圖片來源：視覺中國
在鈦媒體在線課“鈦坦白”第40期，我們請來了三位鈦客，分享AlphaGo與柯潔“人機大戰(zhàn)”勝負之外的更多思考。本期鈦客之一、碼隆科技聯(lián)合創(chuàng)始人、CEO黃鼎隆，是清華大學人機交互博士，曾就職于谷歌、微軟、騰訊和TripAdvisor。2014年與搭檔Matt Scott聯(lián)合創(chuàng)立碼隆科技，專注于計算機視覺人工智能技術(shù)研發(fā)。
本文節(jié)選自黃鼎隆在鈦坦白的分享。如果您還不是鈦媒體Pro用戶，希望查看鈦坦白所有干貨，進入鈦坦白九個專業(yè)群交流，并查看更豐富的專業(yè)數(shù)據(jù)和信息，可點擊：http://m.chcmb.cn/pro 注冊。
大家晚上好，我是碼隆科技的黃鼎隆。碼隆科技是一家專注于深度學習和計算機視覺技術(shù)創(chuàng)新的人工智能創(chuàng)業(yè)公司，主打產(chǎn)品是ProductAI，專注于做商品識別，可以像人類一樣識別和理解圖片或視頻中的商品信息。
昨天AlphaGo和柯潔進行了第一場比賽，比賽結(jié)果出來的時候，我和碼隆的CTO碼特（Matt Scott）正在機場等飛機，看到新聞說柯潔只輸了1/4子，當時我和碼特都覺得很詫異。因為我們知道2.0版本相對1.0版本的進步是極大的，而柯潔竟然只輸了1/4子，那就是說如果按柯潔昨天的發(fā)揮，就可以完勝AlphaGo1.0了，難道柯潔可以在一年以內(nèi)有這么大的進步？還是他找到了AlphaGo的弱點呢？
可是后來看了昨天整個下棋的過程，我們的驚喜被打破了。從過程來看，柯潔和AlphaGo2.0之間的差距遠大于1/4子，其實AlphaGo早早就鎖定了勝利，我甚至懷疑，是不是AlphaGo賽前定的目標就是贏1/4子，不多也不少。如果是這樣的話，那就更可怕了，這讓我想起以前在校隊打網(wǎng)球的時候，當遇到高你幾個級別的高手時，他可以精確的控制每盤以幾比幾去贏你，你不僅沒法贏，甚至想多輸一點都做不到。
所以通過昨天這局比賽，我覺得對后面的勝負結(jié)果已經(jīng)不需要做幻想了，在下圍棋的這個事情上，人工智能已經(jīng)超越人類達到另一個境界，期待人類下棋戰(zhàn)勝人工智能，就好像期待奧運冠軍跑步可以快過汽車一樣，是不切現(xiàn)實的。
不過后面有一個新形式的比賽我特別感興趣，那就是人機配對賽：在后面兩位棋手將會和AlphaGo交叉配對合作，我覺得這種形式特別有意思。其實幾個月前，我曾在上海的一個圓桌論壇就有說過：“未來的圍棋比賽很有可能是人機配對的比賽，就好像現(xiàn)在的F1賽車。不僅需要車手和汽車都很厲害，而且他們之間彼此還能無縫配合，這樣可能把圍棋帶到一個新的境界，那么AlphaGo的出現(xiàn)就并不意味著圍棋這個游戲的死亡，而恰恰相反，通過人機結(jié)合，把圍棋這個游戲帶到一個新的境界。”
不知道大家有沒有看過一個圍棋漫畫，叫《棋魂》，里面有一個圍棋少年進藤光，他有一天偶然翻出了一個舊棋盤，在他接觸棋盤的那一刻，一個古代棋手佐為的靈魂附身。隨后競騰光和附在他身上的佐為一起進入了棋壇，一開始的時候進藤光只是按照佐為的指示去下棋，后來他結(jié)合了自己的想法，可以說是人鬼合一，下出了許多精妙的棋子，戰(zhàn)勝了很多強大的對手，我在想也許這個漫畫描述的并不是一個靈異的場景，而是一個未來的場景。
也許未來的棋手他們都會帶上一個人工智能，就好像《棋魂》里面的佐為的靈魂附身一樣，不是人鬼結(jié)合，而是人機合作。在人機合作之下，下出超越現(xiàn)在的人們所能想象的棋局。
