越來越多的企業(yè)投身于人工智能轉(zhuǎn)型的浪潮中，但也有越來越多的企業(yè)意識到僅僅依靠自己的力量去實現(xiàn)技術(shù)創(chuàng)新，不僅過程困難，而且十分漫長，在這種背景下，人工智能領(lǐng)域的企業(yè)之間正在努力建立一種良好的互動關(guān)系，形成互相借力的產(chǎn)業(yè)生態(tài)圈。依托復(fù)旦大學(xué)計算機科學(xué)技術(shù)學(xué)院運行的上海視頻技術(shù)與系統(tǒng)工程研究中心，作為人工智能“產(chǎn)研合作”的代表，以其聚焦的基于深度學(xué)習(xí)研究視覺內(nèi)容識別技術(shù)，加速AI企業(yè)的創(chuàng)新應(yīng)用的落地。本次邀請該研究中心的薛向陽教授，為我們共同探討產(chǎn)研合作中存在的問題。

　　Q：a&s總經(jīng)理、總編輯 關(guān)玉娟

　　A：復(fù)旦大學(xué)計算機學(xué)院視頻技術(shù)與系統(tǒng)工程研究中心 薛向陽博士

　　關(guān)玉娟：你們研究的主要范疇是什么？有哪些應(yīng)用已經(jīng)開始落地？

　　薛向陽博士：我們中心主要從事視覺內(nèi)容識別研究，比如說辨識圖像中出現(xiàn)的物體、檢測該物體在圖像中所處位置等，都屬于最基本的計算機視覺任務(wù)。再復(fù)雜一點的任務(wù)便是挖掘物體與物體之間的關(guān)系，例如在一個特定場景的圖像中，根據(jù)某物體上下文信息，可推斷出其他可能存在的物體等。再進一步，可以用幾句話簡要描述一副圖像的主要內(nèi)容。目前視覺內(nèi)容識別距離實現(xiàn)人們所期望的各種需求，仍然有不小距離，當(dāng)前成功應(yīng)用主要是集中在特定物體的識別，例如人臉識別、車輛及車牌識別等，其他更復(fù)雜的應(yīng)用還處于實驗研究階段。

　　除了車輛與人臉等特定物體識別之外，值得一提的還有工業(yè)視覺領(lǐng)域的發(fā)展。例如地鐵、高鐵等路軌及設(shè)施等運行安全檢測，人力已經(jīng)無法負荷，通過視覺檢測等綜合技術(shù)手段，能有效地掌握列車及鐵軌的真實情況，及時處理問題，保證車輛安全行駛。

　　關(guān)玉娟：研究中心主要是負責(zé)完成企業(yè)委托或者針對合作項目進行研究嗎？

　　薛向陽博士：因為實驗室研究成果必須經(jīng)過實踐檢驗才能證明其有效性，所以我們跟企業(yè)的合作比較多，與企業(yè)緊密合作也是推動我們自身發(fā)展的重要外部條件?，F(xiàn)在，我們許多研究方向也是企業(yè)提出來的，是根據(jù)企業(yè)面臨的實際問題開展研究。社會上很多企業(yè)的研發(fā)力量是有限的，所以產(chǎn)研合作已經(jīng)是非常普遍的模式，在合作中我們主要是為企業(yè)提供算法模型的設(shè)計、算法模型性能優(yōu)化等知識服務(wù)。

　　關(guān)玉娟：團隊的優(yōu)勢是什么，以及合作對象主要是哪些類型的企業(yè)？

　　薛向陽博士：我們的優(yōu)勢一是算法模型設(shè)計，二是充沛的學(xué)生人才實力，企業(yè)具有熟悉場景與應(yīng)用落地的優(yōu)勢，同時他們具備市場及工程開發(fā)人員，能實現(xiàn)算法向產(chǎn)品的升級，通過合作互補實現(xiàn)各自資源的最優(yōu)配置，快速實現(xiàn)創(chuàng)新應(yīng)用。

　　關(guān)玉娟：市場關(guān)于視覺識別目前的應(yīng)用處于怎樣的水平？如何看待未來的發(fā)展？

　　薛向陽博士：人類感受外部環(huán)境信息的70%-80%來自視覺，因此視覺識別的應(yīng)用必然是范圍廣泛的，從應(yīng)用的成熟度而言，有些應(yīng)用已經(jīng)非常成熟，比如人臉識別，但也有一些應(yīng)用仍然不太成熟。很多識別的算法模型都是與具體應(yīng)用場景密切相關(guān)，很難從一個應(yīng)用場景直接遷移到另一個應(yīng)用場景。

