聚金网赚博客聚金网赚博客

中科奥森李子青:强人工智能是美丽的泡沫

导读 : [导读]刚读大学时,他只想当个技术员。硕士搞统计模式识别,做博士和博后为解决计算机视觉难题,苦逼钻研数理统计、正则化、泛函和优化理论,一不留神成了一科学家。后来...


[ 导读 ] 刚读大学时,他只想当个技术员。硕士搞统计模式识别,做博士和博后为解决计算机视觉难题,苦逼钻研数理统计、正则化、泛函和优化理论,一不留神成了一科学家。后来再回头创业做智能算法与光电结合的人脸识别应用,这个过程他万万没想到。

图片来自网络

360人工智能研究院院长颜水成、阿里巴巴iDST资深总监华先胜、依图CEO朱珑等都曾是他的学生。扳开手指数一数,从1988年去英国留学至今,他已在人工智能领域深耕近30年。

“人工智能是一个跨学科的技术,从全球来看,既懂算法,又懂计算机视觉,又懂光电和硬件,以及整体解决方案的不超过10个人,除了我自己其他9个我不认识。”中科奥森董事长李子青博士接受采访时说。这话听上去有些孤傲,但如果你了解他的经历,可能并不会感到意外。

深耕人工智能30年,他代表中国制定人脸识别国际标准

其实超过30年。1982年他大四做毕设觉得老师给的课题没意思,自己设计了一个“基于鲁棒统计学的信号处理”课题,自己开展研究,后来这篇毕设论文发表在国内一级学报《电子学报》上,这也是他做人工智能的起点。

纵观人工智能发展史,其实有两个冬天,第一个是在六七十年代,第二个是在八九十年代,李子青恰好赶上了第二个寒冬。

1988年,他去英国留学,进入爱丁堡大学人工智能系,那也是世界上曾经存在过的唯一一个人工智能系。

那时候的人工智能主要分为两派:一个是“符号学派”,另一个是“连接学派”。爱丁堡大学人工智能系是符号学派的一个大本营。

“我在爱丁堡的导师,他做三维视觉,却采用符号的方法。我是奔着三维计算机视觉去的,但做了几个月,深感这个技术路线不可行,因为原始数据完美地转换成符号是不可能的,转成语义就更行不通,”李子青回忆说,“符号学派是‘路线错误’,符号化、语义化到现在也还没很好解决,那时就更是空中楼阁。”

洞察到符号学派路线走不通,他在研究中自然滑向了“连接学派”和统计学方法:不是将数据转换成符号,而是考虑很多单元之间的相互作用,最终求得一个综合的最优解。所谓“连接学派”方法,其实就是现在把人工智能推向新巅峰的神经网络。不同的是,现在的神经网络比那时做得更深,采用的训练数据大了许多数量级。

之后,他南下,到Surrey大学师从统计模式识别大师、人工智能著作《统计模式识别》的作者Josef Kittler教授。他在Surrey做的博士论文,把计算机视觉的底层、中层到高层计算全部统一到“连接主义”框架下,采用能量函数的优化求解。在此框架下,采用能量函数做优化求解,正是现在对人工智能发挥巨大影响的深度学习方法的打法。

1991年,他到新加坡做博士后,对博士期间的工作进行了更深入的研究,1995年他写就了一部经典著作《计算机视觉的马尔科夫随机场建模》。1998年,在他还是一位高级讲师时,即获得终生教职资格,1999年提为终身副教授。

李子青说:“做博士研究和后来写那个专著,几乎整成了半个理论数学家,其中受到了当今深度学习、人工智能大师Geoffrey Hinton的影响。我做面向应用的人脸识别其实是从我学生带我做起的,他在国内做人脸识别,来我这读博希望继续做,我同意了,并且跟着他做,进去后,就一发不可收拾。巧的是,做人脸识别最初阶段,我提出了一个模式识别的新方法—最近特征线(Nearest Feature Line),把这个方法和当今深度学习、人工智能的另一位大师Yann LeCun的CNN做过PK。”

2000年,李子青加入微软研究院,担任人脸识别组Lead,他在微软研究院研发了世界上第一个实时人脸识别系统Eye-CU。比尔盖茨接受CNN头条采访时,特地推介这个系统,并亲自做演示。

2004年,作为“中科院百人计划”的入选者,李子青进入中科院担任中科院生物识别与安全研究中心主任。此后他设计并研发了深圳罗湖人脸/指纹识别通关系统,奥运实名制人票核验系统;他还研发了近红外人脸识别,也是首个能把人脸识别落地成市场产品的技术;他还是目前安防/金融人证核验与活体防伪技术原创人。

