12月6-8日，為期三天的“2019世界革新者年會”在北京順利舉辦。本次大會由中國企業(yè)聯(lián)合會指導，工業(yè)和信息化科技成果轉化聯(lián)盟聯(lián)合主辦，本次大會以“科創(chuàng)4.0:共建全球化新未來”集結了來自美國、英國、印度、新加坡、印尼、尼日利亞、巴?、日本、以色列等十余個國家或地區(qū)的6000名革新者，總結2019年世界科技與產業(yè)新的成果，預測2020年*新新趨勢。
本次論壇邀請了**科學家田奇教授、朱明杰博士、陶海教授、柴金祥教授、劉國清博士、聯(lián)想創(chuàng)投董事總經理王光熙、陳運文博士等共同探討和分享作為科學家創(chuàng)業(yè)者在創(chuàng)業(yè)路上的收獲與感悟，探索科學技術與商業(yè)化的結合機會，助推產學研領域協(xié)同發(fā)展。
其中，華為諾亞方舟實驗室計算視覺**科學家田奇帶來了主題為“科學·企業(yè)家，雙重身份下何為我眼中革新者?”的演講，演講的核心觀點有:
學術界和工業(yè)界具有互補性，學術界對工業(yè)界價值就為工業(yè)界源源不斷的輸送人才，為工業(yè)界提供前沿的方向，同時學術界對性能的精良追求為工業(yè)應用打下堅實的基礎。工業(yè)界對學術界的價值是反饋學界人才回流。
學術界和工業(yè)界的側重點不一樣，學術界更關注方法的理論化、通用性、探索未來和啟發(fā)式的認知水平。但是工業(yè)界更注重于商業(yè)價值，更注重方法的使用性。
革新應以人才為核心，人才培養(yǎng)是其中*大的中心。
以下為演講實錄:
**部分是我學術和工業(yè)界的背景以及諾亞方舟實驗室的介紹;**部分是“在前沿新的研究和業(yè)務落地之間的AI使能鴻溝”，以三個例子來說明一下;*后從學術界和工業(yè)界的?度來思考什么是革新?
2018年夏天，我利用學術休假加入到華為諾亞方舟計算視覺實驗室，在今年9月份辭掉了在美國的終身教學職位，現(xiàn)在全職加入了華為，所以我現(xiàn)在身份是在工業(yè)界。當然大家可以看到我大部分時間是在學術界，在工業(yè)界的時間還不算?，所以只能在這里談一些個人的淺?，算是拋磚引玉吧。
我供職在諾亞方舟計算機視覺實驗室，諾亞方舟目前有幾個組:計算視覺、自然語言處理、搜索、推薦、決策推理、機器學習，仿真學的人機交互。以支持產品部?、企業(yè)智能、網絡智能、終端職能、終端智能手機拍照大屏，還有一些信息的業(yè)務，例如無人駕駛對我們來講也是微感知傳感器融合。
華為的AI使能鴻溝，通過和全世界25所高校的合作，很多研究人才加入了這方面的合作。諾亞方舟的愿景就是讓AI使能鴻溝、***的產出建立上等的AI大學，來幫助公司實現(xiàn)AI戰(zhàn)略的轉型。
舉個例子我以平安城市中的使能站識別為例，左圖是學術界做行人站的識別，它的場景相對比較單一，是城市或者上空。行人站識別兩個*大的圖像數(shù)據(jù)集就是多場景、多時間段的兩個數(shù)據(jù)集，都是我們這幾年做的工作。
但是工業(yè)界使能站的識別，是針對城市群的大規(guī)模復雜場景，所以它的條件很難被約束成為理想的條件。那么以這個多場景、多時間跨度的數(shù)據(jù)集為例，包括4101個行人，標注行人大概12萬方有15臺攝像機，采集了室內、室外兩種場景的情況，行人的假定能夠被很好的解析出來，準確率是唯壹一個評價指標。
在工業(yè)實際場景中，要面對的是幾十萬個這樣的行人ID、幾千臺甚至幾萬臺這樣的攝像機、幾萬張億級別甚至更多行人的智能圖像，針對校園、社區(qū)、街道等多種場景。我們也有園區(qū)的項目，經常出現(xiàn)檢測不準或者錯誤非常嚴重的情況，所以不光是準確率，我們還要考慮模型的大小和速度等。
在行人識別中這是一個非常常用的識別模型是基于人體、部件等等。這是我們在2018年的工作，主要是說一個圖片整體分成多個模塊，讓不同ID之間能夠區(qū)別開來，從而提升系統(tǒng)的鑒別能力。