在體育競技領(lǐng)域，講究的是勝負，而在商業(yè)領(lǐng)域其實更注重的是共贏。前段時間馬云說了這么一句話，他說：“AlphaGo贏了李世石，so tm what。”其實我挺贊同這句話的，當碼隆科技在開發(fā)人工智能產(chǎn)品的時候，從一開始的理念就是真正的人工智能不在于自己有多智能，而在于能否讓別人變得更智能。AlphaGo確實很聰明，可是它一直都只是在展示自己有多聰明，而沒有讓別人變得更聰明，所以可以說，so tm what。不過我相信DeepMind的科學家一定在考慮如何通過AlphaGo幫助整個圍棋界提高水平。
說到這里我想給大家看一個視頻，是碼隆科技把ProductAI結(jié)合微軟HoloLens所開發(fā)的一個原型，雖然這個原型不是用于下棋，而是用于購物，可是可以看到人機結(jié)合之后可以產(chǎn)生怎樣的新場景。
碼隆科技的ProductAI，就是希望打造一個人工智能的PaaS平臺，幫助各行業(yè)企業(yè)的產(chǎn)品變得更智能。下面通過一些我們最近的實際案例來分享人工智能在商業(yè)領(lǐng)域的一些應用。
設(shè)想一下，如果你是一個商店的店長，你希望你的顧客怎么樣來找商品？有兩種情況：他空手來跟你筆劃一個怎么怎么樣的東西，你聽了半天都不知道他想要的什么，客戶可能覺得很惱火，覺得你根本不懂他。或者另一種情況：客戶直接拿著一個樣品跟你說要這個，你可以很快的能夠給他個答案。
大家想想在現(xiàn)在的電商這個領(lǐng)域，當客戶想去找一個想要的商品時，他很不直觀，得自己很費勁地去描述想要的商品是什么樣子，然后通過文字的方式表達出來，還不一定找得到。而ProductAI的客戶在各個行業(yè)可以用它實現(xiàn)拍照找商品的場景：
拍照找面料。想想如果你是一個服裝公司的設(shè)計師，在路上看到一個人穿的衣服覺得這個面料很好，就想購買這樣的面料去制造想要的衣服。這個時候怎么找這個面料呢？也許你只能跑到面料的批發(fā)市場一家一家地看，或者嘗試用文字的方式把這個面料的圖案描述出來，非常費勁?？墒乾F(xiàn)在通過ProductAI，你只需要拍張照片就能夠直接找到這個面料，并可以一鍵購買了。
拍照找服裝。當你看到一個喜歡的衣服也想買的時候，只需要拍張照片就買到這個衣服。又或者是你已經(jīng)有一件衣服了，想知道這個衣服該如何去搭配，那么可以也通過拍張照片就找到明星搭配這個衣服是怎么樣的，你可以模仿她搭配的方式，只需要拍張照片。
拍照找家具。當看到一個你喜歡的家裝圖片，你只需要上傳這個圖片就能找到類似的家裝風格，并且可以框選這個圖片上的任何家具。比方說一個臺燈，或者是座椅，只要把這個部位框出來，ProductAI可以馬上找到對應的商品購買鏈接。
拍照找紅酒。當你在朋友家喝了一瓶紅酒后，覺得味道不錯也想買，可是除非是對紅酒非常了解的人，否則單單通過自己去觀看這個紅酒上面的標簽信息是很難知道這個酒是從哪里買的，那么通過ProductAI，你也只需要簡單的拍張照片就能夠找到這個紅酒。
拍照找新聞視頻。在今年的全國兩會期間，光明日報在Product AI平臺上搭建了一個拍照找新聞視頻的功能。在光明日報App上面有一個拍照的按紐，當你看到一個光明日報某一篇文章上的一個圖片，比方說習主席在某一個場合握手的照片，你想知道究竟是在一個怎么樣的場合握手呢？只需要拍下這個照片，就可以馬上在光明日報的App上面查找到這個照片對應的事件視頻，你可以通過視頻了解這個新聞事件的全方位信息。