不久后,他创办了中科奥森公司,该公司的团队协助他研发了上述原创技术与系统。中科奥森于2016年初获得上海国际创投集团5000万元A轮融资。

2006年,他代表中国制定了中国参与的唯一一个人脸识别国际标准,他还制定了国家、行业人脸识别相关标准制累计18项。

由于他在计算机视觉、机器学习和人脸识别领域的贡献,和他在国际学术界的影响力,被评为IEEE Fellow院士。

“我的创新能力得益于我少年时玩无线电、做音响电视机、还有砌砖盖房以及修马桶。谢天谢地,那时没有考试的压力。”李子青说。

这些年,他教过诸多国内顶级的科学家,比如颜水成、华先胜、朱珑等,还有不少在阿里、百度、Google、GE、商汤等企业的技术骨干。

辨识双胞胎、大年龄跨度人脸识别、戴口罩墨镜人脸识别都是娱乐节目

2006年,加拿大多伦多大学教授、机器学习领域泰斗—Hinton和他的学生在顶尖学术刊物《科学》上发表了一篇关于深度神经网络的文章,开启了深度学习在学术界和工业界的浪潮。

深度学习突破有三个要素:第一是神经网络足够深,可以胜任复杂的数学变换;第二是大数据训练,比以前超过几个数量级;第三是高度并行的计算能力,使得深度网络的大数据训练成为可能。

2014年Facebook旗下DeepFace项目利用计算机视觉、人工智能及机器学习技术,利用9层神经网络来获得脸部表征,Facebook人脸识别技术的识别率达到了97.25%,而人在进行相同测试时的成绩为97.5%,可以说已经相差无几,这一突破让人脸识别提上了几个台阶。

人脸识别应用模式主要分为两类:1:1人脸识别和1:N人脸识别。所谓1:1的人脸识别,就是人证核验,比如机场过安检,机器验证本人是否和身份证上的人是同一个人。而1:N的人脸识别是指从多个黑名单里面找出一个来,比如反恐,抓逃,从N个黑名单中找出一个来。

目前来看,1:1人脸识别技术比较成熟,而1:N的人脸识别技术还不够强大。

李子青说:“辨识双胞胎、大年龄跨度人脸识别、戴口罩墨镜人脸识别都是娱乐节目”。

“《MIT Technology Review》选出了若干个超级人工智能企业,其中说蚂蚁金服和百度的人脸识别达到了金融级别,我认为是没有达到,因为目前人脸识别技术里面有明显的安全漏洞,如315晚会所披露的用一张照片就可以骗过机器的假体攻击。最近有银行想用1:N刷脸取款,我认为5年之内技术上不可能做到”。

AI创业需要突破性商业模式

仔细分析就会发现,国内主要人工智能的创业公司的业务多是与集成商、代理商合作,而这些公司只是提供技术、软件支持。主要有以A、B公司为例的卖技术的路线,还有以C、D公司走类似集成商的形式。

不管卖SDK还是卖产品都没有脱离传统商业模式,最重如何网赚要的是,这种依赖集成商和商业运作的商业模式很难做大做强。

“SDK我们也卖,但是我一直认为卖SDK就像‘卖瓜子’,不可能撑起一个大体量企业。目前国内的有些AI创业公司估值都数亿美金,如何做到足够大的流水才能支撑这么高估值?靠卖技术甚至卖产品都是难以为继的,”李子青说,“目前几大做计算机视觉的AI企业都挤在智能安防的赛道上,在传统安防巨头海康、大华他们那拿到多少市场份额呢?我很怀疑。”

李子青强调,人工智能要有突破性的商业模式,这种商业模式要把智能算法、智能前端设备(IoT)、移动互联、大数据、云服务等融合到一起,形成闭环。不仅仅靠卖产品,还要把产品之外的价值挖掘出来。

此外,人才也至关重要。李开复说过,“世界上懂人工智能的人不超过7000个,而中国是700个”。优秀的算法人才很宝贵,而既懂人工智能算法,又懂光、电,懂场景懂用户体验,能把人工智能产品做到极致的人才更是凤毛麟角。当然也可以是几个牛人一起合作,但把这样的协作做得水乳交融,机会非常小。

中国做人工智能有明显优势。首先,这个领域有很多华人技术人才;其次,中国丰富的可用数据;还有,中国人胆儿大,敢于吃螃蟹,敢用。

对于人工智能的发展趋势,李子青认为,目前带热市场的“弱人工智能”,其技术进步和市场应用会一直上升不会回落。而所谓具有自主思维、创造能力的“强人工智能”,是畅想,是美丽的泡沫,它会像第一、二波人工智能一样落入下一个低潮。“Sorry。我做这个这么多年,我是这么看的。”李子青说。

“我的梦想是让人工智能落地,我现在在搞的是实用的人工智能创新,要把云里雾里的仙女,变成身边看得见摸得着的美女”。

“AI照进现实”,这是李子青给中科奥森制定的Slogan,也借此向他《梦想照进现实》中的“女神”徐静蕾致敬。


上一篇: 工信部:目前市场上监测到的App总量达449万款
下一篇: SEO如何提高用户体验的5个诀窍
隐藏边栏