工業(yè)場景中如果用這個方法就比較危險，因為工業(yè)數(shù)據(jù)量特別大，不同的ID之間存在非常相似、甚至相同的一種模塊，如果還是把相似的模塊完全分開，就有損特征的提取，從而導致系統(tǒng)性能的急劇下降。
另外，我們如果把預訓練的系統(tǒng)部署到新的場景下，這一系統(tǒng)的性能會下降很快，一個解決方法就是場景遷移，所以在2018年我們華為學生提出了一個方法來縮短數(shù)據(jù)的鴻溝。這一種算法提出來后，當然對系統(tǒng)性能是有一些提升的，但是如果應用到實際的工業(yè)場景中，生成的圖像的質量還是比較差的。同時也引入了大量噪聲，雖然對系統(tǒng)性能帶來一定的提升，但是它的天花板效應還是比較低，不能滿足工業(yè)界的要求。
我們的解決方案解決的是如何把一個新的系統(tǒng)探索和部署到新的場景下來，過去它是偏重于跨攝像機的標注，因為人被不同的攝像機捕捉到，多進行標注。但是我們的解決方案將跨攝像機的標注轉為單攝像機、單攝像頭的訓練模式，我們只標注行人再一個攝像頭下的數(shù)據(jù)。因為在一個攝像頭下，行人的檢測會變的高速自動化，從而極大的減少數(shù)據(jù)標注的成本和時間。
*后以華為終端視覺輕量的神經網絡為例，在學術界輕量級網絡在保持準確率的同時，注重如何減少計算量或者減少模型的參數(shù)和模型的大小。但是在工業(yè)界要考慮真實硬件的一些指標，比如能耗、速度和內存等，所以很難用理論的指標。
那么學習計算機的網絡，例如計算量和模型參數(shù)的方法，雖然計算量和模型參數(shù)降低了，但是實際的速度還是比較悲觀的，現(xiàn)在工業(yè)界的一些輕量級計算偏重于像谷歌、V2這類引入深度分裂的模型，這就提出了通耗混排的操作，在A3使用NASS的技術進行網絡結構搜索。但是存在一些問題，我們要充分的利用特征之間的融性，適配特定的一些硬件。
2018年輕劑量級模型常用的思路，就是交叉通道。交叉通道之間的信息可以得到更好的應用，但是交叉的操作對硬件的實現(xiàn)是不友好的。這種操作對于內存和存量存在著不連續(xù)性，所以會導致硬件運行效率的降低。
我們在今年提出了以廉價的線性變換來換取更多的特征，這樣對計算資源的需求同時因為廉價的線性變換對硬件友好，所以可以更好的達到這一個目標。
*后，我主要從學術界和工業(yè)界的?度來看什么是革新?學術界和工業(yè)界顯然具有互補性，學術界對工業(yè)界價值就為工業(yè)界源源不斷的輸送人才，為工業(yè)界提供前沿的方向，同時學術界對性能的精良追求為工業(yè)應用打下堅實的基礎。
工業(yè)界對學術界一個價值是反饋學界人才回流，我覺得人才相互流動是一個正常的現(xiàn)象，而且在實踐中給學術界帶來一種新的方向，*后系統(tǒng)的整合學術界提供一種全局的布局。所以學術界和工業(yè)界應該形成互補互益、?頭并進的狀態(tài)。
在領域中也存在很多雙重身份，從學術界到工業(yè)界的人，他們的思考我也來分享一下。顏水成是新加坡國立大學的終身教授，也是前360AI分院的院?，現(xiàn)在是依圖科技**技術官。他認為學術界的研究是否**，關鍵是要看技術。另外需要提煉解決問題的方法。學術界節(jié)奏可以放慢一點，一個輸出需要幾個月甚至半年的時間，但是工業(yè)界只要能解決問題就是好的人工智能。
香港中文大學的湯曉歐，也是商湯科技的創(chuàng)始人，他說中國的人工智能要做好三件事:**要堅持，把基礎做好;**要革新，要做新的東?;第三要把飄在上面的東?落地、做產業(yè)化。香港中文大學的賈佳是亞騰訊優(yōu)圖的杰出科學家，他的觀點就是“技術要上天、產業(yè)要落地”。
還有大家更熟悉的李??，是斯坦福大學教授，前谷歌云人工智能的**科學家。她認為科學到科技再到產品就像一個4×100接力賽，每一棒都有它特別的功能，學術界應該是4×100的**棒，工業(yè)實驗室是**棒，產業(yè)和投資是第三棒、第四棒。