　　關(guān)玉娟：對于企業(yè)而言，與你們類似的機構(gòu)合作，時間成本優(yōu)勢明顯嗎？

　　薛向陽博士：對于一些大企業(yè)而言，他們可以對算法研究進行大的投入，但對于中小企業(yè)而言成本壓力很大。我們這類科研機構(gòu)對于企業(yè)而言是一種資源池，能幫助他們緩解成本壓力，而且?guī)椭麄冿@著提升技術(shù)水平。

　　關(guān)玉娟：與國外相比，您如何看待國內(nèi)AI應(yīng)用的水平？

　　薛向陽博士：從應(yīng)用層面而言，國內(nèi)技術(shù)水平接近國外，之所以不談領(lǐng)先，是因為AI里面很多的開源工具、平臺、芯片都是舶來品，但目前中國正在縮短與國外的差距，甚至在某些特定應(yīng)用場景中處于領(lǐng)先地位?；氐郊夹g(shù)研究層面，由于許多客觀的因素，目前仍然處于相對落后的狀態(tài)。

　　關(guān)玉娟：AI在實際應(yīng)用中最大的問題與困擾是什么？

　　薛向陽博士：AI依賴于應(yīng)用場景，只要場景確定（即各種邊界條件確定），這個時候研發(fā)人員比較容易將應(yīng)用性能等調(diào)整得很好。但如果更換了一個場景，原來那套方法就需要進行再調(diào)整，這也反映出AI算法模型泛化能力不夠，主要以定制化為主，限制了大范圍推廣。同時，當(dāng)前許多AI算法都是數(shù)據(jù)驅(qū)動的，需要持續(xù)收集大量特定應(yīng)用場景的數(shù)據(jù)，然后在應(yīng)用中進行持續(xù)迭代優(yōu)化，這個過程所需人力與物力對于許多企業(yè)而言，顯然是一個非常大的技術(shù)、成本和運維等綜合壓力。

　　關(guān)玉娟：隨著人工智能等新技術(shù)的興起，目前在高校教育的師資力量匹配上是否會出現(xiàn)壓力？

　　薛向陽博士：以人工智能為例，在學(xué)校里很早便有相關(guān)的研究，只是之前并沒有獲得社會公眾普遍關(guān)注，比如計算機視覺、自然語言處理、模式識別、自動控制等都有相應(yīng)的師資和專業(yè)，現(xiàn)在AI非常熱，全社會就更加重視，國家教育部先后設(shè)立了智能科學(xué)與技術(shù)、人工智能等本科專業(yè)，國內(nèi)已有不少高校將計算機、電子工程、自動化、神經(jīng)科學(xué)、認知科學(xué)等專業(yè)進行人力資源整合，建立了人工智能學(xué)院或人工智能研究院，積極應(yīng)對社會對AI人才的急需。

　　關(guān)玉娟：接觸過這么多的人工智能企業(yè)，您如何看他們在應(yīng)用方面的發(fā)展問題？

　　薛向陽博士：以我選擇合作的企業(yè)標(biāo)準而言，我認為要做好一個AI產(chǎn)品或應(yīng)用需要具備許多要素，首先是團隊要素，企業(yè)應(yīng)有足夠的數(shù)據(jù)工程師（負責(zé)人工數(shù)據(jù)標(biāo)注）、軟件工程師（負責(zé)工程代碼開發(fā)）等。如果企業(yè)不具備這些開發(fā)人員，我們作為算法研究的角色是無法通過算法幫他們完成產(chǎn)品開發(fā)的。在實驗室環(huán)境下完成的算法，僅僅是作為算法思想，接下來企業(yè)要把算法思進行工程化實現(xiàn)，并在實際應(yīng)用數(shù)據(jù)上進行持續(xù)檢驗。否則的話，雙方合作是很難取得讓人滿意的結(jié)果。

　　編后語：

　　人工智能未來充滿著無限可能，當(dāng)下人臉識別帶給了人們生活上極大的便利。要進一步促進人工智能的發(fā)展，需要源源不斷的創(chuàng)新動力。除了企業(yè)努力之外，還需要不同研究領(lǐng)域的專家開展跨學(xué)科合作研究，以應(yīng)對人工智能深入發(fā)展帶來的各種新挑戰(zhàn)。對人工智能企業(yè)而言，產(chǎn)學(xué)合作能使效率更高，成本降低，技術(shù)水平提升，加速推進惠澤社會的人工智能項目的不斷落地。