專訪｜百度IDL負(fù)責(zé)人林元慶：告別蹣跚 AI大幕已啟

近日，在有韓國(guó)“硅谷”之稱的韓國(guó)大田，IROS 2016正在如火如荼地舉行，在Special論壇的人工智能／深度學(xué)習(xí)專場(chǎng)，百度深度學(xué)習(xí)實(shí)驗(yàn)室（IDL）主任林元慶做了《AI，the (next) big thing》（《人工智能：大幕已啟》）的主題演講，作為計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)領(lǐng)域非?；钴S的一名成員，現(xiàn)百度IDL負(fù)責(zé)人，目前他領(lǐng)導(dǎo)的IDL正進(jìn)行著PaddlePaddle深度學(xué)習(xí)開源框架、圖片搜索、基礎(chǔ)圖像識(shí)別技術(shù)、人臉識(shí)別、OCR（光學(xué)字符識(shí)別）、視頻分析、學(xué)習(xí)機(jī)器人、細(xì)粒度圖像識(shí)別、AR以及醫(yī)療影像分析等十多個(gè)研究方向。雷鋒網(wǎng)在演講過(guò)后采訪了林元慶，請(qǐng)他講了關(guān)于IROS，關(guān)于開源平臺(tái)，關(guān)于AI眼下最重要一步的看法。以下是采訪全文。

雷鋒網(wǎng)：此行來(lái)IROS的目的？

IROS是世界上最大的關(guān)于Robitics的國(guó)際會(huì)議之一，大會(huì)的Plenary talk是會(huì)議眾多演講的重中之重。雖然平時(shí)我很少在外面公開做演講，但這樣一個(gè)學(xué)術(shù)性的talk既然主動(dòng)邀請(qǐng)，就過(guò)來(lái)了，另外這也是向世界的Robotics研究人員介紹百度人工智能的好機(jī)會(huì)。

雷鋒網(wǎng)：作為一個(gè)機(jī)器人會(huì)議中受邀的AI演講者，機(jī)器人中需要用到AI的地方，可以概括一下？

很多，像我剛剛說(shuō)的百度大腦里面，有語(yǔ)音識(shí)別，計(jì)算機(jī)視覺(jué)，NLP，推薦／預(yù)測(cè)，運(yùn)動(dòng)／控制，決策／規(guī)劃，這幾個(gè)AI大方向都是機(jī)器人學(xué)的重要基礎(chǔ)技術(shù)。

雷鋒網(wǎng)：CPU＋FPGA，CPU＋GPU組合更看好哪個(gè)？百度不同業(yè)務(wù)去分配的時(shí)候是如何決定用哪個(gè)組合的？

這兩個(gè)技術(shù)都在進(jìn)步，我們沒(méi)有一個(gè)預(yù)設(shè)的立場(chǎng)，百度這兩個(gè)方向都在應(yīng)用。選擇上，百度不同業(yè)務(wù)，訓(xùn)練階段大部分用的大部分是GPU，testing階段有用GPU，也有用FPGA的，更成熟的業(yè)務(wù)可能會(huì)選擇FPGA，這樣優(yōu)化的空間會(huì)更大一些。

（看你剛剛放的PPT劃分的百度AI相關(guān)業(yè)務(wù)，這些業(yè)務(wù)用哪個(gè)組合會(huì)有明確的選擇嗎？）

這個(gè)很難講，人工智能不是單個(gè)技術(shù)，而是包含很多很多的不同技術(shù)，以計(jì)算機(jī)視覺(jué)為例，它就有圖像分類，物體檢測(cè)，圖像分割等不同技術(shù)。GPU和FPGA對(duì)不同的任務(wù)，可能各有優(yōu)缺點(diǎn)。

（就是一項(xiàng)業(yè)務(wù)訓(xùn)練的時(shí)候用的GPU，實(shí)際應(yīng)用的時(shí)候可能轉(zhuǎn)到FPGA？）

對(duì)，是這樣。

雷鋒網(wǎng)：現(xiàn)在ImageNet比賽結(jié)果對(duì)工業(yè)界的意義在哪里？

這幾年ImageNet的競(jìng)賽涌現(xiàn)出一些非常有用的算法，比如AlexNet之后的GoogleNet, VGG, ResNet等，對(duì)工業(yè)界的技術(shù)性能的提高，有很大的推動(dòng)作用。ImageNet一個(gè)很大的意義是在于推動(dòng)算法的革新。這對(duì)工業(yè)界和學(xué)術(shù)界，都是非常有意義的。

