360AI研究院高級技術總監(jiān)陳強博士：中國新一代人工智能關鍵共性技術體系的現(xiàn)狀和突破點
8月30日－31日，由中國高科技行業(yè)門戶OFweek維科網、高科會主辦，OFweek人工智能網承辦的“OFweek（第二屆）中國人工智能產業(yè)大會”在上�？鐕少彆怪行睦_帷幕。
此次會議旨在搭建專為人工智能圈內企業(yè)和從業(yè)人員交流合作的專業(yè)平臺，匯集人工智能領域的國際知名企業(yè)高層、行業(yè)資深專家、專家分析機構等數千位精英，1000＋人工智能專業(yè)人士共同探討人工智能難題以及產業(yè)落地，提前布局未來大市場。
會上，主辦方邀請了多名重量級嘉賓和企業(yè)代表進行演講，精彩的演講贏得現(xiàn)場觀眾陣陣掌聲，現(xiàn)場人聲鼎沸，極其火爆。
在本次論壇上，360AI研究院高級技術總監(jiān)陳強博士向數千名觀眾及媒體分享了中國新一代人工智能關鍵共性技術體系的現(xiàn)狀和突破點。
會上，陳強博士詳細介紹了360視頻大腦的三大模塊：安全（網絡安全、線下安全）、IOT智能硬件（360攝像頭、360兒童、360車聯(lián)網）、內容分發(fā)（探索、短視頻、直播、信息流）。以及如何在目前內容結構化、IOT智能硬件設備數上漲迅猛、4G／5G的普及、互聯(lián)網內容流量逐漸以視頻為主的趨勢下，提高短視頻分析率、安防監(jiān)控每日人臉比對次數、端上AR特效平臺輸出可次數。
以下為陳強博士的現(xiàn)場演講內容，OFweek人工智能網作了不改變原意的整理和編輯：
大家下午好，首先感謝維科網盛情邀請，我這次來參加比較有意思的會場，首先稍微解釋一下，因為一開始發(fā)布的題目有點大，然后我一看時間只有20分鐘，所以稍微改了一下題目，其實這個題目也符合現(xiàn)在人工智能發(fā)展的現(xiàn)狀，從講人工智能技術到現(xiàn)在結合場景以及結合具體的產品去講人工智能落地的問題。
人工智能的背景
我們講人工智能要去解決一個問題，不論是AI＋行業(yè)還是行業(yè)＋AI，我們往往會從四個方面來討論這個問題。我們關注的問題是人工智能技術在什么樣場景下拿到什么樣的數據，然后結合一定的算法和算力來去解決具體的問題。一般的公司和一般的稍微帶點平臺型的公司，他們比較大的區(qū)別在于平臺類公司往往會在算法和算力上稍微好一點，他們的技術研發(fā)能力會比較強。但是作為創(chuàng)業(yè)者公司來說，他可以在具體的場景和具體的數據層面達到不一樣的效果。所以今天我的主題演講主要從場景、概念和數據這三個層面來給大家介紹一下我們在360內部做的事情。
首先稍微介紹一下， 360為什么要做人工智能這一塊。360在人工智能和自己的業(yè)務是如何去結合的？其實360在大眾的眼里面可能更多是一個安全類的公司，但是實際上360的主營業(yè)務一直是有兩個層面，表是安全，里是內容，也就是在傳統(tǒng)的互聯(lián)網內容之中，人工智能起到決定性的作用。所謂的安全，我們更希望是從線上的安全慢慢拓展到線下的安全。再到內容這一塊，AI所賦能的更多是因為我們希望AI能夠讓信息的生產、信息的分析和獲取能夠更加智能，能夠得到更高效的效果。所以結合360線上線下的產品，我們AI研究院主要提供了很多產品化方案。
AI在整個互聯(lián)網行業(yè)已經是一個標準化工具，在過去兩年中，隨著互聯(lián)網向線下的一個發(fā)展，以及互聯(lián)網向內容分發(fā)效率的發(fā)展，我們覺得可能更多是要去做一些視頻方向的具體事情。我們目前在360內部試產一點的戰(zhàn)略叫一點兩一。什么叫一點？就是我們的核心價值在于360安全這一塊，所以線上安全和線下建設安全這兩塊業(yè)務是我們這邊的表和里，以及技術的戰(zhàn)略點。兩一其實就是我們現(xiàn)在重點的兩個業(yè)務方向，具體來說就是，一個結合線下安全去做硬件的業(yè)務場景，以及在內容分發(fā)層面上，去結合AI技術，讓分發(fā)的一效率以及效果能夠達到最優(yōu)。具體來說的話，IT硬件這邊我們陸續(xù)也發(fā)布了很多產品，包括目前已經有數百萬用戶的攝像頭，以及二三號零兒童手表。
