汤晓鸥教授：人工智能让天下没有难吹的牛
10月12日，中国科学院深圳先进技术研究院副院长、香港中文大学教授汤晓鸥教授在杭州云栖大会发表题目为《人工智能的云中漫步》的演讲。
他表示，总结起来做人工智能的跟阿里的理念其实相似，阿里讲“让天下没有难做的生意”，做人工智能是讲“让天下没有难吹的牛”。
他还分享了商汤科技在计算机视觉方面的研究成果，比如如何分辨云和雪和地面的物体，用人工智能、图像识别技术，可以做的比人更精准，他举例到，十一的时候很多人去旅游、去登山，山上可以看到半山腰有些云，登到山上以后发现进到云里就变成雾了，拍照就不太清晰，我们有个算法可以帮你把雾去掉。
汤晓鸥还介绍了目前有关城市大脑的应用实践。
1、人脸识别已经可以做到没有任何人工配合的情况下实时地识别人物、抓捕犯人，在广州、深圳、重庆等几十个城市都已经开始帮助公安解决了大量的案件，抓了很多犯人。
2、人群，现在可以在上海外滩这样的公共场合，实时判断每一个点的人群的密度、人数，进来多少人，出去多少人，还有人流有没有逆行等特殊情况，这样可以防止踩踏事件。
3、视频结构化，可以把视频里面所有的人、车、非机动车、自行车检测、追踪，识别出来属性，比如这个人穿什么衣服，男的女的，多大年龄，车什么牌子，哪年生产的，这些东西都从视频处理成文本文件，你可以进行对应物体的快速搜索。
以下是汤晓鸥教授演讲实录：
我先帮大会发一个通知，今天午饭取消了，改下午茶了，大家不着急， 慢慢听吧。
非常感谢阿里的邀请，尤其是做压轴演讲，我跟阿里说太客气了，压轴这么重要的演讲应该马总做，我做个简单的开场演讲就差不多了，后来他们坚持我在午饭时间做压轴。
另外他们还告诉我说今天有大概一千万人在网上看直播，所以我非常紧张，我就做了个一百页的PPT，我想十万人一页也对得起观众了，但是组委会就非常紧张，一直问我说40分钟讲一百页，会不会超时，我就跟他们保证说，放心吧，一定会的。昨天奥委会的客人讲到奥运要更快更高更强，那云栖大会的特点就是要更长。
前些时候我跟马化腾还有一些学者在清华做了一次对话，我当时当着马化腾先生的面提了一些意见。今天我到了阿里这里，我想我也不会客气的，作为学者，我们就是要敢于提意见。所以当时我敢于当面给Pony（马化腾）提意见，今天（到了阿里这）我就准备在背后再给Pony提一些意见（此处玩笑，请勿当真）。
现在言归正传，今天我讲的题目是《人工智能的云中漫步》。人工智能其实我也听了很多人讲，我自己也讲了很多，我觉得总结起来做人工智能的跟阿里的理念其实非常相似。阿里是讲“让天下没有难做的生意”，做人工智能的是讲“让天下没有难吹的牛”。
一开始，早上起来要化妆。就是拿着手机可以当镜子，可以做美颜，换衣服，用各种特效效果看一整天该穿什么。这个化妆下来大概的时间从8点开始的，最后结束了以后，就到9点了，一般女孩的话大概也确实需要一个小时化妆，最后通过美颜、增强现实（AR）这些特效，不知道为什么最后这张图成兔女郎了。
然后接着这些AR技术还可以应用在其它的场景上，比如社交场景应用，你们现在看到的这些拍照APP，直播APP，有很多AR特效，其实绝大部分都是基于我们提供的人工智能技术，比如人脸的106点和最新的240点的追踪分析，是我们定义的行业标准。
我们不但做人脸、手势识别，现在已经做到三维的SLAM特效了，大家可能看过这种特效，游戏里面可以把虚拟物体加到这个现实世界里面，但是以前看的都是在一台很强的计算机上算出来的，现在我们这个是在手机端，手机上实时算出来，这是非常难的事情。
十点钟要出门了。出门走路的时候，可能没有什么感觉，但实际上每个城市里，刚才讲都有几十万台甚至百万台相机，这些相机做的事情是把人、车，物体都检测、识别、分析出来。
今天讲了很多关于城市大脑的问题。
我们要解决这些问题还是需要核心技术，来一样一样完成这些任务。首先我们人脸识别，已经可以做到没有任何人工配合的情况下实时地识别人物、抓捕犯人，在广州、深圳、重庆等几十个城市都已经开始帮助公安解决了大量的案件，抓了很多犯人。
