編者按：上周，閱面科技創(chuàng)始人 & CEO 趙京雷做客深圳灣（公眾號 ID：shenzhenware）的「連線灣星人」活動，與各位小伙伴們討論了當(dāng)下行業(yè)熱議的人工智能以及機器視覺的相關(guān)問題。本文對趙京雷在該活動中的討論進行了編輯和整理。

關(guān)于趙京雷：上海交通大學(xué)人工智能博士，曾任 WiseNut 算法總監(jiān)，阿里北京算法研究中心負(fù)責(zé)人、高級算法專家， 專注人工智能領(lǐng)域算法研究超過15 年。

初衷：讓機器具有一雙聰慧的「眼睛」，朝更智能化的方向發(fā)展

在一次聚會中，趙京雷與朋友們討論了這么一個問題：什么樣的平臺，會成為繼智能手機之后最有發(fā)展?jié)摿Φ囊粋€平臺？大家普遍認(rèn)為，人工智能的發(fā)展既是必然的趨勢，同時也是也是不可或缺的技術(shù)。

而視覺將在人機交互中扮演著重要的角色，它能夠讓機器從被動接受命令到主動去感知世界，而就目前來看，計算機視覺的發(fā)展還處于比較前期的狀態(tài)。自從深度學(xué)習(xí)出現(xiàn)后，人工智能領(lǐng)域迸發(fā)出了許多創(chuàng)業(yè)機會。然而，這些人工智能產(chǎn)品中的大部分并不「智能」。

2015 年，趙京雷成立閱面科技（ReadSense），主攻計算機視覺和機器學(xué)習(xí)，讓機器具有一雙智慧的「眼睛」，朝更智能化的方向發(fā)展。

在趙京雷看來，只有賦予計算機視覺感知能力，像人一樣看到并主動理解周圍的世界，人工智能才真正開始具有「靈氣」。「當(dāng)我們期待人工智能超越人類智能這個奇點的臨近，我們就必須讓計算機具備比人類更強大的視覺能力。而在這個最好的時代等待計算機視覺的將會是全新的挑戰(zhàn)」

內(nèi)容：提供軟硬件一體化解決方案，幫助行業(yè)（智能家居、機器人、車載設(shè)備等）解決視覺問題

「現(xiàn)在的視覺算法早已舍棄了底層的傳統(tǒng)方法，全都必須采用深度學(xué)習(xí)。在深度學(xué)習(xí)框架上，我們主要解決了檢測、追蹤和識別三塊，基于自主算法的不斷優(yōu)化，可以構(gòu)建一系列諸如人臉情緒識別、手勢識別、人體識別以及場景感知算法?！?/p>

視覺算法前端運算的最終形式是視覺芯片，閱面科技正自主研發(fā)創(chuàng)新性視覺算法，硬件模組及芯片，旨在做一套軟硬件一體化解決方案（包括軟件 SDK、嵌入式硬件模組以及視覺 sensor 等），幫助行業(yè)解決視覺問題，涵蓋智能機器人、智能家居、智能玩具和車載設(shè)備等。

做算法出身的趙京雷坦言：「硬件和算法產(chǎn)品的做法差別非常大，但在目前，要想真正的解決機器視覺的問題，必須要做硬件。而做硬件要考慮性能、功耗、價格和供應(yīng)鏈以及與軟件算法的整合優(yōu)化等。幸虧團隊里有硬件產(chǎn)品經(jīng)驗比較豐富的同事，解決起來相對沒那么費勁。另外，我們也一直在加強硬件方面人才的積累?！乖谇捌谝荒甓嗟臅r間里，團隊主要還是將精力放在底層算法和數(shù)據(jù)上。

以往的智能解決方案一般都需要連接云端，相應(yīng)的，機器會容易因此出現(xiàn)響應(yīng)速度慢等問題。而閱面的一體化解決方案運用深度學(xué)習(xí)技術(shù)以及海量的數(shù)據(jù)，可在脫離云端的情況下，利用本地化算法實現(xiàn)硬件嵌入。對于情緒識別這中必須得到實時反饋的服務(wù)，需要算法前端化嵌入移動端來實現(xiàn)高效運行，云端處理顯然不是最好的選擇。

而離線是否會影響機器的深度學(xué)習(xí)和大數(shù)據(jù)分析呢？趙京雷向我們解釋了其中的原理：在機器學(xué)習(xí)中，目前主流的算法分為從大數(shù)據(jù)中去學(xué)習(xí)的訓(xùn)練階段，和對新數(shù)據(jù)處理的預(yù)測階段。而不管算法是運行在云端還是本地，都要先從大數(shù)據(jù)中去習(xí)得能力。所以，不管是前端還是云端，兩者的預(yù)測模型都需要有事先的部署，預(yù)測端代碼和離線的數(shù)據(jù)處理并沒有什么關(guān)系。

