汤晓鸥：人工智能的中国式文艺复兴

1月28日，香港中文大学信息工程系教授、商汤科技创始人汤晓鸥在新兴科技峰会EmTechChina上发表了题为《人工智能的中国式文艺复兴》的演讲。商汤科技创始人汤晓鸥下文为演讲内容整理：今天，我讲的题目是《人工智能的中国式文艺复兴》，这个题目我在上海讲过一次，我这个人不太喜欢重复自己，于是我又想了一个新的题目《人工智能的中国式十月革命》。言归正传，我想大部分中国人都应该知道《战狼》，一下子赚了56亿。这在15、20年前是不可能的；那时候很多人会去买盗版的VCD，或者去网上下载一个盗版。如果这样，导演和演员也就没有动力再继续坚持下去了。今天，中国电影的成果最重要的推动力就是我们对原创和版权的尊重。我们现在不是只有一部电影这样成功，比如《羞羞的铁拳》赚了22亿，《芳华》达到14亿的票房，《前任3》是18亿，《无问西东》做到了5亿票房。所以，对原创的尊重使得中国的原创电影不断往前发展。在三四十年代，全球电影发展起来时，中国电影并不落后，像《马路天使》、《一江春水向东流》一点也不输给好莱坞电影。再往前，说一下文艺复兴的时候，如果米开朗基罗的这些作品或者任何一个艺术品很快有人进行复制，那么他可能也赚不到钱活不下去，所以，对于原创的尊重也是文艺复兴能真正兴起的一个原因。说到原创，下面我们来讲讲人工智能。如果我讲人工智能，大家第一能想到什么公司？是谷歌。但总有一天，人工智能热潮会过去的，到那天大家一定能想到商汤科技。为什么是谷歌？因为谷歌真的把资金投入人工智能发展，2015年的研发经费达120亿美金。2014年有一家公司叫DeepMind，只有12个员工，没有赚钱，只是在用深度学习玩游戏和下棋，但是谷歌花费6.6亿美金收购了这家公司。如果是在中国，大家就会花几百万美金把人一个个挖过来，那要便宜得多。但是如果那样做的话，就不会有后来的AlphaGo了。AlphaGo之后，谷歌又做了AlphaGo2和AlphaGoZero，有些公司开始学着AlphaGo下围棋，还有的公司选择打扑克牌，但从某种意义上讲，这都是跟在别人的后面做事情。真正有意义的事情是在AlphaGo之前你做了什么？有没有做什么事情让机器在某项任务上战胜人类。在AlphaGo之前我们做了一件事情，2014年，我们团队从事人脸识别，在全球第一次让机器的人脸识别能力超过了人的眼睛，像AlphaGo一样，在某一个人类定义的单项任务上，机器超越了人类。超越了人类就过了一条红线，而过了这条红线就可以在工业上进行应用。但是在真正应用的时候，发现过了红线还是不够用，从实验室到大规模产业化还有很长的路要走。2014年，我们用20万人脸来对机器进行训练做到了98.5%的准确率，而人是97.5%;2015年我们用30万人脸进行训练，达到了99.55%的准确率；2016年，我们用6000万人脸训练可以达到了百万分之一的误识率；2017年，我们用20亿人脸训练可以达到一亿分之一的误识率，而这样的误识率才可以真正地应用到各行各业，包括监控、金融、安防、手机等行业。所以，我们和高通签署了全球AI战略合作协议。那么除了人脸识别，我们现在还做什么？这个技术是行为检测，我们用计算机视觉分析的方法，可以从很长的一段视频里把重点内容检测出来，你就可以直接跳过没有意义的部分，直接看这些有趣的、真正的镜头。还有基于内容的视频搜索，在电影中我们可以把各种各样的片段搜索出来，比如说你想搜索武打动作片段，或者喜剧片段，我们可以直接把它搜索出来，或者你想搜索科幻的，我们可以把科幻的片段搜索出来。以及用自然语言描述来进行场景搜索，我们用自然语言来描述一个电影中的场景，然后它就可以自动根据你的描述把这个电影片段搜索出来，比如，我们要搜HouseofCards中的一个片段，Claire和Frank坐在蓝色沙发上，大家看到下面这段场景就出来了。另外，我们不但能把视频分析出来，还能理解这个视频，然后用自然语言描述出来。比如下面这些运动视频，机器就可以像解说员一样来描述运动场上发生的事情。IJCV是我们这个领域的两大顶级杂志之一，作为IJCV的主编，我会在每年的ICCV和CVPR两个计算机视觉顶级会议上，主办IJCVNight晚会，邀请几百位顶级学者参加。下面这个演示里我们把电影场景里的所有物体都检测出来，演员是哪一个演员，他穿的是什么衣服，这个场景是在餐厅里，所有的桌子、花、椅子全部能够实时的自动检测出来，这样的技术在以前是非常难的，但是现在我们都可以做到了。再回头来看我们如何用这些技术来分析前面提到的电影《战狼》和《羞羞的铁拳》，我们通过分析这些演员的动作和他们之间的关系，可以分析出来在不同的场景之下，这两个演员是谁，在做什么，这个片段是什么类的情节。同时，我们可以识别每一帧情节分类，每一个镜头是打斗场景还是恋爱场景。我们也可以把一个电影最精彩的镜头提取出来，大家可以挑选比如动作的精彩镜头、感情戏的精彩镜头、悲剧的精彩镜头等等。那么总结起来，我们在做什么呢？我们是在教机器看电影，一开始我们是教机器来识别人脸，Google是在教机器来下围棋，而现在我们来教机器代替人看电影。这个感觉有点怪，我们让机器来做下棋，看电影，玩游戏这些有趣的事情，然后我们人类只负责给机器充充电，维修和保养。我觉得大家听了这个一定觉得很可笑。实际上所有的任务，都是我们人安排给机器做的，机器是按照我们的指令在做事情，不存在机器控制人类这样的事情，AI的真正目的是帮助人类，帮助我们提高生产效率。最后给年轻人留下两句话：第一句，电影一定要自己亲自去看。第二句，AI这个词在中国拼音翻译过来就是爱，所以谈恋爱也要自己亲自去谈，否则你就不止前任3了，很有可能前任4、前任5了。

视频H5模板
微信头像H5模板