各種拍照找商品的場景，簡單來講就是取代以前比較低效的文字找商品的方式，以圖找商品更快捷更高效，已經(jīng)有不少的客戶反映說，使用ProductAI在他們的產(chǎn)品上面增加拍照找商品的功能之后，他們的訂單的成單量一下子提升了20%、30%。
比如可以通過圖片和視頻識別出里面的寵物、里面的交通工具、里面的藥品。
其實ProductAI還可以把一個商品背后的詳細屬性給識別出來。比方說一個商品的風格、品牌、材質(zhì)、顏色等等。
我們接觸了大量的傳統(tǒng)企業(yè)的客戶，跟他們接觸的時候，他們通常會跟我說：“哎呀，這兩年剛剛聽說‘互聯(lián)網(wǎng)+’，還在琢磨怎么互聯(lián)網(wǎng)+呢，現(xiàn)在就出來一個‘人工智能+’。”他有點無所適從了。
我會跟他們講其實“人工智能+”會是一個更大的機會，因為互聯(lián)網(wǎng)的技術(shù)紅利期已經(jīng)過了。如果你在15年前，10年前甚至5年前開始在你的業(yè)務中結(jié)合互聯(lián)網(wǎng)技術(shù)，那么你還能夠獲得一些紅利，一些先發(fā)的優(yōu)勢?？墒堑浆F(xiàn)在開始去“互聯(lián)網(wǎng)+”，也并沒有多少紅利可言的，但你還是不得不去做。因為你不做的話，你相對于這個行業(yè)的其他競爭對手會有劣勢，可是即便做了，也不會有太多的優(yōu)勢。而人工智能不一樣，人工智能是一個最新涌現(xiàn)的巨大技術(shù)創(chuàng)新，所以是有一個很大的技術(shù)紅利空間的。所以越是傳統(tǒng)的企業(yè)，越應該去擁抱人工智能，去獲得這個技術(shù)紅利。
那么如何去擁抱這個人工智能的技術(shù)呢？我認為無非是有兩點：
舉個例子，比方說我們會跟一些時尚雜志去交流，那么我們就發(fā)現(xiàn)這些做時尚雜志的企業(yè)，他們過去十幾二十年，積累了大量的時尚圖片數(shù)據(jù)，可是這些圖片在當期雜志賣過之后，就沒用了。那么他們積累了那么多年的這些圖片，其實現(xiàn)在是沒有發(fā)揮他們應有的作用。我們想想，這個時尚圖片里面其實隱藏了多少有用的信息呢？比方說不同的款式的衣服究竟在每年的變化里是一個怎樣的趨勢？不同的服飾單品之間如何去搭配？有那么多的組合，這些信息其實都在這些圖片里面，通過人工智能技術(shù)就可以把鎖在倉庫里面的金子給挖出來。
具體的策略其實就在我們今天分享的這個題目里面，兩個字——共贏，要更多的去考慮如何實現(xiàn)共贏，不是單單去思考如何展現(xiàn)我這個人工智能系統(tǒng)有多智能，而是能不能讓別的產(chǎn)品變得更智能。這個說起來容易，其實做起來是挺難的，比方說有很多研究機構(gòu)，他們會把大部分精力去放在說如何做出一個非常智能的系統(tǒng)，去關(guān)心這個系統(tǒng)的各種參數(shù)，說它的準確率、精度等等。可是從商業(yè)的角度看，這些參數(shù)都只是體現(xiàn)出你有多智能，而不是你能不能讓別的產(chǎn)品變得更智能。
而要做到讓別的產(chǎn)品變得更智能，首先是有一個很重要的工程問題要解決，就是不僅僅你的核心算法要厲害，要很多數(shù)據(jù)訓練出一個很好的AI模型，你還需要一個很強大的工程團隊去以產(chǎn)品的形式把AI模型可以讓別的企業(yè)非常容易的去使用，在使用過程中的各種性能，便利性、維護性甚至客戶服務等等，那么這些并不能體現(xiàn)你有多智能，可是能夠讓你的產(chǎn)品幫助別的企業(yè)變得更智能。
