12月20日的上海，寒氣襲人，在虹橋吳中路1189號(hào)的五樓會(huì)議室，站在一塊投影屏和白板之間的Alan Yuille教授，手托腮，若有所思。在他面前的是慕名而來(lái)、經(jīng)過(guò)遴選的來(lái)自清華、浙大高校具有計(jì)算機(jī)相關(guān)背景的40多名學(xué)生。因?yàn)锳lan教授在霍金的指導(dǎo)下獲得了理論物理博士學(xué)位，同時(shí)又是計(jì)算機(jī)視覺(jué)領(lǐng)域頂級(jí)學(xué)者。

在他的學(xué)生Leo Zhu（朱瓏，依圖科技創(chuàng)始人）的邀請(qǐng)下，他不遠(yuǎn)萬(wàn)里來(lái)到中國(guó)，開(kāi)啟為期兩天的計(jì)算機(jī)視覺(jué)課程。Alan教授有著滿頭的銀絲、深陷的眼眶和蒼白的面容，看上去就像個(gè)普通的白人老者，但卻在知識(shí)的深度和廣度上異于常人—擁有數(shù)學(xué)、理論物理、計(jì)算機(jī)、心理學(xué)、精神病學(xué)和生物行為學(xué)等領(lǐng)域深厚的研究背景。

此后，Alan教授開(kāi)始將興趣轉(zhuǎn)向人工智能，主要鉆研其分支領(lǐng)域計(jì)算機(jī)視覺(jué)（Computer Vision），先后就職于MIT人工智能實(shí)驗(yàn)室、哈佛大學(xué)計(jì)算機(jī)系，現(xiàn)任職于UCLA統(tǒng)計(jì)系，也是UCLA視覺(jué)識(shí)別與機(jī)器學(xué)習(xí)中心主任。三十年來(lái)，Alan教授涉足計(jì)算機(jī)視覺(jué)的學(xué)術(shù)和產(chǎn)業(yè)界，成為了首屈一指的專家。

而此次來(lái)華，Alan教授一方面是為了向中國(guó)學(xué)生普及計(jì)算機(jī)視覺(jué)知識(shí)和行業(yè)現(xiàn)狀，另一方面也是為了支持其學(xué)生Leo的創(chuàng)業(yè)項(xiàng)目“依圖”—專注于視覺(jué)理解的初創(chuàng)公司，提供基于圖像理解的信息獲取和人機(jī)交互的產(chǎn)品，致力于構(gòu)建機(jī)器視覺(jué)的未來(lái)。

由木見(jiàn)林看世界

什么是計(jì)算機(jī)視覺(jué)？Alan教授在兩天的課程中都講了什么？在應(yīng)用層面，計(jì)算機(jī)視覺(jué)技術(shù)能用來(lái)做什么？

簡(jiǎn)單來(lái)說(shuō)，計(jì)算機(jī)視覺(jué)是賦予計(jì)算機(jī)和人一般處理視覺(jué)信息的認(rèn)知能力，即制造有人類視覺(jué)能力的機(jī)器，讓計(jì)算機(jī)通過(guò)學(xué)習(xí)算法接近人類對(duì)圖像的理解程度，對(duì)明顯的視覺(jué)信息進(jìn)行深度分析。而當(dāng)計(jì)算機(jī)實(shí)現(xiàn)了對(duì)圖像和視頻的初始理解，計(jì)算機(jī)視覺(jué)就能幫助人類突破局限性，改善生活。

不同于計(jì)算機(jī)，人類一睜眼就能迅速看到和看明白一個(gè)場(chǎng)景，因?yàn)槿说拇竽X皮層至少有一半以上海量神經(jīng)元參與了視覺(jué)任務(wù)的完成。而計(jì)算機(jī)和人腦則是在極為不同的物理或生物限制下進(jìn)行運(yùn)轉(zhuǎn)，即便說(shuō)計(jì)算機(jī)視覺(jué)理想狀態(tài)要更接近人類智慧，但在控制環(huán)境中，計(jì)算機(jī)系統(tǒng)能夠比人類更好地完成某項(xiàng)明確任務(wù)。

計(jì)算機(jī)視覺(jué)的開(kāi)放性任務(wù)一般包括物體檢測(cè)、人臉識(shí)別、人類行為識(shí)別和場(chǎng)景理解。這也是依圖正在試圖通過(guò)技術(shù)應(yīng)用解決的任務(wù)。而物體識(shí)別是計(jì)算機(jī)視覺(jué)研究的核心議題，不過(guò)當(dāng)計(jì)算機(jī)沒(méi)有學(xué)習(xí)，不知道看什么的時(shí)候，顯然并不能看懂什么，所以需要一套系統(tǒng)教會(huì)計(jì)算機(jī)識(shí)別物體。

