2020-02-11 12:57:32 來(lái)源：36氪
視覺(jué)智能，這門(mén)研究如何使機(jī)器“看”的科學(xué)，近年來(lái)隨著深度學(xué)習(xí)、大規(guī)模數(shù)據(jù)處理能力及云基礎(chǔ)設(shè)施的迅猛發(fā)展，逐步應(yīng)用到各行各業(yè)中，發(fā)揮著越來(lái)越大的作用。
近來(lái)，為了控制病毒的傳播，多地政府要求市民出入公共場(chǎng)所必須戴口罩。為了幫助工作人員防控疫情，阿里云緊急在48小時(shí)內(nèi)上線(xiàn)口罩檢測(cè)技術(shù)，該技術(shù)可以識(shí)別人員是否佩戴口罩，對(duì)機(jī)場(chǎng)、火車(chē)站、地鐵等公共場(chǎng)所的衛(wèi)生安全檢測(cè)和實(shí)時(shí)預(yù)警，大大緩解了人員壓力。該技術(shù)的快速推出得益于阿里云視覺(jué)智能開(kāi)放平臺(tái)（以下簡(jiǎn)稱(chēng)：“開(kāi)放平臺(tái)”）所提供的原子能力。
開(kāi)放平臺(tái)將阿里巴巴視覺(jué)智能技術(shù)實(shí)踐經(jīng)驗(yàn)開(kāi)放給視覺(jué)應(yīng)用的開(kāi)發(fā)者與用戶(hù)，讓他們可以在阿里云視覺(jué)平臺(tái)上選擇相關(guān)能力，自行封裝產(chǎn)品、服務(wù)或者是解決方案滿(mǎn)足自身或者最終用戶(hù)的應(yīng)用需求。平臺(tái)由阿里巴巴集團(tuán)技術(shù)委員會(huì)視覺(jué)技術(shù)小組和戰(zhàn)略合作部牽頭，達(dá)摩院聯(lián)合阿里云產(chǎn)品與解決方案管理部以及集團(tuán)各個(gè)視覺(jué)技術(shù)團(tuán)隊(duì)一起創(chuàng)建，于2019年12月，完成了公測(cè)上線(xiàn)。
該平臺(tái)也正在積極吸引更多的用戶(hù)，正與阿里云開(kāi)放平臺(tái)、阿里云異構(gòu)計(jì)算、NVIDIA聯(lián)合舉辦AI挑戰(zhàn)賽，讓用戶(hù)免費(fèi)體驗(yàn)視覺(jué)智能平臺(tái)相關(guān)能力。
就此，36氪于近日專(zhuān)訪了阿里巴巴機(jī)器智能技術(shù)實(shí)驗(yàn)室資深算法專(zhuān)家、阿里云視覺(jué)智能開(kāi)放平臺(tái)負(fù)責(zé)人謝宣松（星瞳），和他聊了聊這一開(kāi)放平臺(tái)的產(chǎn)品邏輯，以及達(dá)摩院在視覺(jué)智能技術(shù)的思考。
圖片來(lái)源：阿里云視覺(jué)智能開(kāi)放平臺(tái)官網(wǎng)
以下是對(duì)話(huà)（經(jīng)編輯）：
謝宣松：2017年，達(dá)摩院成立。成立初期，外界多認(rèn)為達(dá)摩院可能只會(huì)做一些特別前沿、特別基礎(chǔ)、不那么落地的研究。但其實(shí)達(dá)摩院也有務(wù)實(shí)的一面，也一定程度遵從一個(gè)大的策略：“以市場(chǎng)為導(dǎo)向的，以產(chǎn)品為核心，以技術(shù)為基礎(chǔ)”。達(dá)摩院它不是一個(gè)孤立的個(gè)體，也是屬于阿里巴巴的一部分。阿里對(duì)達(dá)摩院也有兩方面的考慮，一是希望業(yè)務(wù)在達(dá)摩院技術(shù)加持下走得更快，相當(dāng)于提升業(yè)務(wù)的一些核心競(jìng)爭(zhēng)力。另外一個(gè)，是希望達(dá)摩院的本身能夠走得更遠(yuǎn)，主要體現(xiàn)其愿景實(shí)現(xiàn)和基礎(chǔ)技術(shù)競(jìng)爭(zhēng)力的優(yōu)勢(shì)建設(shè)上。