從商業(yè)的角度也要去考慮如何用你的產(chǎn)品幫助別人變得更智能。比方說也有很多機構(gòu)他們會覺得他們開發(fā)出來的算法很厲害，如果誰要來用這個算法，首先要給他很大的一筆錢。而我們做的做法就是我們把模型，我們的這個人工智能的商品識別模型放在了云端，以PaaS（Platform-as-a-Service）這樣的方式開放出來，所有的企業(yè)可以很快捷地接進來。接進來之后以API的調(diào)用次數(shù)去收費，也就意味著當你一開始在用的時候，API調(diào)用次數(shù)非常少，你需要付的費用是很少的，可是當你的用戶很喜歡使用量大起來，自然你也愿意多付一些錢。
另外就是這個人工智能是一個純從技術(shù)導向開發(fā)出來的產(chǎn)品呢，還是說從一個行業(yè)的問題為導向開發(fā)出來的產(chǎn)品？。以ProductAI為例，我們是會切入到一些垂直領(lǐng)域，去尋找到這個領(lǐng)域一些很重要的問題。打比方說我們切入到紡織服裝這個領(lǐng)域時，我們就會跟這個領(lǐng)域的積累了多年經(jīng)驗的一些客戶去交流、尋找出在他們的業(yè)務流程中，在什么地方是可以用人工智能去提升效率的。
比如說剛才給大家展示的這個案例，用人工智能的方法自動地去提取和分析一個色彩流行趨勢，這樣的事情其實不是我們自己想出來的。我們并不知道在服裝紡織這個行業(yè)原來色彩的趨勢是一件這么重要的事情，是我們跟我們客戶交流的過程中，我們才知道，原來這是一個對這個行業(yè)很重要的問題。同時我們又去思考，這樣的一個問題是不是可以用人工智能的方式去解決？那么隨之就去考慮相應的算法，相應的這個數(shù)據(jù)如何獲取，產(chǎn)品怎么架構(gòu)使得這種大規(guī)模的調(diào)用變得更容易等。最后去推出一個產(chǎn)品給到這個行業(yè)去使用，并且還需要在使用的過程中，不斷根據(jù)客戶的反饋，不斷的去提升。
那么所有這些，我認為都是比人工智能的一個技術(shù)本身更重要的問題，也就是這個技術(shù)如何商業(yè)落地，如何跟客戶實現(xiàn)共贏的這個問題。
人工智能技術(shù)還能跟很多其他的技術(shù)相結(jié)合。比方說跟AR增強現(xiàn)實結(jié)合，也可以有很多好玩的新場景。
如上面這張圖片，首先用AI去識別出這個商品，然后用AR增強現(xiàn)實去創(chuàng)造，你可以把加多寶變成一個機器人，然后跟這個機器人去對戰(zhàn)的一個場景。在零售這個領(lǐng)域就可以去吸引用戶來到這個商品面前，然后提升轉(zhuǎn)化率，我們也曾經(jīng)跟蒙牛有過這樣一個商業(yè)合作。
在蒙牛案例里面，可以讓用戶任意角度拍一張蒙牛的牛奶然后就會識別并觸發(fā)出一個游戲，可以把蒙牛上時空獵人這樣的一個虛擬人物召喚出來，然后跟這個人物進行對戰(zhàn)，戰(zhàn)勝了之后會有一個優(yōu)惠券，通過這個方式是可以很有效的去提升商品購買的轉(zhuǎn)化率。
大家可以看到，在商業(yè)領(lǐng)域，我們更關(guān)心的不是人工智能有多智能，而在于人工智能能不能讓其他產(chǎn)品變得更智能，這個是ProductAI的使命，我們也是希望在這個新的人工智能時代，我們可以實現(xiàn)人和機器共贏。
1、拍照不同的東西應該處理路徑不同吧？請問你們是窮舉多少種類型嗎？
