新興科技峰會(huì)上，香港中文大學(xué)教授，商湯科技聯(lián)合創(chuàng)始人湯曉鷗照例以幽默的曬娃開場(chǎng)，介紹了商湯科技在視覺方面的研究，尤其是在視頻搜索方面的研究成果。據(jù)湯曉鷗介紹，人工智能軟件如今可進(jìn)行基于內(nèi)容的視頻搜索和基于自然語言的搜索。

新興科技峰會(huì)上，香港中文大學(xué)教授，商湯科技聯(lián)合創(chuàng)始人湯曉鷗照例以幽默的曬娃開場(chǎng)，介紹了商湯科技在視覺方面的研究，尤其是在視頻搜索方面的研究成果。據(jù)湯曉鷗介紹，人工智能軟件如今可進(jìn)行基于內(nèi)容的視頻搜索和基于自然語言的搜索。人工智能還可以把視頻分析成自然語言。

“Google是在教機(jī)器來下圍棋，而現(xiàn)在我們來教機(jī)器代替人看電影。我們讓機(jī)器來做下棋，看電影，玩游戲這些有趣的事情，然后我們?nèi)祟愔回?fù)責(zé)給機(jī)器充充電，維修和保養(yǎng)就行了”湯曉鷗打趣地說。

以下為湯曉鷗教授的演講全文，略經(jīng)編輯：

人工智能的中國式文藝復(fù)興

Ladies and Gentlemen, Good morning. Sorry I will conduct my entire talk in Chinese, in東北Chinese. 今天我講的題目是人工智能的中國式文藝復(fù)興，這個(gè)題目我在上海講過一次，我這個(gè)人不太喜歡重復(fù)自己，于是我又想了一個(gè)新的題目，叫人工智能的中國式十月革命。

言歸正傳，我每次演講，都是從這張照片開始，有兩個(gè)原因，第一，這是我兒子；第二，他長得漂亮。今天又多了一個(gè)更名正言順的原因：在座有很多MIT的教授，我兒子再過四、五年就要申請(qǐng)大學(xué)了，我想提前讓教授們認(rèn)識(shí)一下我兒子，幫助他將來申請(qǐng)。我想我長這樣都可以進(jìn)MIT， 他這么帥，應(yīng)該沒問題。雖然他學(xué)習(xí)成績很一般，而且不是一般的一般。

再一次言歸正傳，我想大部分中國人都應(yīng)該知道這部電影——《戰(zhàn)狼》。一下子賺了56億。這在15、20年前是不可能的；那時(shí)候中國的一部電影是不會(huì)賺這么多錢的。這有很多原因，其中一個(gè)非常重要的原因就是今天我們都愿意花錢去電影院看電影了，而15年前、20年前，很多人會(huì)去買盜版的VCD，或者去網(wǎng)上下載一個(gè)盜版。如果這樣，導(dǎo)演和演員也就沒有動(dòng)力再繼續(xù)堅(jiān)持下去了。今天中國電影的成果最重要的推動(dòng)力就是我們對(duì)原創(chuàng)和版權(quán)的尊重。

我們現(xiàn)在不是只有一部電影這樣成功，比如這部《羞羞的鐵拳》羞羞的就賺了22億，《芳華》是一部文藝片，也能達(dá)到14億的票房，《前任3》的票房是18億，平均每個(gè)前任6億，《無問西東》是一部非常有情懷的文藝片，也做到了5億票房。都非常不容易。

所以，對(duì)原創(chuàng)的尊重使得中國的原創(chuàng)電影不斷往前發(fā)展。在三四十年代，全球電影發(fā)展起來時(shí)，中國電影并不落后，像《馬路天使》、《一江春水向東流》一點(diǎn)也不輸給好萊塢電影。即使在那個(gè)戰(zhàn)火連天的年代，中國還能夠拍出這些好電影，一個(gè)原因可能也是當(dāng)時(shí)沒有DVD和互聯(lián)網(wǎng)來幫助盜版。

