AI十年進階：一段算法能力演進的歷史

魚羊 2021-07-19 13:56:06 來源：量子位

魚羊 發自 凹非寺
量子位 報道 | 公眾號 QbitAI

現在，AI無疑已經到了祛魅的時間點。

當AlphaGo的驚世一戰已成5年前的舊事，當GAN制造的特效在鬼畜區遍地開花，當曾經只有最精尖團隊才敢涉足的自動駕駛迎來造車大潮……

有人認為AI被捧上神壇的黃金期已經過去，但也有更多的行業觀點指出，此時，才真正到了見證AI技術創造價值的時刻。

不錯，如今，對于App里的推薦算法，大家早已習以為常；手機里的智能助手也越來越能get到你的意圖；甚至去趟亦莊，就能在地圖App里打上一輛無人駕駛出租車……曾經只在實驗室中被討論的算法，已經在不知不覺中蔓延到了生活的各個角落。

而當AI神秘的面紗隨著技術的普及不斷被揭開，行業內那些曾經被精英光環照亮的明星公司，身上的標簽也逐漸發生了變化。

說白了，就是比起“頂會論文”、“世界冠軍”，外界正在像獨角獸們提出更加直接的問題：

一家AI公司，究竟能創造出什么樣的價值 ？

迷霧消散，潮水褪去，才見真章。

就在最近，這群獨角獸里一直備受矚目的曠視，成立10年以來首次舉辦了技術開放日活動。

恰好，曠視首席科學家、曠視研究院院長孫劍等人，就在活動中針對這樣的問題，給出了自己的答案。

“AI是不斷演進的算法能力”

談及AI技術創造的價值，首先應該討論的是衡量價值的標準。

事實上，在技術發展的不同階段，所謂“AI的價值”始終是在動態變化著的。

眾所周知，AI技術迎來爆發期，也就是近10年以來的事，但AI幾起幾落的歷史，卻可以追溯到上世紀50年代。

以史為鑒，其實不難看出，雖然受限于計算能力和數據，AI在兩度迎來發展高峰后都很快陷入“寒冬”，但算法的演進，始終都是其引發關注的主因。

達特茅斯會議之后，掀起人們對人工智能第一波追逐的，正是機器自動定理證明、會下跳棋的跳棋程序、已經能勝任簡單視覺處理的感知機（Perceptron）等算法研究成果。

更不用提現在這波人工智能熱潮的來臨，是以圖靈獎得主Hinton等人提出的深度學習算法為基石。

但這還只是狹義上的“算法的演進”。

事實上，此前AI寒冬的來臨，究其本質是AI無法突破從“有沒有用”到“在哪里用”之間的距離。

如果說實驗室單點算法的突破，是算法演進的深度，那么規模化的實現與落地，就是算法演進的廣度。

收縮時間的范圍，這樣的認知同樣可以在最近10年中國的AI價值進階之路上得到證明。

作為中國AI十年的親歷者，曠視就認為，這10年來AI在中國產生的價值變化，大致可以劃分為三大階段：

• 基礎科研
• 行業落地
• 基礎設施

孫劍表示：

這三個階段分別回應了三個問題：AI有沒有用？AI在哪里用？AI易不易用？

并且，這三個階段不是分段接替，而是以基礎科研為起點，你中有我我中有你，并行推動著AI價值的進階。

回到算法的角度，可以這樣理解：

基礎科研的關鍵點是突破單點算法，讓AI率先在互聯網等數字化程度高的領域應用落地，證明可用性的問題。

行業落地的關鍵點是拓展算法邊界，讓AI能在越來越大的行業場景中實現規模化的商業落地。

而基礎設施的關鍵點是降低算法門檻，讓AI生產變得更加容易，從非標準化生產到標準化量產——曠視研究員周而進也在活動中強調：“非標準化的生產流程是制約算法生產的主要因素。因為非標，所以過程充滿不確定性，所以需要全能型人才。只有標準化，才能自動化，才能規模化。”

在這個過程中，正如開頭所提到的，算法本身似乎越來越不令人興奮、讓人感知不到，但實際上，算法卻已經無處不在，真正開始走出實驗室發揮出越來越大的價值。

以這樣的視角再去回看曠視的10年歷程，就會發現曠視自身的進階，正是遵循著上述算法能力演進的脈絡：

最初，以算法起步，乘著深度學習的變革東風，將深度學習與計算機視覺進行結合，形成以面部識別、視頻結構化、圖像分類、物體檢測、語義分割、動作識別等為代表的算法能力。

進入到產業落地的階段，在前期積累的科研成果的基礎上，又從face++到Brain++，將自身快速、低成本生產算法的能力沉淀為AI生產力平臺，提供從數據管理，到深度學習框架引擎，再到算力資源管理的一站式AI能力，大幅降低算法生產的技術門檻，實現AI算法的標準化、自動化生產。

以這樣的算法能力為基石，曠視又在與產業的更深入結合中，選擇了AIoT的路線。

因為IoT是基于場景空間，以人為核心、軟硬結合的網絡。AI+IoT的本質，就是將AI的能力注入到IoT場景中，實現智能化。

在AI能力的注入下，傳感器、機器人等物聯網終端硬件如同擁有“小腦”，能夠實現“單體智能”；AIoT操作系統則是在各種物聯網硬件和設備完成整合、組網之后，構成“大腦”，實現“群體智能”。

如此一來，AI算法才能真正做到“無所不在”。

曠視十年，不變的是什么？

成立10年，是時候通過技術開放的窗口再來看曠視是一家什么樣的公司。

其實跟最初外界給“CV四小龍”的定位，已然相去甚遠。

如今，不僅是在CV領域，將算法能力從目標檢測、語義分割，拓展到了光學指紋、SLAM導航等更加豐富的場景里，曠視也把基礎研發的視角，投入到了更基礎、更本質的創新。

比如曠視研究院就在今年提出了RepVGG，革新了模型設計方法論，讓經典的極簡神經網絡架構重新達到SOTA水準。其在開源后Github star已超過1800。

而Brain++提供的智能化、標準化工具組件和AI能力，則是從基礎設施的層面發力，解決AI進階途中逐漸暴露出來的生產效率不足的問題。

看上去技術“雜”了，但實際上，曠視技術路線的演化背后，透露出的是其作為一家跟中國AI行業共同成長起來的公司，對自身造血更新的深入思考。

這樣的不同之中，更深層的致勝邏輯其實卻是不變的：圍繞AI技術、圍繞算法本身，持續創新拓展認知邊界。

事實上，這種變化，不只局限在曠視。現在仍在行業中開辟自己的生存之道的獨角獸們亦如是。

變，是基于作為AI行業的親歷者，對行業的不斷洞察。

不變，是技術為王的底色，和對科技創新的堅持。

在這個過程中，曠視這樣的公司在技術上依然“精英”，在落地上則更加務實。

— 完 —