软这些公司都有大的计算平台；从商业角度讲，创业公司和大公司比拼的，那么，创业公司如何胜出呢？
我举一个例子，假如有一天，微软、阿里云免费了，这些AI技术免费了，你怎么办呢？
朱珑：我在创业第一天就被问过这个问题。我在全球最好的人工智能实验室待过，所以我对此是很淡定的。有人会说，百度如何牛、Google如何牛，但我知道我师弟几斤几两，不是因为谷歌强他就牛逼了，这是由人工智能领域最强的那个人决定的。
一个人有数据有钱，你给他1亿美金，他也不一定能做成。我不是为所有的创业者说话，而是说这件事情的本质是由最强的那个人决定的。微软和谷歌都有1亿美金，现在创业公司拿到1亿美金也很轻松，钱不是问题，但公司之间的博弈本质是牛人的博弈。
主持人：刚才我听出点火药味来了，创业公司人还是很牛，但数据是关键，人家BAT数据比你多。
朱珑：首先数据非常关键，我经常被同事问：技术有几个层次？其中有技术的远见，如今大家只谈算法，远见是什么意思呢？就是技术的未来在哪里。对于技术的理解，能知道未来数据在哪里，继续把钱投到哪里，这不是大公司就一定知道的，况且大公司也太多了，BAT与Google对数据的理解千差万别，BAT也不敢一下子投5000个科学家，因为它不知道盈利点在哪里，不知道技术的未来在哪里。一流的高手之间差距非常大，越是牛人之间反而差距越大。
创业公司有数据的瓶颈，四、五年前数据是约束我们的，但还要看公司具体进入哪个市场，比如医疗就是一个分割的市场，如今没有哪个大公司能把这个市场数据垄断了。
哪些市场特殊呢？有用户场景的市场。大公司的优势是有大量用户场景，这方面小公司基本没戏。
有一些领域，比如人脸识别，大家做人脸识别都是用网络上的数据，这方面大公司和小公司没有差异，但比如ATM机刷脸取款的场景，这属于非常大众化的人脸识别领域，但BAT也没有ATM机数据，也得从最简单的开始做起。
越是垂直、分散的领域，大公司优势越不明显，这是对于创业公司是很大的机会。
华先胜：看来你对自己的科学家团队还是很有信心的。大家都知道人工智能的发展，人工智能技术落地影像因素确实很多，包括科学家、算法、数据、平台、商业模式、用户，这些因素基本上缺一不可，一些应用强调这方面更多，另一些强调另外一方面更多，我同意刚才朱珑的一些看法，我们要深入到一个行业中去，这是非常重要的。人工智能还远远未发展到有一个算法就能应用的地步。
第三个问题，刚才你讲到很多监控的问题，未来，智能的发展会不会产生一些负面影响？比如安全、隐私等。就像计算机发展过程中，PC病毒、网络木马等的出现。虽然这与创业公司不见得直接相关，我想问一下你在这方面的看法。
朱珑：技术带来的社会影响其实是一个长久的话题，但因人工智能可能超越人的智能边界，这个问题会更加敏感。我觉得有两方面，第一个是这其实不是安全问题，或不止是安全问题，而是“智能”大了之后的社会分工问题，我觉得十年之内会有巨大的动荡，不仅中国，全世界都会面临这个问题。
我为什么是我？我上大学到底有没有用？如果家里有小孩，今天可以开始思考到底学什么？没有人知道现在学什么来应对30年后的世界，因为今天我们才开始重新认识自己。
未来20年，人类社会分工或经济形态会有巨大的变化。
第一将会有非常不平衡的情况出现，而且政府是相对滞后的，因为发展周期很长，没有人有特别强的预测能力和管控能力。
第二，目前AI技术带来的威胁与其他互联网技术带来的威胁没有本质区别。技术都有两面性，一定会出现有利和不利的地方，互联网并不会因为黑客而不继续发展，AI也没有特别强的特殊性。
华先胜：朱珑讲到了人脸识别技术的能力，但是其实还有另外一点，就是机器识别的局限性。比如我们看一个人时，无论是这个人的侧面、背影，处于灯光灰暗地方或有人遮挡，人都是能够识别的，而机器在很多情况下就歇菜了，也就是说，机器在某一个方面强，在某一方面弱。
那么人工智能的局限会不会限制其未来发展？到底怎么样结合人的智能和机器智能的长处产生真正的价值？
朱珑：你说机器识别不准的问题一般也比较难见到。场景是不断被解锁的，而且这个过程速度越来越快。过去我们很难想象ATM机刷脸取款可以做到，有时候，实际的应用场景是超越你想象的。我们是业界最前沿的，有时候自己都会受到惊讶。举个例子，警察拿着人脸识别去辨认尸体，这不是设计者最初能够设计到的，但警察说这个也可以，可以通过人脸识别技术查尸体身份，这大大超越设计者的想象。如今的情况是，我们的想象已经跟不上人工智能发展的速度了，所以千万不要担心人工智能技术跟不上我们的想象。
主持人：我举一个例子，人工智能看X片、CT、MRI等各种影像准确率都比较高，比如人工智能能识别出一个病人的癌症，但是它不能解释原因，智能说疑似癌症，这在实际中如何应用？如何向病人解释？有些情况，你虽然做的很准，但是你很难应用。
朱珑：我来解释一下，我们刚才展示了一个CT片子，我们给出的报告里都有对结节的大小、体积、可疑性等的描述，所以我们会出诊断报告。最后结果是可以被解读，并且与医生交流的，不仅是回答患病或健康的问题。
主持人：这已经不是简单的深度学习了，这已经是结合其他东西进行开发应用了。
朱珑：可以这么说吧。你刚才说的问题是有一部分存在的，甚至是大部分存在的。2016年，我们产品被部署到医院仅用了半年时间，而在公安系统做同样的事情用了两年半的时间。所以，2017年比2016年快太多，2016年比2015年快太多。技术的商业化落地，商业跟技术结合过程是在加速的。
当然这个可能是我们一家公司的特例，并不能说明市面上所有公司都这样，但我觉得总体趋势是这样的。
相关文章：
阿里iDST视觉计算负责人华先胜：算法和数据并非AI公司成功的全部
独家｜依图创始人朱珑：即使AI过火，大家也可能低估了它的跳跃式进步
IBM人工智能技术商业化落地现状：目前已渗透到60多个职业领域
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
