中国AI开源再进击！商汤升级人工智能算法开放体系，开放超600种预训练模型( 六 ) 商汤的技术初心与

4000
人。
这些优质的人才力量，恰恰是商汤原创技术与创新能力得以生生不息的本源。

文章图片

AI发展仍在初级阶段， CV创新还有广阔空间

第三次AI浪潮爆发以来，质疑声从未消散。但在徐立看来，我们不应对算法求全责备，而应更加包容地见证AI技术的成长。
AI技术正是在质疑中不断落地、迭代优化，每一次的技术试错都会带来增量价值。
以人脸识别为例，起初人们质疑人脸识别的准确率、双胞胎人脸识别如何解决等，随后人们又开始关注视频、3D人脸面具能否仿照人脸来解锁。在源源不断的质疑声中，地铁刷脸支付、戴口罩刷脸等更多城市级别的应用诞生。

文章图片

在日常生活中，除了有像人脸识别、行人识别这类关注度非常高的头部应用，还有些应用频次较低的、像图中恐龙尾巴的长尾应用。
徐立认为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，长尾应用完善价值闭环。
例如借助AI算法，可以将时间、地点、人、物串联，解决垃圾抛洒、粪车排放、单车违停等看似AI应用频次较低的日常城市治理问题，这些都属于长尾应用场景。
林达华也看到AI领域还有很多问题值得解决，比如能否探索新的学习方法和模型构造，减轻模型训练对数据和算力的重度依赖；能否提升AI模型的可解释性、安全性、可靠性，让我们能放心地在更多领域使用AI的能力；能否让软硬件在AI场景中联合进行创新，从而实现对AI能力更高效的部署。
此外， CV正与跟社会科学、艺术、管理学等诸多领域结合起来，发挥令人意想不到的价值。在这些领域的边界均有大量创新机会。 NLPG亦提出许多有价值的想法，可供CV领域借鉴，这也是未来创新时可以去思考的方向。
在林达华看来，创新的本质是探索一些未知领域，去解决尚未得到很好解决的问题。
比如要将算法在很多不同芯片上去落地，通常需很多工程师来做，那么AI是不是能简化这些重复性工作？或者建一个运行过程复杂的大型AI平台，能否用AI帮运维工程师减轻工作量？又或者在国家投入大量人力物力的疫情防控方面， AI能否进一步加快工作效率？
林达华也提到，我们社会生活与产业的方方面面都存在挑战，虽然有些地方已用AI的方法进行探索，但在很多方面， AI仍处在非常初步的阶段甚至还没有进去，这是一个非常大的创新空间。
对此他给出建议，研究人员如想创新，一定要跳出原来以为AI只能适用的这些方面，到更广阔的空间寻求新的机遇、新的创新。
“如果只是盯着现有大家都在做的任务，创新的空间必然会越来越窄。 ”
但是除了这些小的点以外，还有很多广阔的空间，如果研究人员愿意让眼睛看到这些地方，创新还有无限可能。