同時(shí)，工業(yè)界打造的產(chǎn)品，常常需要go beyond ImageNet。我記得第一年（2010年）ImageNet比賽我們拿了第一名。我是當(dāng)時(shí)項(xiàng)目的負(fù)責(zé)人。但之后我們發(fā)現(xiàn)ImageNet的結(jié)果很難直接用在產(chǎn)品上。我們后來(lái)開始主攻細(xì)粒度圖像識(shí)別。百度糯米這個(gè)月下旬將推出一個(gè)非常重要的功能，其中的一個(gè)重要技術(shù)就是菜品圖像的細(xì)粒度識(shí)別（識(shí)別圖片里的菜品是哪個(gè)餐館的哪道菜）。即使是通用的圖像分類，百度的圖像庫(kù)有接近1億張帶類別標(biāo)簽的圖片，比ImageNet Challenge（150萬(wàn)張圖片）的大很多。我們內(nèi)部的數(shù)據(jù)要比公開的數(shù)據(jù)大很多，需要更好地反應(yīng)我們要解決的問(wèn)題。

雷鋒網(wǎng)：你現(xiàn)在領(lǐng)導(dǎo)的十個(gè)業(yè)務(wù)都跟之前主攻方向之一大規(guī)模細(xì)粒度圖像識(shí)別有何關(guān)系？

對(duì)，有很多關(guān)聯(lián)的。最直接的當(dāng)然是細(xì)粒度圖像識(shí)別方向。我們希望在百度搭建一個(gè)非常強(qiáng)大的細(xì)粒度圖像識(shí)別的研發(fā)團(tuán)隊(duì)。其它的項(xiàng)目與這也有關(guān)聯(lián)。比如人臉識(shí)別就是一個(gè)最經(jīng)典的細(xì)粒度圖像識(shí)別任務(wù)。很多技術(shù)是相通的。還比如我們的醫(yī)學(xué)圖像分析，它的很多做法與細(xì)粒度圖像識(shí)別也有相通之處。

我們現(xiàn)在強(qiáng)調(diào)做instance-level的細(xì)粒度圖像識(shí)別。比如，我們身下坐的這把椅子，我們不單單只是識(shí)別這是一把椅子，我們還需要識(shí)別出這是哪個(gè)廠家哪個(gè)型號(hào)的椅子。還比如前面提到的“哪個(gè)餐館哪道菜”的識(shí)別。這些都是非常精細(xì)的識(shí)別。這些問(wèn)題當(dāng)然都很難，需要投入很大的研發(fā)力量。但應(yīng)用前景是非常大的。

雷鋒網(wǎng)：跟之前NEC的工作有什么內(nèi)在聯(lián)系？

NEC美國(guó)實(shí)驗(yàn)室在美國(guó)是非常優(yōu)秀的實(shí)驗(yàn)室，也在AI上做了非常多的工作。我也非常幸運(yùn)地在那里做了7年半的研究，包括最后三年多作為實(shí)驗(yàn)室媒體分析部門的負(fù)責(zé)人。當(dāng)時(shí)的工作與現(xiàn)在的工作一脈相承。

雷鋒網(wǎng)：剛在演講最后，你講到AI大幕已啟，接下來(lái)讓它走地更遠(yuǎn)的話，最重要的一步是什么？

最重要的一步是要有用，能解決實(shí)際問(wèn)題，真正能解決一些很重要的問(wèn)題。比如自動(dòng)駕駛，那就是要真正能上路。人臉識(shí)別，就是什么情況下人臉識(shí)別都能識(shí)別得非常精準(zhǔn)。

雷鋒網(wǎng)：作為過(guò)來(lái)人分享一下，學(xué)生選Robotics專業(yè)的時(shí)候要注意什么？

機(jī)器人，包括AI，大家可能會(huì)有一些誤解，覺(jué)得這是單一技術(shù)，但其實(shí)它涵蓋的技術(shù)非常復(fù)雜，而一個(gè)人是很難去解決所有的技術(shù)的。像今天第一個(gè)talk講的機(jī)器手抓取，從應(yīng)用角度來(lái)看這是一個(gè)非常特定的領(lǐng)域，但這個(gè)方向做學(xué)問(wèn)的話你都可以做很久。