達(dá)摩院在阿里體系中還是有它獨(dú)特的定位。研發(fā)上，達(dá)摩院既會(huì)做一些影響力更深遠(yuǎn)的事情，也能做業(yè)務(wù)落地支持型的產(chǎn)品?，F(xiàn)在，達(dá)摩院也越來(lái)越強(qiáng)調(diào)和其他部門(mén)的聯(lián)合作戰(zhàn)。達(dá)摩院會(huì)更關(guān)注做“深的能力”，即做到極致效果、有影響力的事；同時(shí)又會(huì)做“寬的能力”，即在各行各業(yè)做出更多案例?？偟膩?lái)說(shuō)，達(dá)摩院既要為阿里云提供技術(shù)加持，也要做好阿里集團(tuán)內(nèi)部系統(tǒng)基礎(chǔ)性的工作。
謝宣松：首先整個(gè)阿里巴巴集團(tuán)有上千名開(kāi)發(fā)人員圍繞著視覺(jué)技術(shù)在電子商務(wù)、城市大腦、金融支付、交通物流、通信會(huì)議、新零售、文娛等多個(gè)行業(yè)的應(yīng)用需求，對(duì)外貢獻(xiàn)了許多產(chǎn)品和解決方案，這其中沉淀了諸多視覺(jué)基礎(chǔ)“原子能力”，即底層能力。同時(shí)，阿里巴巴的許多內(nèi)部業(yè)務(wù)，如淘寶、天貓、支付寶、優(yōu)酷等諸多明星產(chǎn)品都有視覺(jué)能力在背后的支持有著海量的用戶(hù)規(guī)模，對(duì)這些視覺(jué)智能技術(shù)能力進(jìn)行了千錘百煉。
但此前阿里云沒(méi)有一個(gè)統(tǒng)一的入口和品牌，將這些基礎(chǔ)能力統(tǒng)一集合起來(lái)。于是，我們便決定建立一個(gè)平臺(tái)。
這個(gè)平臺(tái)首先是一個(gè)視覺(jué)智能核心零部件的供給庫(kù)。這些零件有自營(yíng)的，即阿里巴巴團(tuán)隊(duì)自己研發(fā)的；也有第三方供應(yīng)商的，即生態(tài)伙伴或者其他相關(guān)人士提供的。其次，開(kāi)放平臺(tái)也是一個(gè)效率工具，有著大量的場(chǎng)景案例，可以幫助開(kāi)發(fā)人員更高效開(kāi)發(fā)落地產(chǎn)品。開(kāi)放平臺(tái)是雙向的，內(nèi)部和外部都可以使用，對(duì)外主要面向視覺(jué)智能技術(shù)的開(kāi)發(fā)與應(yīng)用用戶(hù)，為其提供好用、易用、普惠的視覺(jué)智能API服務(wù)，幫助企業(yè)、開(kāi)發(fā)者快速建立視覺(jué)智能技術(shù)的應(yīng)用能力。
總結(jié)起來(lái)，該平臺(tái)有這么幾個(gè)特點(diǎn)：一是專(zhuān)業(yè)，達(dá)摩院科學(xué)家及集團(tuán)專(zhuān)業(yè)工程師加持；二是實(shí)用，上線(xiàn)的視覺(jué)技術(shù)是通過(guò)阿里巴巴海量場(chǎng)景和最佳案例檢驗(yàn)的；三是全面，平臺(tái)集合了規(guī)?；⒍鄻踊?、場(chǎng)景化的視覺(jué)AI能力，為開(kāi)發(fā)者和用戶(hù)提供一站式能力選擇；四是易用，依托阿里云智能堅(jiān)實(shí)的基礎(chǔ)設(shè)施服務(wù)，提供普惠易用標(biāo)準(zhǔn)的AI能力，用起來(lái)省心省力。即有硬實(shí)力，又有軟實(shí)力。
謝宣松：開(kāi)放平臺(tái)將圍繞以多個(gè)視覺(jué)智能的主要類(lèi)目不斷為用戶(hù)提供多種視覺(jué)AI原子能力，包括：圖像識(shí)別、文字識(shí)別、視頻理解等多種視覺(jué)基礎(chǔ)技術(shù)。
主要是從三個(gè)維度去分：一是業(yè)務(wù)維度，比如一些剛需場(chǎng)景，包括文字識(shí)別、商品理解、內(nèi)容審核等；二是從技術(shù)角度分，比如識(shí)別類(lèi)、檢測(cè)類(lèi)、分割類(lèi)、增強(qiáng)生產(chǎn)類(lèi)，這些主要針對(duì)一些通用場(chǎng)景；三是針對(duì)特定的長(zhǎng)尾場(chǎng)景。