再往前，說一下文藝復(fù)興的時(shí)候，如果米開朗基羅的這些作品或者任何一個(gè)藝術(shù)品很快有人進(jìn)行復(fù)制，那么他可能也賺不到什么錢，也可能活不下去。所以，對(duì)于原創(chuàng)的尊重也是文藝復(fù)興能真正興起的一個(gè)原因吧。

說到原創(chuàng)，下面我們來講講人工智能。一提到人工智能，大家腦海里第一個(gè)想到的公司是哪一家呢？是的，我相信大家都猜到了—那一定是商湯科技。請(qǐng)大家不要笑……這個(gè)笑聲很不禮貌了，我還在臺(tái)上呢。好吧，目前應(yīng)該是谷歌，但是總有一天，我相信人工智能這個(gè)熱潮一定會(huì)過去的，等這個(gè)熱潮過去了以后，商湯一定會(huì)成為人工智能最頂級(jí)的公司。

那為什么是谷歌？因?yàn)楣雀枵娴陌奄Y金投入人工智能發(fā)展，2015年的研發(fā)經(jīng)費(fèi)就是120億美金。2014年有一家公司叫DeepMind，只有12個(gè)員工，沒有賺錢，只是在用深度學(xué)習(xí)玩游戲和下棋，但是谷歌就花了6.6億美金收購了這家公司。如果是在中國，大家就會(huì)花幾百萬美金把人一個(gè)個(gè)挖過來，那要便宜得多。但是如果那樣做的話，就不會(huì)有后來的AlphaGo了。

那么AlphaGo之后大家還能做點(diǎn)什么呢？谷歌又做了AlphaGo 2和AlphaGo Zero，有些公司開始學(xué)著AlphaGo下圍棋，還有的公司選擇打撲克牌，這從某種意義上講，都是跟著別人的后面做事情。

真正有意義的事情是在AlphaGo之前你做了什么？有沒有做什么事情讓機(jī)器在某項(xiàng)任務(wù)上戰(zhàn)勝人類。在AlphaGo之前我們做了一件事情，2014年，我們團(tuán)隊(duì)從事人臉識(shí)別，在全球第一次讓機(jī)器的人臉識(shí)別能力超過了人的眼睛，像AlphaGo一樣，在某一個(gè)人類定義的單項(xiàng)任務(wù)上，機(jī)器超越了人類。

超越了人類就過了一條紅線，而過了這條紅線就可以在工業(yè)上進(jìn)行應(yīng)用了。但是在真正應(yīng)用的時(shí)候，又發(fā)現(xiàn)了很多問題，過了紅線還是不夠用的，從實(shí)驗(yàn)室到大規(guī)模產(chǎn)業(yè)化還有很長的路要走。2014年，我們用20萬人臉來對(duì)機(jī)器進(jìn)行訓(xùn)練做到了98.5%的準(zhǔn)確率，而人是97.5%；2015年我們用30萬人臉進(jìn)行訓(xùn)練，達(dá)到了99.55%的準(zhǔn)確率；2016年，我們用6000萬人臉訓(xùn)練可以達(dá)到了百萬分之一的誤識(shí)率；2017年，我們用20億人臉訓(xùn)練可以達(dá)到一億分之一的誤識(shí)率，而這樣的誤識(shí)率才可以真正地應(yīng)用到各行各業(yè)，包括監(jiān)控、金融、安防、手機(jī)等行業(yè)。所以，我們和高通簽署了全球AI戰(zhàn)略合作協(xié)議。

那么除了人臉識(shí)別，我們現(xiàn)在還做什么？由于時(shí)間關(guān)系，我從我們做的十幾個(gè)行業(yè)里選出一個(gè)來簡單介紹一下——視頻分析。

下面這個(gè)技術(shù)是行為檢測(cè)，這是里約奧運(yùn)會(huì)的跳水比賽直播，大家可以看到過了9分鐘也沒有看到跳水的內(nèi)容，要花一大堆時(shí)間看一些枯燥的內(nèi)容介紹。所以，我們用計(jì)算機(jī)視覺分析的方法，可以從很長的一段視頻里把重點(diǎn)內(nèi)容檢測(cè)出來，你就可以直接跳過沒有意義的部分，直接看這些有趣的、真正的跳水的鏡頭。