我個(gè)人的傾向是注意不要大而全，要根據(jù)自身的興趣和特長(zhǎng)定一些側(cè)重點(diǎn)。我經(jīng)常會(huì)跟我身邊的人說(shuō)，要認(rèn)準(zhǔn)一個(gè)方向，做到這個(gè)方向的Mr. something，比如Mr. fine-grained image recognition。這樣你的事業(yè)可能就越走越寬。

雷鋒網(wǎng)：作為一個(gè)AI參與者，前不久余凱發(fā)了一個(gè)聲明：“一直以來(lái)我非常欽佩谷歌的Jeff Dean在MapReduce和谷歌大腦（TensorFlow）等項(xiàng)目上的杰出成就。但是，我必須指出，放任TensorFlow成為世界上占統(tǒng)治地位的人工智能開發(fā)平臺(tái)對(duì)世界是危險(xiǎn)的?！? 如何看這個(gè)觀點(diǎn)？

AI的平臺(tái)很重要，確實(shí)需要多樣化的選擇，上次我也回了他朋友圈，認(rèn)為我們這一代人應(yīng)該團(tuán)結(jié)起來(lái)，推動(dòng)深度學(xué)習(xí)平臺(tái)的開放和多樣化。百度現(xiàn)在有PaddlePaddle深度學(xué)習(xí)平臺(tái)，這個(gè)其實(shí)是百度花了非常大的資源做的一個(gè)平臺(tái)，現(xiàn)在開源了，希望能在中國(guó)人工智能領(lǐng)域貢獻(xiàn)一些我們的力量。

雷鋒網(wǎng)：之前PC時(shí)代，Windows出現(xiàn)了就有Mac OS，還有Linux； 移動(dòng)互聯(lián)網(wǎng)時(shí)代，iOS出現(xiàn)了就有Android；從來(lái)沒(méi)有一家獨(dú)大的時(shí)候，會(huì)不會(huì)AI平臺(tái)也不用擔(dān)心？

還是不太一樣。很多AI技術(shù)有一個(gè)正循環(huán)效應(yīng)，越多的人來(lái)用，你的系統(tǒng)越好，這樣會(huì)吸引越多的人來(lái)用。你已經(jīng)快速迭代了甚至已經(jīng)做到極致了，別人再去重新開始一個(gè)，難度是比較高的。

小結(jié)：

林元慶在演講的過(guò)程中，以及會(huì)后采訪的過(guò)程中，一直在強(qiáng)調(diào)AI大幕“已經(jīng)啟動(dòng)”這個(gè)關(guān)鍵動(dòng)作，雖然“人工智能”這個(gè)概念最早從1955年8月31日就開始提出，但從當(dāng)時(shí)的誕生，到中間的兩起兩落，一直像個(gè)蹣跚學(xué)步的孩子一樣經(jīng)歷了60年才迎來(lái)了第三次復(fù)興的浪潮。

1956年到1974年，全球第一次人工智能浪潮出現(xiàn)。

1974年到1980年。第一次人工智能冬天出現(xiàn)。

80年代出現(xiàn)了人工智能數(shù)學(xué)模型方面的重大發(fā)明，第二次浪潮出現(xiàn)。

1987年到1993年現(xiàn)代PC的出現(xiàn)，讓人工智能的寒冬再次降臨。

不過(guò)這一次，隨著硬件，數(shù)據(jù)，算法三板斧的默契配合和發(fā)展，AlphaGo與世界頂級(jí)圍棋高手李世石的人機(jī)世紀(jì)對(duì)戰(zhàn)，人工智能已經(jīng)從基本的語(yǔ)音識(shí)別，圖像識(shí)別，向著自動(dòng)駕駛，視頻，AR，醫(yī)療，金融等各種領(lǐng)域無(wú)聲地滲透，也引發(fā)了全民關(guān)注AI復(fù)興的熱潮。

老驥伏櫪，志在千里。如果說(shuō)過(guò)去60年是它從孕育到躊躇的“蹣跚”周期，那往后60年，將會(huì)是它揭開“無(wú)窮大”大幕的周期。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。