商汤的人工智能：AlphaGo低调的中国同行

字号:小大 2016-04-13 18:18 来源：网易科技我要评论(0)

核心提示：据人人行科技副总裁翁晓奇透露，经过多方测试，“借贷宝”的肖像认证系统最终采用了商汤科技的平台，用户不需去输入银行卡密码就可进行身份认证，“在APP为用户肖像采集一张照片，再和公安部提供的身份证照片进行比对，我们每天有几十万人通过这种活体的肖像认证，目前是全国最大规模的肖像认证技术实践。”

“人工智能一下子火了起来”，徐立感慨说。

以前，徐立布道“深度学习”、“人工智能”、“DeepMind”……这些名词，客户常常不知所谓，AlphaGo的人机对弈开始后，客户纷纷主动询问合作机会，“PPT中的大量专业词汇，AlphaGo用5盘围棋全普及了”。

商汤科技（SenseTime）CEO徐立

35岁的徐立是商汤科技（SenseTime）的CEO，也是一位计算机视觉的科学家，2014年，他和学术同行联合创立商汤科技，目前核心业务是机器视觉服务，包括图像视频的处理和理解，人脸识别，而其技术基础，就是与AlphaGo同源的深度学习。这家低调的创业公司，已在不知不觉中渗透进多数人的生活。

领先一步

对徐立而言，AlphaGo赢得比赛并不意外。

过去两年，但凡介绍深度学习，他都会谈及AlphaGo的“造物主”Deep Mind——2014年Google耗资4亿英镑收购的这家英国公司，“Deep Mind才12名员工，创始人是一位国际象棋冠军，没有具体产品，只从事深度学习的游戏研究，要花4亿英镑，当时业界震惊了。”

每与人谈及这宗收购，徐立听到的多数评价是“谷歌就会乱花钱”，然而，业内学术权威Yoshua Bengio教授当时即评论：“深度学习领域内约有50名真正内行的专家，其中12人在Deep Mind，谷歌买的是未来”，AlphaGo证实了Deep Mind的价值。

所谓深度学习，某种意义上是对人脑神经细胞的模仿，人脑拥有大量相互联系的神经细胞，细胞间彼此传递神经刺激，而运算过程并非一部到位，是从一个层次到下一个层次计算复杂事物，用计算机模仿该过程，就形成深度学习，其本质是一种人工神经网络，擅长在大量数据基础上进行判断。

历史上，谷歌曾进行过一个“猫脸识别”的实验，建立一个由10亿个节点的神经网络，让其“观看”大量视频，人工大脑自主“学会”了识别猫脸的技能，此前没有预先编写任何程序告诉计算机什么是“猫脸”，完全是通过海量视频和数据分析猫脸的特征。

深度学习的技术渊源，可追溯至上世纪80年代，受限于运算能力以及数据量，在学术界长期处于边缘地段，2006年后，由于IT技术的进步，其学派开始崛起；随后，微软人工智能首席科学家邓力（Li Deng）将其应用于语音领域，并取得重大突破，邓及其合作者在2009-2010年间开发了一套算法，迅速将语音识别的准确率提高到一个新量级，一大代表性成果即全自动同声翻译系统，可实时把英文演讲翻译成中文并以中文语音输出。

“这项研究改变了人工智能的产业现状，引爆了学术界，深度学习马上成为大热点，”徐立评论说，“大量研究开始朝着深度学习方向迅猛推进，像推火车一样，技术应用不断拓展，计算准确率大幅度提升。”2013年，《麻省理工科技评论》（MIT Technology Review）将深度学习列为世界十大突破性技术之首。

据徐立介绍，深度学习目前主要应用于3大领域：语音识别、自然语言处理（代表性例子，微软小冰）以及计算机视觉。2010年前后，徐立时为香港中文大学的博士后，与汤晓鸥教授港中文多媒体实验室师兄弟多有接触，后者是深度学习在视觉领域应用的先驱。

其中，颇具说服力的成就是，在CVPR、ICCV和ECCV三大计算机视觉学术会议上，前3年有关深度学习的文章共29篇，其中14篇出自香港中文大学多媒体实验室，其团队后成为商汤科技的骨干研究力量。可以说，在深度学习与计算机视觉刚刚联姻时，正是学术方向的明智选择以及强执行力，成就了商汤科技现在的商业价值。

直到现在，商汤科技也保持着浓厚的学术色彩，其人才团队中有不少来自MIT、斯坦福、香港大学、香港中文大学、清华大学等高校及其实验室，以及谷歌、百度、微软、阿里巴巴等产业界领军人物，其中包括5位Microsoft Research Fellow，2位A-star（阿里星人才计划），聚集华人世界中一批深度学习和计算机视觉领域专家。200余人的公司中，拥有超过50多名博士全职任职。

“商汤的很多科学家非常抢手，我们提供的工资并不比业界巨头高，”徐立解释说，“这些科学家愿意过来，是因为我们真心相信，在人工智能这样的关键领域，中国原创科技完全有机会走到世界前列。”