人群，我们可以在上海外滩这样的公共场合，实时判断每一个点的人群的密度、人数，进来多少人，出去多少人，还有人流有没有逆行等特殊情况，这样可以防止踩踏事件。
再就是视频结构化，可以把视频里面所有的人、车、非机动车、自行车检测、追踪，识别出来属性，比如这个人穿什么衣服，男的女的，多大年龄，车什么牌子，哪年生产的，这些东西都从视频处理成文本文件，你可以进行对应物体的快速搜索。
所以其实你在走在路上的时候，所有的这些信息都是可以记录下来的。所以以后如果做坏事会越来越难。大家如果现在还有什么事没做赶紧做，以后再做相对会困难很多了。
12点钟大家可能出去跟朋友玩了。拍一些自拍照，其实拍的时候，就是用了我们的一些视频处理的技术，比如把一个手机拍照拍成单反的效果，这也是我们做的技术，先拍照后聚焦，拍完点什么地方就聚焦到什么地方。另外在拍之前，我就想看看单反预览效果是什么样子的，所以这时候你在动的时候，效果就要显示出来，这就是要实时视频级的处理。视频上能够实时把深度信息算出来，预览做出来。这些技术已经在OPPO R9S和R11用了很长时间了，包括里面的人脸技术都是使用我们的技术支持。
还有手机上可以做一些智能相册的特效、处理。计算机识别你的照片内容，然后根据内容打标签、分类管理。
这些特效，大家现在手机上可能节日期间也会用到一些这些应用，比如把卡通图片里的脸换成自己小孩的脸。但是我给你演示这些是我们十年前做的，我们十年前已经做到这个效果了，当然那个时候是在计算机上做出来的，现在把这些技术可以做到手机上了。
我们跟小米合作做了小米智能相册，跟华为合作做了华为智能相册，跟微博合作，把大V的照片管理做起来。
两点多钟，你照完相了，吃完饭回来，对照片想处理，做一些新的艺术化的滤镜。
感觉我们公司的人基本不干活，整天在玩手机。
处理出来这些特效，这是在图像上做成的特效，其实这是我们两年前做的工作，现在满大街都是。我们现在又做了新的工作，是视频上实时也可以做出特效，而且可以做出各种特效。
4点钟，大家可以出去玩一玩，可以做一些体育运动了，大家可以想像一下，我们公司4点钟就下班了，开始去玩了。
同时我们可以用跟踪的算法，然后把整个画面分析清楚，用自然语言描述视频里运动员到底在干什么。
然后大家下班的时候要坐车回家了。这时候可以乘坐由我们自动驾驶技术支持的汽车。自动驾驶里面我们做了六个大的方向，三十几项技术，目前跟全球前五大车企其中一个顶级的厂商进行合作。
到了晚上，这个视频里，我们分析人的运动方向。这些对整个分析视频的结构也是非常重要的技术。
刚才很多是我们已经落地的产品，是由我们的400多家合作厂商真正落地来用了的。下面还有一些新的技术突破，明天就可以马上用出去，就是因为这些新的技术突破，才继续推动做出来新的应用。
首先讲运动监测。还是回到奥运会这个应用，实际上我们可以在体育的视频里面把这些射门的镜头提取出来，两个小时的比赛可以很快缩到几分钟，可以完全自动做的。
或者田径比赛，真的很漫长的，但是精彩的镜头，百米、跳高那几个镜头，就是那几块，我们可以自动的识别提取出来，同时你也可以进行描述，要求怎么样提取出来，你感兴趣的部分。
然后还可以进行搜索。比如你要搜索音乐表演的视频，战争场面的视频，都可以自动搜索出来。
或者你要想做电影自动理解。比如可以明白这个镜头到底是灾难的镜头还是浪漫的镜头，用我们前面说的技术来分析整个场景到底是什么样的，红线代表浪漫的，蓝色是灾难的，实时分析镜头。或者说他们在吵架还是浪漫的镜头。都可以实时分析出来。
还有图像的分割，以前大家讲图像分割都是前景和背景分开，现在做的分割是不但把前景和背景分开，而且还可以像素级地把前景的每一个物体分开，前面有很多跳舞的，每一个人都标注出来，每一个物体，和背景都分割开来，就可以做很多很多各种各样的特效。
