商汤,要森林不是树木

作者: 创业最前线 来源: 创业最前线 2020-07-20 20:41

解决人们生活中的点滴问题,才是技术真正进入人们生活的标志。


出品 | 创业最前线

作者 | 龙老师

在AI赛道集中度日益提高的当下,商汤发布了更为开放的开源计划,但这只是商汤价值观的一部分,用创始人徐立的话说就是——

我们要的是一片森林。我们需要各种各样的生物,需要开放创新,这也是我们迈出的第一步,我们开源了这样的算法框架,未来会引入更多的生态系统来共同完成。

1、AI下沉

为什么我们经常说,创业者一定要是走在时间前面的人?

看看现在的AI创业就知道,国家的“新基建”正在加速推行,一个AI大规模投入运用的时代即将到来。

但这并不能阻碍我们做一个基本判断,那就是AI风口的起步期、概念期基本已经结束了,AI创业步入深水区,AI在下沉。

经过几年发展,中国到底有多少家AI企业?对于这个数据,各方的统计相差太大,最少的认为数千家,大多数认为过万没有问题,最极端的数据是某门户网站联合天眼查发布的报告显示:全国人工智能企业总量近82万家。

中国产业界的浮嚣一向如此,千团大战、O2O大战、出行大战……哪一个不是成百上千的企业入局,然后凋零?

但是,AI这个行业,和消费互联网的行业布局还是有所不同。消费互联网可以一个模式霸占市场,而AI行业是一个极其广袤并且路径高度不确定性的无人区。

在头部,有一批旗舰级企业在前面冲击无人区,包括阿里云、百度、腾讯、商汤科技、科大讯飞新一代人工智能开放创新平台……同时也有一批中小微企业能够存活,共同繁荣AI生态。

在2020世界人工智能大会商汤人工智能企业论坛上,商汤科技联合创始人、首席执行官徐立提出:AI真正落地不仅要解决头部问题,还要解决长尾里的细小问题,人工智能的潮流已经毋庸置疑,而真正面对质疑,克服困难,解决人们生活中的点滴问题,才是技术真正进入人们生活的标志。

随着AI下沉到更广泛的长尾应用场景,行业也已经进入大型企业拼生态能力,小微企业拼小切口的深度创新阶段。

但这并不意味着行业出现了固化的迹象,AI的起步期结束不意味着企业没有机会,相反,新基建命题的提出给了企业更多的机会。商汤也逐步建立三位一体的综合能力和基础平台级生态,商汤新一代人工智能计算与赋能平台项目2021年底落成后,将大幅提升对基础算力的使用效率和自主原创算法的迭代效率,加快各类人工智能技术的演进和应用,并使算法、算力和数据三个基本要素成为一个有机整体。

同时在多年的AI落地实践中,商汤深得其中三味。徐立的想法比较独特——如果说的通俗一点,那就是AI的社会价值最大化,不能依靠几个样本工程,也不在于“人工智能”这样的“显学”有多么火热,相反,只有大量小众场景都被AI渗透的时候,这个产业才逐渐成熟。

徐立举的例子都非常的精细:

——共享单车近年火热,但带来了大量的城市管理问题,AI其实可以解决这个问题——通过检测车和车之间的关系,车和停放区域的关系,车是不是停成整齐的一条线,车与地面是垂直还是倾斜……这可以解放几万个共享单车的人力管理员的工作。

——城市里粪车偷偷排放是个问题,但无论是抽吸还是排放,外部视角看上去都差不多,那么怎么识别……办法就是,检测排放的井盖是否异常,车辆停的时间是否过长,在不该停车的地方违停……

——有些欧洲国家在疫情期间限制外出,但不限制出门遛狗,于是大量的人“遛假狗”,你怎么判断他到底是不是遛狗?

在讲完了这些后,徐立呼吁说,AI如果想要落地,最核心的部分一定是要把长尾应用的性能进行突破,才真正形成了价值闭环。当效率真正提升时,那些并不是最头部的应用,得到逐个解决时,这才是人工智能深入到行业最关键的一点,长尾的应用才能够完善价值闭环。

2、AI需要包容才能进步

在演讲的论坛上,徐立带来了几幅马的图片,引起了大家极大的兴趣。

这些马都是四蹄腾空前后伸直,而且无论是中国古代的昭陵六骏,还是清代宫廷画家郎世宁,还有无数中西方画家的画中,大致的姿势都是这样的。

但徐立告诉我们,这些马都画错了。1872年,欧洲摄影家Muybridge提出了疑问,他用当时才发明的摄影技术连续拍摄了12帧奔跑的马,第一次向世人揭示了马是怎么跑的。马奔跑过程中,并没有一个四蹄腾空的状态。

在大家在想徐立的脑洞为啥如此之大的时候,他给出了问题的答案:“错误了没有关系,错误的概念在这个过程中得到理解,并且正确的部分被延伸下来,就会对后世产生影响。”

原来他还是讲的是AI,徐立对于社会对AI的“容错”,有着切身的体会和殷切的希望。

他说:“我们要做技术,推动创新,其实对它的态度不能是求全责备,没有一个技术是100%准确的。我们只有以一个包容的态度去认可技术的时候,它才有真正的发展。”