而線上內容分發(fā)這塊更是360的重中之重，因為這是360和所有互聯(lián)網公司的兵家必爭之地，所以在搜索短視頻業(yè)務直播以及信息流這塊，AI場景在里面起到了一個決定性的作用。而視頻大腦我們覺得是只作為中間的一個核心技術點和核心的技術方案產出，對這兩塊業(yè)務產生了一個巨大的一個推動作用。首先硬件如果沒有智能，沒有對視頻和語音技術的理解，它其實就談不上跟傳統(tǒng)的智能硬件有區(qū)分性。而視頻分析又是去年的一個風口，從短視頻到直播類產品，之后會有越來越多的互聯(lián)網內容分發(fā)的產品，而AI在里面提供了一個決定性的作用。
視頻大腦的具象化表述
其實從過去兩三年以來的話，我們從AI或者說視頻分析的一個技術點輸出，到逐步轉化為解決方案的輸出。所謂技術點的輸出，更多是說我們常見的人工智能技術如何去幫助一個行業(yè)，或者是一個新的業(yè)務能夠更多的去賦能。但是到現(xiàn)在這個階段，隨著行業(yè)的發(fā)展，它更多不只需要智能技術，而更多是能夠提供一個完整的方案。所以針對我們內部的一些業(yè)務線，我們做了很多基于視頻大腦的行業(yè)方案，包括安防、短視頻，端上的包括私有化。它結合了目前市面上普遍說的一些概念，包括云邊端一些場景，后面我會具體來去給大家介紹一下。
我們視頻大腦對短視頻做了一個完整方案。短視頻的生態(tài)是比較完整的，它從作者端的生產到需要作者和用戶的交互增強到上傳。平臺這邊需要對上傳的視頻進行理解和分析，然后最后分發(fā)，分發(fā)的效果最后又體現(xiàn)在生產這邊，這是一個完整的生態(tài)。
視頻大腦或者說視頻分析方面，我們做的每一個過程，每一個方案都是為了在每一個節(jié)點上產生巨大的推動作用。比如說在生產和增強這一塊，它能夠產生出很多新的范式，新，是很多視頻的高生產工具，能夠幫助用戶和作者來更好的表達視頻展現(xiàn)方式。而短視頻內容分析更是視頻網站或者說視頻APP的基本必需品，然后分發(fā)方面更多是結合推薦算法來做更多、更好、更有效率的分發(fā)效果。
我們這邊做的比較重要的一個事情是短視頻的視頻結構化分析。通過對短視頻內部進行音視頻理解，來去達到更多結構化內容的產生。而結構化內容又是對視頻內部的語音化標簽和語義化內容的語音化技術去達到一個效果。舉幾個它運用的比較明確的場景，首先是內容審核。眾所周知，內容行業(yè)一個最大的風險，或者說各個平臺方面最大的一個風險：如何能夠正確的回應政府的監(jiān)管問題。之前大家往往會重視說短視頻審核其實更多是提高效率問題，比如說每天上傳100萬的視頻，可能需要足夠的人力去審核，而機器可以作為輔助。
但是其實對于我們從業(yè)者來說，我們覺得準確率是更重要的點。我們希望人工智能技術在里面所起到的作用，不單是能夠提高效率，更多是提高準確度。如何提高準確度？我們在內部做的更多就是運營和機器兩塊，達成的是并行審核的概念。準確率的提升是相加的關系，而不是相乘的關系。
另外基于對視頻的內容理解，我們能夠做到很多內容的關聯(lián)，能夠更快更高效地找到目標用戶的興趣點，從而為平臺方、平臺推送方提供方案。
另外介紹一下360內部的安防監(jiān)控業(yè)務。360的安防監(jiān)控跟市面上的安防監(jiān)控可能有點不一樣，首先360內部的安防監(jiān)控是TO C場景類的，所以其特點就是量很大。這個量大到什么程度？大概在一年前，我們的當天在線用戶數基本上已經達到了百萬級別，也就是說有100萬視頻實時地經過我們的服務器。所以另外一個特點就是它是TO C類產品，必然其安防需求也是跟傳統(tǒng)的安防是不大一樣的。從內部來說可能結合兩個點，一個是叫安防到安心這么一個點來去做基本的話，包括了陌生人人臉識別。也包括了安心這一塊，作為每一個C端的用戶，他希望知道家里面一天的進出了什么人，然后我們對一天的視頻進行分析，是不是能夠告訴我一天內家庭成員的整個畫像是什么樣子。