在傳統(tǒng)物體識(shí)別系統(tǒng)中，當(dāng)計(jì)算機(jī)嘗試研究一個(gè)特殊類型的數(shù)碼圖像時(shí)，會(huì)首先檢測(cè)圖片的顯著特征，即Alan教授課堂上講述的邊緣檢測(cè)（Edge Detaction）和圖像分割（Image Segmentation）。假設(shè)系統(tǒng)需要識(shí)別人臉，就會(huì)查看眼睛、鼻子和嘴巴等器官的邊緣部分，然后確定它們之間的空間位置。

這意味著，處理數(shù)以萬(wàn)計(jì)物體的計(jì)算機(jī)系統(tǒng)將會(huì)變得不可控制的龐大。每當(dāng)計(jì)算機(jī)系統(tǒng)庫(kù)中加入一個(gè)新的物體，計(jì)算機(jī)就需要從頭開(kāi)始確定物體的重要部分。而物體雖然具有固有組成部分，但不同角度物體看上去又有所不同，所以計(jì)算機(jī)需要不斷檢視邊緣確定空間位置，從而占用了大量存儲(chǔ)。

而Alan教授和Leo Zhu于2010年采用新的方法解決了上述問(wèn)題。他們研發(fā)的新系統(tǒng)通過(guò)遞歸式塔狀結(jié)構(gòu)來(lái)表示物體的結(jié)構(gòu)—系統(tǒng)不需要事先被告知物體的哪些特征需要尋找，會(huì)先判定細(xì)微細(xì)節(jié)，由低層次的結(jié)構(gòu)組合成稍微復(fù)雜的形狀，再辨別稍復(fù)雜形狀如何組合成為更高層次部分，組裝成一個(gè)塔式結(jié)構(gòu)，而最高一層則代表整個(gè)物體的模型。

基于研究成果，Leo Zhu意識(shí)到計(jì)算機(jī)視覺(jué)逐漸達(dá)到了從理論轉(zhuǎn)化到應(yīng)用層面的階段，未來(lái)幾年將進(jìn)入技術(shù)爆發(fā)時(shí)期。2012年，他萌生了回國(guó)創(chuàng)業(yè)的想法。

“依圖”的機(jī)器視覺(jué)

Leo Zhu在取得導(dǎo)師Alan教授的支持后，與多年好友林晨曦（前阿里云技術(shù)總監(jiān)，ACM/ICPC全球大學(xué)生程序設(shè)計(jì)競(jìng)賽亞洲第一個(gè)世界冠軍團(tuán)隊(duì)成員）合作創(chuàng)辦了專注于圖像理解的初創(chuàng)公司“依圖”，并把駐地設(shè)在了上海。

目前，依圖推出的主要應(yīng)用產(chǎn)品聚焦在人臉識(shí)別和物體識(shí)別上。雖然人類希望計(jì)算機(jī)視覺(jué)接近人類智慧，不過(guò)在人臉識(shí)別上，計(jì)算機(jī)處理能力要高于人類大腦。對(duì)于這點(diǎn)，新浪科技有幸在依圖公司體驗(yàn)了智力被碾壓的過(guò)程。

為了讓小白更好地理解計(jì)算機(jī)如何進(jìn)行人臉識(shí)別，依圖制作了一款游戲，共20道題，每道題都選取一個(gè)人在真實(shí)環(huán)境中的頭像照片，讓參與者在五個(gè)有著相似相貌的人中選出符合的照片。因?yàn)檎_選項(xiàng)拍攝角度不同，加上混淆選項(xiàng)何其相似，所以選擇起來(lái)異常費(fèi)力。

最終實(shí)驗(yàn)結(jié)果證明，通過(guò)人腦判斷的正確率平均約為50%，而計(jì)算機(jī)能夠做到90%以上。對(duì)于這種虐心游戲，體驗(yàn)者紛紛感嘆，對(duì)于具有臉盲癥的朋友簡(jiǎn)直是“治療福音”。不過(guò)這只是一個(gè)游戲展示，真正的產(chǎn)品是能夠真實(shí)而快速地判定一個(gè)人的身份，可用于安防領(lǐng)域。

在依圖這個(gè)高科技公司，門(mén)禁系統(tǒng)應(yīng)用了人臉識(shí)別技術(shù)，快速匹配一個(gè)人的身份。新浪科技觀察到，員工進(jìn)門(mén)前會(huì)拿出登記認(rèn)證過(guò)的手機(jī)，選取任意角度自拍一張，如果人臉匹配，門(mén)會(huì)自動(dòng)打開(kāi)。依圖還有一個(gè)專門(mén)的應(yīng)用展示房間，當(dāng)每個(gè)人靠近門(mén)口時(shí)，房間內(nèi)攝像頭掃描到人的存在，會(huì)實(shí)時(shí)鎖定人臉，然后在系統(tǒng)數(shù)據(jù)庫(kù)中檢索人臉圖像進(jìn)行匹配，這一過(guò)程大概只有3到5秒。