还有就是判断两个人的关系，如果你在网上放了照片，我们根据你这两个人的姿势和两个人的表情，分析出来你们两个人的关系。这个有什么用呢？比如说你跟一个很有钱的人照相，分析的结果是很友好，说明你认识有钱人这样可能你的可信度就增高了，我就可以把钱借给你了，可以做征信的一个维度。
最后我用一个我们研究的例子来讲一下原创的难度，我刚才讲的每一个技术其实都不是那么简单的，都不是说一拍脑袋一下就做出来的，有非常多的事情要做的，这个例子是图像超分辨率增强，就是我们怎么把一张图放的很大，能够恢复的很清晰。这是美国的一个电影，FBI在抓人。最后他抓到一张很模糊的图像图像放大做成清晰的图像，当时觉得FBI很厉害，非常棒。我们用传统的技术也试图把这个图像恢复一下。当时希望把小图恢复成这样，用传统算法做了最大的努力，最后的结果是这样，所以我们很不满意。
这个应用有什么用处呢？实际上是把可以进行图像、视频放大，可以把普通的电视信号变成4K的高清信号，8K的高清信号，这是我们最新做出来的结果，可以看到如果直接放大是很模糊的，现在用新的结果基本上达到高清的效果，已经达到实用的阶段。
在日本有个工作叫WAIFU2X，他们用我们的技术做了演示，就是把太太（二次元妹子）放大两倍，然后用这个图，最后的效果非常清晰。
超分辨率这个工作是很重要的，因为有很多场合有应用。所以谷歌、推特也对这个非常重视，他们在2016年连着发四篇文章做这个工作。按照以往，大家可能都是跟着谷歌后面做，而我们不是，我们发表了全球第一篇用深度学习超分辨率文章，那是2014年，早于谷歌两年，2015年又发了一篇，2016年两篇，2017发了三篇，我们不但是做的最早的，第一个做的，而且也是目前做的最好的。所以是谷歌在跟着我们做！
做这一项工作要想做成功，牵扯的工作是非常多的，有各种各样的技术，涉及到十几篇几十篇的文章才能做到现在的效果。
所以现在我们已经可以做到实用，在街头上拍的照片，模糊照片可以真正看到罪犯的样子。
而且已经给深圳的公安用了，公安用手机可以拍人的照片，很模糊的图像可以在库里搜索，实时抓捕罪犯。
经过我们的努力，所有这些加一起，从原来这个效果现在可以做到这个效果了。
在2011年到2013年深度学习刚刚开始的时候，这两个顶级会议上，29篇文章我们占了14篇，全球的一半，这里面16项技术，都是我们第一个真正成功的把深度学习应用到这些技术领域。
所以我们是深度学习的原创技术公司，是真正做平台的，和脸书的Torch、谷歌的TensorFlow一样，我们做了自己的原创平台Parrots，来在这上面开发我们深度学习相关的技术。
7月份的时候，我很荣幸作为国际期刊IJCV主编，召集了夏威夷IJCV Night晚宴会议，计算机视觉领域很多顶级学者都参加了我们的这个晚宴。我们在马上10月份，在威尼斯的ICCV大会上会再开一次这样的国际顶级学者的·聚会，欢迎大家过来参加。
最后，大家看一下这一页上的这些图像的一个共同的点是什么？米开朗基罗、贝多芬、梵高、乔布斯、兰博基尼的设计首席设计师，这些人有一个共同特点，其实就是两个字：原创。中国最缺的就是原创，我们现在做的就是原创，做原创是非常难的一件事情，但是不做原创一个国家是永远也发展不起来的。
☞来源： 商汤科技
往期回顾|003讲中民国际资本执行董事刘国清-数字化工厂与人工智能
往期回顾|005讲甘中学——从智能工业机器人到智慧工业机器人
往期回顾|006讲长江学者王树新——微创手术机器人技术创新与产业发展
往期回顾|007讲哈工大教授杜志江——国产手术机器人的研究体会
往期回顾|008讲80后博导齐俊桐--无人机智能控制前沿技术
一堂课下潜深海7000米！揭秘罕见黑暗生物链+蛟龙号“龙脑”
意向合作，文章转载， 均可联系堂博士电话：13810423387(同微信)。
以上需求均可联系微信：35735796。
相关内容
微信扫码咨询专知VIP会员