在這方面還有比如有些用戶更喜歡結合直播場景，跟家里的小孩有一些互動。這方面我們也做了一些工作，包括檢測家人、智能自動喚醒。更重要是我們擁有幾百萬的用戶，在自有數據上進行的訓練和達到的效果是行業(yè)里面很多企業(yè)都沒法做到的。我們曾經做過一個實驗，怎么用共有的數據來去做所需模型和線上系統(tǒng)呢？它對人臉比對的準確度可能只有78％，這是實際的家用場景中碰到的一個很大的問題，而結合我們私有數據來去做這些事情，我們最后的準確效果能達到百分之九十八。
另外一塊想給大家介紹的是我們過去一年多做的事情——端上的AI特效平臺。這塊其實結合了挺多的技術點，比如說人臉關鍵點定位。從目前來說的話，已經達到207個點的關鍵點，能夠在手機端移動端達到實時的處理效果。另外它的一個最大的應用場景是互聯(lián)網，互娛這邊內容上可能大家覺得不是特別有意思，就是說在直播的場景或者說在相機類場景，它結合一些主播或者視頻制作者的強互動，我們加上一些技術上的東西，比如說AI摳圖，比如說人臉的關鍵點定位，就能做出一些比較好玩的一些效果。
這塊是端上的一個平臺，重點在于強調人跟外界的交互，其中很重要的點就是人臉分析，目前在國內外，最早的人臉標準庫，LFW達不到99．7％，在去年的3．15晚會上，結合360的這樣一個安全場景我們告訴大家，人臉驗證這個事情其實還是有很多不可靠的因素。
在去年的晚會上，我們在現(xiàn)場實時地破解了人體活體驗證這個經常使用的功能。而剛剛講的更多是業(yè)務層面的東西，實際在360內部，做人工智能研發(fā)還是有很多側重點的，比如說我們更多側重在小、快、準三個點上去做小盒快，更多是說希望能夠設計好模型，它能夠在云端和移動端，甚至在后面的邊緣端，達到比較好的效果和效率。線上速度快，這是一個更需要的東西。這塊我們和行業(yè)內很多芯片廠商以及業(yè)內人士一起結合方案去做這一塊，而預測權限技術是轉為深度模型的深度學習，然后我們希望它能達到一個比較好的預測速度。
我們做人工智能算法也是希望有一些特點，特點更多是兩方面，一方面我們希望在國際上的公平競賽上能夠得到大家的一些認可。
在過去的八年間，360人工智能團隊基本上已經獲得了十次以上的冠軍或者提名獎，包括世界計算機視覺世界杯之稱的ImageNet，以及比較有名的Pascal競賽。另外在對于行業(yè)內部的來說，或者對人工智能計算法上有一些原創(chuàng)性的貢獻。目前我們的兩項技術基本上已得到了廣泛的應用，包括我們在14年提出一個叫NIM的網絡，它目前基本上已經成為一個所有做深度學習都會使用的標準算法，以及我們在去年使用的Dual Path Networks。在去年的時候我們也參加了ImageNet一個關于標準物體定位的競賽，并奪得冠軍。
標準物體定位是計算機視覺的一個最重要的任務，它的目的是在通用的視頻或者圖像當中，能夠找到通用的一些物體，它的類別數量可能有一千類以上。在去年我們參加這最后一場競賽的時候， Dual Path Networks獲得了三項比賽、14個指標，全部排在世界前三的結果。
最后總結一下，我們?yōu)槭裁从X得視頻大腦或者說視頻內容分析是未來的趨勢，首先我們能看到兩大趨勢，就是IT智能硬件的設備數。目前視頻大腦或者視頻內容分析能夠賦能很多一般硬件不能做的事情。另外一塊我們覺得在隨著4G和5G的普及，從過去一年的數據上來看，百分之七八十以上的互聯(lián)網流量已經轉化為視頻數據。這個視頻數據需要有人去分析，需要有人去監(jiān)管，這樣自然就帶來了一個比較大的市場，而我們希望視頻大腦能夠解決這一塊。目前來說我們能做到的，或者說業(yè)內我們能提供的，包括后續(xù)可能會向行業(yè)去開放的能力，包括短視頻內容分析，我們已經做到了一級的PGC視頻的處理。而安防監(jiān)控這邊的話，每天的人臉比對，并不是人臉檢測，是達到了百萬級的在線視頻，每天1．5億的API調用。另外端上智能這塊，我們也已經開始向行業(yè)人士開放來進行一個推廣，目前陸續(xù)有各大手機廠商也跟我們開始合作。好，今天我的分享到這兒結束，謝謝大家。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