黃鼎?。翰恍枰F舉，因為我們這個產(chǎn)品是2B的，服務B端的企業(yè)，每一個B端的企業(yè)他們其實都會在一個特定的行業(yè)里面，比方說就是面料這個行業(yè)，或者說家具這個行業(yè)，或者紅酒這個行業(yè)，所以在這個特定的行業(yè)里面，我們是不需要去窮舉其他領(lǐng)域的商品的。
2、請問ProductAI 和之前流行而沒有成長起來的搜圖技術(shù)的差別在哪里？如何解決出來的產(chǎn)品多款雷同呢（比如淘淘搜）？
黃鼎?。河幸粋€很重要的差別是質(zhì)量，就是到底能不能說出來精準度如何，我們也是經(jīng)過很長時間的摸索。我們發(fā)現(xiàn)這是一個大家一直以來都很感興趣的場景，拍張照片就能找到這個商品并不是個新需求，可是關(guān)鍵就在于你拍了照片之后找出來的東西究竟是不是客戶想要的。而這樣的準確度和客戶滿意度需要到一個閾值，如果低于這個閾值可能是不能實際使用的，要高于這個閾值需要大量的研發(fā)的投入。
你提到淘寶這個愛立淘和淘淘搜，有一個顯著的差別是我們這個技術(shù)是2B的，就是我們把這個技術(shù)開放出來，去服務B端的企業(yè)。
3、可以簡單介紹下ProductAI以圖搜圖背后的技術(shù)原理？
黃鼎?。涸砀弦淮膱D片搜索相比有一個大的變化。之前是需要去人為手動地去定義一些特征，現(xiàn)在是完全用深度學習，用數(shù)據(jù)的方法去驅(qū)動，就不需要去定義特征了，這個對于商品由于是一些柔性的商品尤其重要。
比如像衣服，衣服是典型的柔性的物體，當你掛在衣架上或者你穿在身上它有一種特征?？墒钱斈惆堰@個衣服疊起來甚至揉成一團，它原來的這個特征就會被破壞掉了，所以傳統(tǒng)的這種定義特征的方式是對于這一類的場景是不適用的，由于有了這個深度學習的技術(shù)還有現(xiàn)在有了海量商品圖片的數(shù)據(jù)，所以現(xiàn)在我們是可以去解決這個問題，使得一個柔性的物體衣服不管它怎么扭曲折疊我們還是可以識別出它是什么。
4、對于人工智能來說，數(shù)據(jù)非常重要，需要用來訓練模型。數(shù)據(jù)獲取方面，您有什么建議？
黃鼎?。簲?shù)據(jù)確實是對現(xiàn)在的人工智能是一個非常關(guān)鍵的因素。可是我認為，在數(shù)據(jù)之前，還有一個更重要的問題，就是你是希望用這個數(shù)據(jù)訓練出怎樣的模型？去解決什么問題？這個問題本身可能比數(shù)據(jù)還要重要，因為我們現(xiàn)在的人工智能還是一個所謂的弱人工智能，不是強人工智能，也就是說它不是通用的，它不能夠解決所有的問題。只能解決一個特定領(lǐng)域的問題，這個問題越聚焦，所開發(fā)的AI模型就能解決的越好，所以你要獲取的這個數(shù)據(jù)一定是要針對一個特定的非常清晰的問題，然后你去收集標注相應的數(shù)據(jù)才有意義。
具體到數(shù)據(jù)的獲取的方法，我的經(jīng)驗是其實只要你的問題定義清楚了，數(shù)據(jù)是總能夠獲取到的，無非是成本多少的問題。而關(guān)于成本，如果你上個問題如果想清楚了，你也可以推算出值得花多少成本。所以只要你把問題定義清楚了，我認為數(shù)據(jù)就是一個隨之就會可以解決的問題。
（本文獨家首發(fā)鈦媒體，根據(jù)碼隆科技聯(lián)合創(chuàng)始人、CEO黃鼎隆在鈦坦白上的分享整理）
…………………………………………
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論