謝宣松：這就要說(shuō)到我們產(chǎn)品普惠化的特點(diǎn)，在目前已經(jīng)公開(kāi)的產(chǎn)品中，我們采取了一些免費(fèi)的策略。這些免費(fèi)策略根據(jù)輸出的“能力”的不同而不同，比如有的是根據(jù)用量，有的按QPS多少，這些我們都給予一定程度上的免費(fèi)額度，基本能滿(mǎn)足一些要求不高的用戶(hù)。
但AI既要做普惠，也要考慮商業(yè)化盈利策略，這樣才能讓平臺(tái)能夠持久運(yùn)營(yíng)下去。這就要求我們有合理的商業(yè)化策略，也就是找到普惠和商業(yè)化之間的平衡點(diǎn)。好在平臺(tái)上的原子能力是多樣化的，所以這個(gè)平臺(tái)也能有比較融合和多樣化的商業(yè)策略，這也是我們正在探索的。
圖片來(lái)源：銳景創(chuàng)意
謝宣松：首先普惠的話(huà)并不是等于免費(fèi)，這是兩個(gè)不同的概念，當(dāng)然免費(fèi)可能是符合普惠的一個(gè)特點(diǎn)。主要可以從幾個(gè)維度來(lái)看，第一是用戶(hù)進(jìn)入使用AI的成本門(mén)檻降低；二是用戶(hù)使用感受是省時(shí)、省力、易用的；三是使用AI獲得的收益相對(duì)付出的成本來(lái)說(shuō)更高。
謝宣松：我想從感知到認(rèn)知的變化，不是一個(gè)簡(jiǎn)單的更進(jìn)一步，有著豐富的涵義：
一是從理解到思考的能力；目前的AI在識(shí)別理解世界上做得比較多，但是下一步的聯(lián)想推理、生產(chǎn)輸出怎么做，就做的比較少，而這些正是認(rèn)知智能需要具備的。
二是從數(shù)據(jù)到知識(shí)的能力；因?yàn)楝F(xiàn)在感知層面的模型，更多的是數(shù)據(jù)在不同維度空間的映射，但是數(shù)據(jù)之間關(guān)聯(lián)、推理依據(jù)和模型本身的可解釋性都不是那么成熟。
三是成本和落地的能力；目前的AI大多時(shí)候都是強(qiáng)數(shù)據(jù)驅(qū)動(dòng)，不同功能、不同場(chǎng)景所需要數(shù)據(jù)不一樣，就需要再次進(jìn)行大量數(shù)據(jù)處理，在少樣本學(xué)習(xí)、能力遷移、跨域應(yīng)用上，沒(méi)有辦法做到低成本和泛化，因而很難做到快速推廣落地。
謝宣松：而視覺(jué)智能要從感知到認(rèn)知這個(gè)角度來(lái)看，我覺(jué)得至少要做三件事：
一是視覺(jué)算法本身的突破，以前的大部分的視覺(jué)智能的算法是識(shí)別分類(lèi)算法方面做得比較好，要向認(rèn)知智能演進(jìn)，可能需要在決策推理、生成強(qiáng)化等技術(shù)要點(diǎn)進(jìn)行突破，來(lái)拓展機(jī)器自主變化和輸出決策的能力。
二是橫向技術(shù)的打通；到認(rèn)知智能層面，知識(shí)是非常重要的要素，AI在具體細(xì)分行業(yè)的應(yīng)用落地將會(huì)更加深入，如何將細(xì)分場(chǎng)景的數(shù)據(jù)抽象成知識(shí)，知識(shí)又如何抽象形成框架性的東西都是需要進(jìn)一步攻克的。此外，視覺(jué)、NLP、圖譜等技術(shù)的橫向拉通，對(duì)于認(rèn)知智能的形成也非常重要，這里的NLP不是專(zhuān)指人的自然語(yǔ)言，更多的是指機(jī)器能夠理解的知識(shí)邏輯，也許可以叫MLP。
三是工程系統(tǒng)能力的增強(qiáng)；深度學(xué)習(xí)之所以可以在目前階段實(shí)現(xiàn)大規(guī)模的落地，是因?yàn)樗懔Α?shù)據(jù)以及工程化都已經(jīng)達(dá)到可控可用的狀態(tài)。同理，從感知演進(jìn)認(rèn)知，同樣的工程系統(tǒng)和效率工具也需要向前演進(jìn)，比如大規(guī)模的圖計(jì)算工程框架，否則認(rèn)知智能的規(guī)?；涞厥强照?。