*后是紐約大學圖靈獎的獲得者，現(xiàn)在也是Facebook的科學家。他認學界和業(yè)界的雙重聯(lián)盟，可以同時為學界和業(yè)界做出貢獻，不僅推動了云識別、圖像識別、文本理解和語言翻譯技術的進步，同時也帶來了理解智能的基礎科學進展。
這是業(yè)界其他雙重身份的人的真知灼?。在我看來革新的核心要素是什么?我認為革新應以人才為核心，人才培養(yǎng)其實是一個*大的中心。針對三大要素中計算視覺算法、算力和數(shù)據(jù)，學術界更多是以精巧的算法設計??，但是工業(yè)界在算力和數(shù)據(jù)方面，有更大的優(yōu)勢。大算力、大數(shù)據(jù)給工業(yè)界帶來更多革新的可能。
人工智能行業(yè)對人才的需求非常旺盛的，工業(yè)技術對學術界對人才的吸引力主要體現(xiàn)在計算能力、平臺、數(shù)據(jù)、機遇、合作、干預、成?、落地等方面。工業(yè)界對人才的爭奪已經白熱化，不管是中美，大家都可以看到對人才的爭奪。
什么是工業(yè)界需要的人才?主要有幾點，**個是要專注于你的領域，并且具有創(chuàng)造力的人才;**個是對多個領域有理解力，并且有合作的能力的人才;第三個是能夠把技術真正做落地的，懂人工智能產品的人才。比如站在客戶的?度，人工和社會需要什么?站在應用場景的?度人工智能可以做什么?技術和產品雙驅動，了解產品的需求，了解用戶的體驗，把算法、數(shù)據(jù)、計算能力充分的發(fā)揮。
工業(yè)界也要能夠發(fā)現(xiàn)新業(yè)務方向，一些舵手結合業(yè)務場景、商業(yè)模式、具體應用(比如自動駕駛、智能家居、平安城市這一些產品)如何帶來商業(yè)價值的**。
*后，AI的應用要以人為本，我們要找理想經濟的人才，在功能完善的的基礎上，要考慮人們的精神文化需求，比如陪護機器人對老人和小孩的陪護。
學術界需要什么樣的人才?首先做基礎研究。從源頭做起，眼光要?遠，注重技術的革新。問題要從工業(yè)中來，結果要到工業(yè)中去做實踐。
學界和工業(yè)界人才的培養(yǎng)方式的區(qū)別，打一個比方，學術界就是，我提供一個新的算法，同時把這算法交給他人，提煉新方式。對工業(yè)界來講，主要著重于找到*合適的方法來解決問題。但是共同點就是需要理論基礎扎實、工程能力強、善于合作和新的AI人才。所以要利用這雙重身份把學術界和產業(yè)界緊密連接，為培養(yǎng)AI人才提供*好的方式。
對于華為來說，利用跨界身份的優(yōu)勢把學術界高水平的研究和工業(yè)界的上等的產品實踐結合起來，找到一個新性的人才培養(yǎng)模式，幫助我們實現(xiàn)向上捅破天、向下扎到根這種全站式的研發(fā)，是我們要做的。
我們培養(yǎng)人才的戰(zhàn)略，是與高校聯(lián)合來探索培養(yǎng)學生科學化的方法，與高校學者舉行學術沙?和內部的交流。在工程能力培養(yǎng)方面，邀請**定期進行員工的培訓，同時以白皮書的形式分享AI課程，走出溫室，走出外部培訓我們的員工。*后利用公司強大的數(shù)據(jù)資源和算力平臺支撐，經常做企業(yè)文化的傳播，像今天這一個活動一樣。
*后在高校培養(yǎng)AI人才有一些建議。不僅要培養(yǎng)很高的**素質，也要有很強的工程能力;課程AI變化很快，要注重課程的內容及時更新;設置多學科的交叉**，同時鼓勵本科生、甚至高中生盡早的接觸前沿;人工智能方面，要鼓勵同學多參加程序設計的課程學習，與工業(yè)界展開合作，鼓勵學生多參與工程的實習;*后鼓勵學生革新、產品孵化和AI創(chuàng)業(yè)。
尊敬的客戶:
本公司自主產品有刀測儀、外觀檢查儀、鐳射外徑跳動測量儀、一鍵式測量儀等刀具相關量具量儀。代理瑞士Schaublin、德國schunk刀柄及筒夾等磨刀機配件。
您可以通過網頁撥打本公司的服務電話了解更多產品的詳細信息，至善至美的服務是我們永無止境的追求，歡迎新老客戶放心選購自己心儀產品，我們將竭誠為您服務