技術(shù)：關(guān)于手勢識別、表情識別、建模的那些事

關(guān)于手勢識別如何解決多角度的問題，趙京雷表示：目前，手勢識別有 2D、3D 這兩種主流方案。除了 VR、AR 中一些需要精準(zhǔn)捕捉手部關(guān)節(jié)運動的應(yīng)用外，一般的手勢均可采用 2D 方案。另外，影響手勢多角度識別的關(guān)鍵在于手部檢測環(huán)節(jié)（就是從圖片中檢測出手勢）。

在以往，比起 2D 方案，3D 方案在手部檢測方面具有更大的優(yōu)勢，而這種優(yōu)勢已逐漸消失：2D 擁有更大的數(shù)據(jù)量，尤其適用于深度學(xué)習(xí)，在樣本量足夠大的情況下，深度學(xué)習(xí)有能力構(gòu)建更高度精確的多角度手部檢測模型。

表情識別可謂是人臉識別中最大的難題，一方面，數(shù)據(jù)的不一致性，使得人類在某種情感上較難建立標(biāo)準(zhǔn)的定義；另一方面，對于人臉，計算機只能識別出一個情緒模型的置信值，這也是機器不能讀懂面部表情下潛在心情的緣由。

據(jù)趙京雷介紹，為了改善這一局面，目前也有人在嘗試這樣一種方法：通過多模態(tài)的輸入，比如結(jié)合體征特征、聲音特征等對情緒進行建模。但總體進展和實用性不大。

攝像頭在捕捉面孔信息時，難免會遇到因為遠(yuǎn)距離而導(dǎo)致畫面模糊的問題。閱面科技也一直在加強處理這方面問題的技術(shù)，其中，表情識別是他們解決方案中很小的一部分。

趙京雷還表示，未來的視覺識別將是「無感」的，也就是不能要求被識別的目標(biāo)擺 pose。受人體運動、角度等影響，攝像頭所捕捉到的圖像質(zhì)量普遍偏低，在考慮實際的產(chǎn)品時，也必須考慮到這些問題。

趙京雷進一步說道，目前人工智能最大瓶頸在模型本身，現(xiàn)在深度學(xué)習(xí)模型也只是對人腦的認(rèn)知機制刻畫了一個皮毛，而對大腦認(rèn)知結(jié)構(gòu)的進一步認(rèn)知（比如心理學(xué)和生物學(xué)），將會對 AI 帶來本質(zhì)性的突破。

理解：「人工智能」與「機器人」

到現(xiàn)在為止，相信許多人對「人工智能」的概念還是了解得不夠清楚，甚至還會與「機器人」這個概念混淆。對人工智能有多年研究經(jīng)驗的趙京雷對「人工智能」的存在形式做了一番解說：

「人工智能」與「機器人」是兩個截然不同的概念，但在某種意義上，「人工智能」可以等同于「機器人」。機器人是具備了部分人類或者生物認(rèn)知能力的機器，但不一定是人形機器人。

另外，機器人不一定要有硬件載體，人工智能算法本身接入虛擬形象也可以成為某種意義上的機器人。未來的機器人可以有硬件載體，也可以是存在于 AR、VR 等場景的虛擬影像。

編輯：林億

題圖：電影『機器人 9 號』

● ● ●

下期「連線灣星人」活動預(yù)告：
「靈聚人工大腦可以立即改善當(dāng)前智能硬件和機器人的窘境，而不是只著眼于遙遠(yuǎn)未來的實驗室技術(shù)?！?/h3>

• 經(jīng)歷過多次創(chuàng)業(yè)，為何還會選擇在 40 歲創(chuàng)業(yè)做靈聚人工大腦？
  
• 在人工大腦和其它自然語音交互系統(tǒng)區(qū)別在哪？
  
• 為何選擇用 NAO 機器人作為硬件載體？
  
• 產(chǎn)品定位是商用級人工大腦，是否有考慮和家庭機器人合作？
  

靈聚科技今年 8 月剛剛拿了 A 輪卻還依然很低調(diào)，最近在發(fā)展什么？人工大腦領(lǐng)域還能有什么樣的創(chuàng)新和突破？

點擊此處或長按圖片中的二維碼，參與 9 月 8 日（周四）晚上的「連線灣星人」在線活動，和靈聚科技創(chuàng)始人張勝，聊聊人工大腦未來的發(fā)展前景和技術(shù)方向。