下面這個(gè)演示是基于內(nèi)容的視頻搜索

在電影中我們可以把各種各樣的片段搜索出來，比如說你想搜索武打動(dòng)作片段，或者喜劇片段，我們可以直接把它搜索出來，或者你想搜索科幻的，我們可以把科幻的片段搜索出來。

下面這個(gè)演示是用自然語言描述來進(jìn)行場(chǎng)景搜索，我們用自然語言來描述一個(gè)電影中的場(chǎng)景，然后它就可以自動(dòng)根據(jù)你的描述把這個(gè)電影片段搜索出來，比如，我們要搜house of cards中的一個(gè)片段，“Claire和Frank坐在藍(lán)色沙發(fā)上”，大家看到下面這段場(chǎng)景就出來了。

另外我們不但能把視頻分析出來，還能理解這個(gè)視頻，然后用自然語言描述出來。比如下面這些運(yùn)動(dòng)視頻，機(jī)器就可以像解說員一樣來描述運(yùn)動(dòng)場(chǎng)上發(fā)生的事情。

IJCV是我們這個(gè)領(lǐng)域的兩大頂級(jí)雜志之一，作為IJCV的主編，我會(huì)在每年的ICCV和CVPR兩個(gè)計(jì)算機(jī)視覺頂級(jí)會(huì)議上，主辦IJCV Night晚會(huì)，邀請(qǐng)幾百位頂級(jí)學(xué)者參加。去年10月份，我們?cè)谕崴沟腖ido酒店舉辦了這個(gè)晚會(huì)。

上世紀(jì)的一部美國電影《美國往事》就是在這個(gè)酒店拍攝的，下面這個(gè)演示里我們把電影場(chǎng)景里的所有物體都檢測(cè)出來，演員是哪一個(gè)演員，他穿的是什么衣服，這個(gè)場(chǎng)景是在餐廳里，所有的桌子、花、椅子全部能夠?qū)崟r(shí)的自動(dòng)檢測(cè)出來，這樣的技術(shù)在以前是非常難的，但是現(xiàn)在我們都可以做到了。

再回頭來看我們?nèi)绾斡眠@些技術(shù)來分析前面提到的電影《戰(zhàn)狼》和《羞羞的鐵拳》，我們通過分析這些演員的動(dòng)作和他們之間的關(guān)系，可以分析出來在不同的場(chǎng)景之下，這兩個(gè)演員是誰，在做什么，這個(gè)片段是什么類的情節(jié)。

同時(shí)，我們可以識(shí)別每一幀情節(jié)分類，每一個(gè)鏡頭是打斗場(chǎng)景還是戀愛場(chǎng)景。我們也可以把一個(gè)電影最精彩的鏡頭提取出來，大家可以挑選比如動(dòng)作的精彩鏡頭、感情戲的精彩鏡頭、悲劇的精彩鏡頭等等。

那么總結(jié)起來，我們?cè)谧鍪裁茨?？我們是在教機(jī)器看電影，一開始我們是教機(jī)器來識(shí)別人臉，Google是在教機(jī)器來下圍棋，而現(xiàn)在我們來教機(jī)器代替人看電影。這個(gè)感覺有點(diǎn)怪，我們讓機(jī)器來做下棋，看電影，玩游戲這些有趣的事情，然后我們?nèi)祟愔回?fù)責(zé)給機(jī)器充充電，維修和保養(yǎng)。

我覺得大家聽了這個(gè)一定覺得很可笑。實(shí)際上所有的任務(wù)，都是我們?nèi)税才沤o機(jī)器做的，機(jī)器是按照我們的指令在做事情，不存在機(jī)器控制人類這樣的事情，AI的真正目的是幫助人類，幫助我們提高生產(chǎn)效率。

最后給年輕人留下兩句話：

第一句，電影一定要自己親自去看。

第二句，AI這個(gè)詞在中國拼音翻譯過來就是“愛”，所以談戀愛也要自己親自去談，否則你就不止“前任3”了，很有可能“前任4”、“前任5”了。

謝謝大家！