奇虎360首席科学家颜水成讲座——人工智能杂谈

现场讨论：如果给你足够投资，你准备做款什么样的爆款AI-APP？

1. 刚需
2. 技术可行
3. 形成技术壁垒
4. 商业变现

理想与现实

在AI中成功的标志？

• 研究者：拥有单篇引用量很高的论文（Phd：100+，AI研究者：1000+）
• 创业者：DAU达到五千万
  

自动驾驶：目前还不是很现实，还有问题，如Uber的自动驾驶车车祸事件

情感机器人之梦

1. 目前的技术与人的思维方式太远

人工智能的四个主要方向

• 视觉分析
• 语音分析
• 语义分析（对话）
• 大数据分析

工业界中AI的三种状态

• 初创级：专注于一个方向
• 百亿美金级
• 千亿美金级

人工智能的四元分析

• 场景
• 算法
• 算力
• 数据

学术界的人工智能：针对特定问题，探索新算法，追逐精度极限

工业界的人工智能：人工智能不是模板，和具体业务/场景结合才能有价值

• 中心：核心算法
• 前端：产品工程化，产品外观设计，产品市场营销
• 后端：训练系统架构，后台服务系统，AI硬件化

算法科学家与产品工程师的协调：算法虽然不完美，但可以做出无瑕疵的用户体验。

学术界：精度极限

工业界：产品体验。用户在使用中产生数据，数据推动算法迭代，从而提升用户体验。

深度学习模型

传统机器学习：特征设计、SVM

神经网络：学习特征

深度学习模型

• GAN：Generative Adversarial Network生成对抗网络
• Cycle-GAN：图像风格转换（油画-真实、黄种人-黑种人、橘子-苹果）

手机上目前还不能实时的运用这些模型

• Star-GAN

深度学习应用

图像

• 人脸特征点定位：在人脸检测的基础上，进一步定位出鼻子、眼睛、嘴巴等
• 人脸识别
• 人脸属性分析：年龄、性别、表情等
• 图像翻译成自然语言（Image Captioning）

文字
语音
大数据

• 大数据金融——信贷（风险控制、反欺诈、信用评价）。公司：宜信

深度学习：技术趋势

• 自学习【Learning from Invariances】

360的使命——安全

业务场景：安全+智能

AI布局

• 泛安全智能：家庭安全
• 短视频智能：海量视频管理；精细内容分析
• 端上智能（高效能AR特效套件）：3D人脸特效；抠图；手势特效
• 大数据智能：

AI vs 安全

智能体的安全问题

• 传感器：被误导、失效。激光、图像让自动驾驶自盲或被误导
• 数据：隐私泄露、对抗样本的威胁
• 底层库（如tensorflow）：（依赖）库、框架可能存在漏洞。Caffe平台攻击并劫持实例
• 联网：网络攻击

AI+区块链

代表公司

• Ocean：利用区块链数据交易与共享（$3.4亿）
• CORTEX：在线inference，分布式运行用户上传模型（估值：$1.2亿）
• RAVEN PROTOCOL：利用闲置资源进行分布式计算

AI+区块链如何能高频刚需和无ICO运转？

QA

雷：AI+视频有什么令人振奋的突破吗？

颜：数据很有限。不知道要标记什么，标记的成本也很高。视频分析归根到底是图像，然后再推动视频级别研究的发展。还需要降低复杂度。【数据+速度】

雷：AR与AI的联系

颜：（互动：谁用过这【AR眼镜】东西）手机有一些瓶颈：得拿在手上。AR眼镜能解决。博物馆的电子展览。AR的应用会有很多。发展趋势：2B->2C，有线->无线

雷：AR有前景。旅行、教育、社交等等，将虚拟带入现实。技术一突破，内容与软件将会爆发。

雷：从科研到产业界，挑战与不同点？

颜：总结为几点：设计新的模型时，相比于学术界的精度，更多的去思考效率；最重要的一点，一开始不要想自己可以解决公司的所有的问题，先从一个重要的应用场景出发，融合算法和数据，让模型落地。对于用户体验，算法的提升没有数据带来的提升大。虽然数据很重要，算法可以带来颠覆性的变化。

数据和算法要齐飞。

同学：未来的3、5年，AI有什么落地的机会？

颜：数据分公有数据与私有数据。每个公司有自己特定的数据，为公司提供AI的服务，是一个机会。

同学：给学生步入AI的建议？

颜：不追求量，做有价值的工作。什么是有价值的工作？做的东西有没有通用性；做出的东西提升大（10%的提升）。花1年的时间踏踏实实、认认真真地去研究。