全球第一

现就职谷歌的Geoffrey Hinton被誉为深度学习领域的开山鼻祖，2010年语音领域实现突破后，他尝试将深度学习引入到视觉图像领域，于2012年参加ImageNet的竞赛。

ImageNet竞赛是人工智能领域的权威竞技场，斯坦福华裔学者李菲菲（Feifei Li）为视觉领域收集了大规模“图像分类和物体检测”的数据集。该数据集最初包括一个1000类图片分类的任务，后面又增加了200类静态图片物体检测任务。

Geoffrey Hinton第一次使用深度学习方法，就将图像分类的准确率提升10%，这在过往要耗时数年才能实现。此例一开，但凡在计算机视觉领域要证明自身实力，参加ImageNet竞赛几乎成必选项。

2014年9月，商汤科技联合创始人邱石博士等人首次出征ImageNet竞赛，在大规模物体检测比赛中就以40.7%的成绩荣获世界亚军，成绩仅次于谷歌的43.9%。

2015年，ImageNet竞赛新增一项视频物体检测的任务，视频是连续的图像，比静态图像中的物体检测复杂度更高，商业价值也更高，举例来说，一旦可将视频中的所有物件识别出来，品牌商就可按物体搜索，进行定向的品牌植入。

在该项新任务的比拼中，赛事主办方选择了30类别的物体，商汤科技联合香港中文大学多媒体实验室组成的团队，在28个类别中准确率最高，第二名只赢了两个；商汤科技整体62%的准确率，也远高于第二名51%的准确率，以11个百分点压倒性优势领先，实现夺冠。

按照徐立的解释，ImageNet比赛的成绩，取决于三大要素：最核心的“造脑”能力，脑子造得聪明与否，决定最后运算结果，造脑能力也是评价一家公司是否有人工智能核心技术的关键。

谷歌收购Deep Mind团队，脸书（Facebook）招募学术权威Yann LeCun等人，百度聘请吴恩达（Andrew Ng）担任首席科学家，本质请的就是“造脑的上帝”，只要将人工网络的设计可以胜出一筹，在搜索等业务场景中将带来巨大的商业利益，而商汤科技研究团队的高占比，正是因为其将“造脑”列为第一要务。

其次是数据，数据量越大，运算结果即越准确，由于ImageNet主办方也提供了限定的训练数据集，该项条件对于参赛者是平等的。

再次，就是超算能力，这是由大数据处理的需求所决定，只有计算能力较别人快，才能测试更多的算法模型，从中遴选出最佳算法。

商汤团队刚成立时，一开始没有GPU集群，往往要等1个月才能验证一个结果，而在2014年5月，由吴恩达主持，百度就构建了当时世界最快的超算平台MINWA，实现144个GPU连接。但现在，商汤科技已建设的深度学习超算平台DeepLink，200块GPU的连接数全国最大，以前耗时1个月的运算，现在只需5-6个小时即可完成。

ImageNet竞赛的夺魁，证明了商汤科技在两大领域的实力，“第一，我们脑子确实造得好，第二，超算平台能力强，”徐立说。

对标谷歌

深度学习过于抽象，对普罗大众而言，商汤科技最易理解的标签，就是人脸识别。

2014年下半年，投资机构IDG主动找上门来，游说媒体实验室的骨干创业，徐立等人当时在业内已相当资深，为什么要舍弃学术追求而创业？

“从学术上转换成工业应用，本身是一种责任，”徐立解释说，此前，香港警方曾向其团队寻求帮助：一些高速行使的逃逸车辆，监控录像过于模糊，希望他们恢复出逃车辆的信息，且为服务付钱买单，这种实践给予了团队巨大的成就感。事实上，计算机视觉领域的“四大天王”（即前文所述的Geoffrey Hinton、Yann LeCun、Yoshua Bengio、吴恩达）中，就有3位投身产业。

2014年10月，团队正式成立商汤科技。创业伊始，团队主要精力是将学术成果转化为商业性解决方案，2015年上半年一直忙于深耕产品，而人脸识别以及图像处理的需求日渐旺盛，在2015年6月份，公司业务开始爆发性增长，商汤科技的商务团队起初不过四五人，在公司忙于接待问询的客户，直到2015年底，才开始针对性地开发行业客户，现在商务团队领衔的负责人此前任职IBM Watson Health 大中华区事业总监。

由于商汤科技主要从事B2B业务，多隐身于幕后，一直未为人所知，实际上，其服务客户量早已达亿级规模。据徐立介绍，现阶段的主要布局在几大领域：

第一大领域是移动互联网，其客户包括小米（智能人脸相册，植入MIUI7）、华为Mate 8发布（智能人脸相册+智能场景相册）、美图（人脸检测器、人像美容）、微博（面孔相册）等，之前刷爆朋友圈的图聊软件Faceu，Snow等，采用的也是商汤科技的算法。这些产品应用，每一个均是千万量级以上的客户。此外，商汤科技还与中国移动缔结了战略合作关系，后者将其3亿用户实名制的计划，就依托于商汤OCR人脸识别领域的技术。