謝宣松：我不好做具體的預(yù)測(cè)。但是，可以按照一定的邏輯進(jìn)行分析。一般來(lái)說(shuō)，能夠在實(shí)際落地當(dāng)中，特別好或者特別快地解決矛盾的方案和方向，會(huì)發(fā)展得更快一些。比方說(shuō)從“數(shù)據(jù)、算法、算力”這經(jīng)典的三要素來(lái)看落地，首先，當(dāng)一個(gè)行業(yè)它的數(shù)字化程度高時(shí)，數(shù)據(jù)體系也會(huì)相對(duì)完善；其次，在算法層面來(lái)說(shuō)，視覺(jué)智能起到的是核心作用；最后，這一場(chǎng)景智能驅(qū)動(dòng)力特別強(qiáng)，有創(chuàng)新的機(jī)會(huì)且能賺錢(qián)，有足夠的資源投入。能同時(shí)滿(mǎn)足以上三點(diǎn)的條件的行業(yè)機(jī)會(huì)更大。
謝宣松：不難發(fā)現(xiàn)，大部分視覺(jué)智能團(tuán)隊(duì)做的都是識(shí)別檢測(cè)相關(guān)的事情，這很合乎邏輯，因?yàn)槿艘彩窍日J(rèn)識(shí)理解世界，才談得上生產(chǎn)改造世界。但是，還有一些跨領(lǐng)域、跨媒體、跨技術(shù)的非純粹理解方向的技術(shù)應(yīng)用成熟度還不那么高，比如說(shuō)生產(chǎn)類(lèi)、增強(qiáng)類(lèi)的視覺(jué)智能， 2D和3D融合、全3D圖像、圖形學(xué)和視覺(jué)算法相融合、從靜態(tài)到動(dòng)態(tài)的技術(shù)。
從人本身的角度來(lái)進(jìn)一步抽象一下，視覺(jué)技術(shù)發(fā)展方向也有脈絡(luò)可循：一是維度上從低維到高維（2D到2D+T再到3D再到3D+T），二是從離人近的到離人遠(yuǎn)的（如到文字商品再到自然萬(wàn)物），三是從粗到細(xì)（比如整體識(shí)別到定位再到精細(xì)識(shí)別），四是從理解到生成，五是從自然圖到抽象圖，最后是，核心行業(yè)應(yīng)用到各行各業(yè)。
拿具體的例子來(lái)說(shuō)，比如2019年突然“火”了的換臉軟件、數(shù)字虛擬人像、2D圖像生成3D模型、自動(dòng)服裝設(shè)計(jì)等就用到了2D和3D融合、從靜態(tài)圖像到動(dòng)態(tài)畫(huà)面等技術(shù)。盡管這些技術(shù)目前應(yīng)用的并不是成熟，但卻是未來(lái)數(shù)字世界與現(xiàn)實(shí)世界進(jìn)一步交互，不可缺少的重要技術(shù)。
我們正在做一個(gè)智能服裝設(shè)計(jì)產(chǎn)品就可以很好地詮釋這一趨勢(shì)。它背后技術(shù)路線(xiàn)就是，將現(xiàn)在海量2D圖像信息，用技術(shù)手段變成3D的東西。然后在生成3D后再繼續(xù)生成各種各樣的拓展。比如，再利用物理模擬手段，把這些服裝放到一個(gè)數(shù)字人身上，然后去展現(xiàn)衣服真實(shí)的物理質(zhì)感等，視覺(jué)上很難去感覺(jué)出區(qū)別了。進(jìn)而，虛擬的衣服可以進(jìn)一步用于數(shù)字化營(yíng)銷(xiāo)的廣告、虛擬數(shù)字秀場(chǎng)等，而且這一虛擬的3D衣服還能回到生產(chǎn)線(xiàn)上，由虛擬走向物理世界。
另外，隨著其它基礎(chǔ)設(shè)施或者環(huán)境的變換，也會(huì)帶一些新的方向，比如5G，比如當(dāng)前新冠肺炎引發(fā)的在線(xiàn)辦公和教育行業(yè)，這些就不細(xì)述了。
免責(zé)聲明：本網(wǎng)站（http://www.www.gypb.net/）內(nèi)容主要來(lái)自原創(chuàng)、合作媒體供稿和第三方投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
本網(wǎng)站刊載的所有內(nèi)容（包括但不僅限文字、圖片、LOGO、音頻、視頻、軟件、程序等）版權(quán)歸原作者所有。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，請(qǐng)及時(shí)通知本站，予以刪除。
搶沙發(fā)