徐立举例,当人脸识别作为解锁和认证的一个手段,大家会讨论人脸识别的准确率是不是足够:人脸识别很容易就误识,长得很像的弟弟能不能解锁自己的手机……

商汤的做法是用成绩来回应——今天的商汤,已赋能给4.5亿台手机人脸解锁功能,覆盖几乎中国所有手机品牌,日均人脸解锁次数达到300亿次,业界已经默认商汤的人脸识别能代替密码;在酒店大堂等很多需要认证的地方,商汤总共有20多万台智能设备在线为公众提供服务,每年酒店入住超过3亿人次。

然而,精度的问题刚刚解决,“假冒”的问题又出现了,用3D人脸面具去仿冒一个人来解锁能不能骗过AI,用视频生成的方式是不是真能够忽悠机器解锁……

商汤的做法是继续实践,他们推出的地铁刷脸乘车方案,在郑州、西安、哈尔滨等多个城市,已经大规模推出了刷脸支付乘车,这说明,在现代生活的主要系统——交通系统中,现在的人脸识别技术已能够落地并解决城市级别的应用。

这些过程绝不是一帆风顺的,但徐立不是一个喜欢叫苦的人。因为他对AI的特性了解的很清楚,AI在建立了算法和模型后,是具有自学习、自提升能力的,因此,只要不断的重视长尾中体现出来的方方面面的“小问题”“小场景”,AI的能力就会不断的提升。

同样,他对于整个社会对AI的认知升级,充满信心。

这个信心来自于一次偶然,有一天,徐立打车堵在路上,司机就和他说:其实有很好的办法管理交通——每天上下班开私家车的人,上下班的路径是一致的,所以只要把那些私家车和他们每天的路径识别出来,就知道每天直行的车有多少,拐弯的车有多少了。之后根据这些信息控制一下红绿灯,让直行车多的先走,是不是整个交通就会变得很好?

徐立听了之后非常诧异,这是一个普通司机给出的思路,但非常符合人工智能的要旨,他认为,普通公众都对AI有了这样的理解,说明整个社会开始了解AI、认知AI、拥抱AI,就像人们开始接受蒸汽机和交流电一样,所以他说:“现在,普罗大众,就已经有这样对人工智能的认识,那么,各个行业里都可以比较顺利的用人工智能改造了”。

 3、商汤想要一片开放的森林

在开放上,商汤从来不遗余力。

所谓的开放,其实就是要进行有梯次的赋能,最终形成生态。

我们可以看到,在“硬能力”的开发上,商汤通过建设、合作超算中心,并把算力开放给用户,让很多需要AI算力但没有必要独立建设超算中心的传统企业,以及需要AI算力进行研发和落地,但没有能力搭建超算平台的生态链企业,都能够得到算力上的赋能。

而在“软开放”方面,商汤的主导的开源,能够有效降低AI研发的门槛,加速产业应用步伐。开源,能够聚合人才与智慧,从而推动AI社区的繁荣,并成为推动产业发展的强大助推器。

严格说来,商汤的OpenMMLab人工智能算法开放体系,既是一个战略体系,也是一个生态规划。从初衷来说,OpenMMLab是为计算机视觉的一些重要方向建立统一而开放的代码库,并不断把新的算法沉淀其中,但是随着不断坚持开放多个开源算法库和工具箱,这些开放资源得到了越来越多AI研究人员的积极使用、贡献和回馈,对AI社区的发展产生了重要影响。

而在本届世界人工智能大会上,商汤科技正式宣布OpenMMLab战略升级,成为由商汤科技发起的“人工智能算法开放体系”,以顺应人工智能领域的开源趋势。

其实,就在这几个月内,中国的AI开源框架消息不断,3月20日清华大学计算机系图形实验室发布了开源AI框架计图(Jittor),华为3月28日正式开源MindSpore。在一度被TensorFlow、PyTorch两分天下的深度学习开源框架领域,国产自研AI开源框架正在不断证明自己的生态野心。

其实,商汤很早就发现,深度学习框架是像芯片、操作系统一样的战略资源,并于2018年就开始启动开源计划OpenMMLab,逐渐确立了开放的生态,让中国科技界,终于摆脱了必须在底层系统受制于人的尴尬,因此它也被称为AI领域的“国货之光”。

这种局面的出现,说明商汤在内的中国的整体AI实力在全球领先——为什么美国、中国、欧洲被视为全球前三的可能产生AI根源性创新的原发地?一个很大的标志就是,它们都建构了完全自主的深度学习框架。

而且,OpenMMLab产生于中国,它的大量特征针对中国特色来开发——比如,面对中国还有70%的传统企业没有数字化2.0转型的特点,OpenMMLab在友好性上大幅度提升;又比如,国外主流开发框架普遍都对中文的自然语言处理需求优化得不够,也缺乏中文的应用场景和数据集,商汤就没有这个问题。

作为新一轮科技革命和产业变革的重要驱动力量,AI已渗透到国家事务、社会运行、企业生产及人民生活的方方面面,而OpenMMLab主要面向专注于算法研发的实验室、AI科技企业、以及独立的AI研究小组等,为这些厂商提供AI算法的能力基础,支持下游客户在AI领域的研究需求。

用这样一段徐立的话来结尾是最好不过的,他说:“我们要的是一片森林。我们需要各种各样的生物,需要开放创新,这也是我们迈出的第一步,我们开源了这样的算法框架,未来会引入更多的生态系统来共同完成。”

*文中题图来自摄图网,基于VRF协议。

【声明】该文由作者本人上传,其观点仅代表作者本人。亿邦号系信息发布平台,亿邦动力网仅提供信息存储空间服务,如本文涉及侵权 ,请及时联系run@ebrun.com。