人臉識(shí)別的用途范圍很廣，包括公安系統(tǒng)判定犯罪嫌疑人身份、安檢系統(tǒng)確定可疑人員身份等等。目前，依圖的這項(xiàng)技術(shù)已經(jīng)被運(yùn)用在了江蘇公安系統(tǒng)中，還將擴(kuò)展到全國(guó)其他地區(qū)。最初推廣也經(jīng)歷了一些波折，依圖合伙人林晨曦表示，人們最初都覺(jué)得不新鮮，因?yàn)槿四樧R(shí)別技術(shù)早就應(yīng)用了，但是在精度上卻并不足夠成熟運(yùn)用。

最初Leo Zhu和依圖聯(lián)合創(chuàng)人林晨曦?fù)碛袡C(jī)器視覺(jué)技術(shù)但沒(méi)找到行業(yè)痛點(diǎn)，所以在推廣中也是逐漸找到了應(yīng)用場(chǎng)景和方向，早期得到了江蘇省公安系統(tǒng)的認(rèn)可。傳統(tǒng)的公安局人臉識(shí)別準(zhǔn)確度大約能做到40%，而車輛識(shí)別也僅限于判定車牌，無(wú)法精確到品牌、型號(hào)、購(gòu)買(mǎi)時(shí)間和車主。 為了解決這個(gè)問(wèn)題，Leo Zhu 和林晨曦首先開(kāi)始搜集數(shù)據(jù)量，于是他們發(fā)動(dòng)員工，一起每天在大街上抓拍車輛照片，建立數(shù)據(jù)庫(kù)。

蘇州市公安局分管科技的副局長(zhǎng)技的副局長(zhǎng)陳斌華告訴他們：“如果你們車輛的品牌識(shí)別能做到70%、車輛能夠判定出型號(hào)，我們就考慮使用你們的產(chǎn)品。”對(duì)于這個(gè)難點(diǎn)，依圖的員工不分晝夜花了三個(gè)月時(shí)間終于攻克，僅是對(duì)桑塔納的識(shí)別正確率就超過(guò)了90%。

通過(guò)這套“蜻蜓眼”系統(tǒng)，蘇州公安可以準(zhǔn)確進(jìn)行車牌識(shí)別和車型識(shí)別， 具備了應(yīng)用計(jì)算機(jī)自動(dòng)發(fā)現(xiàn)在路面行駛的假套牌車輛的能力，這在全國(guó)公安屬于首創(chuàng)。 經(jīng)過(guò)了一年的數(shù)據(jù)積累和系統(tǒng)改進(jìn)，原來(lái)針對(duì)套牌作案車輛需要花至少3到4小時(shí)才能完成的甄別工作，現(xiàn)在只需要十多分鐘。

就在不久前，蘇州公安以此為突破口，迅速摧毀了一個(gè)專門(mén)盜竊出租車頂燈、計(jì)價(jià)器的犯罪團(tuán)伙，極大提高了工作效率。目前，依圖能夠?qū)崿F(xiàn)對(duì)運(yùn)行中被捕捉在鏡頭中的所有車輛進(jìn)行品牌、型號(hào)、購(gòu)買(mǎi)時(shí)間和車牌號(hào)真假的鑒定等。隨后，福建和成都等公安系統(tǒng)也開(kāi)展了與依圖的合作。

不過(guò)比起人臉識(shí)別， 簡(jiǎn)單剛性物體識(shí)別的技術(shù)門(mén)檻要相對(duì)低一些，因?yàn)槲矬w不會(huì)像人臉一樣會(huì)形成不同角度和不同狀態(tài)的形狀扭曲。而在這個(gè)難題上，依圖已經(jīng)做到了在一億人中進(jìn)行人臉識(shí)別靜態(tài)比對(duì)。

在人臉識(shí)別應(yīng)用上，依圖與蘇州市局合作開(kāi)發(fā)了靜態(tài)人像比對(duì)系統(tǒng)。今年7月，依圖將在逃人員照片庫(kù)與蘇州公安人像庫(kù)進(jìn)行批量對(duì)比，發(fā)現(xiàn)25名在蘇州有活動(dòng)的在逃人員線索信息。目前，青奧會(huì)安保系統(tǒng)，珠海航展安保系統(tǒng)也已相繼成功應(yīng)用了依圖的人臉識(shí)別產(chǎn)品。

依圖的發(fā)展方向并不是只開(kāi)發(fā)安防產(chǎn)品，而是創(chuàng)建一個(gè)在計(jì)算機(jī)視覺(jué)領(lǐng)域具有國(guó)際前沿地位的技術(shù)研發(fā)平臺(tái)。未來(lái)，依圖還將從人臉和物體識(shí)別延展到人的肢體和服飾識(shí)別上。比如幫助用戶判定路人甲身上所穿衣服的品牌，而這又要用到增強(qiáng)現(xiàn)實(shí)技術(shù)，需要軟硬件完美結(jié)合。

對(duì)于計(jì)算機(jī)視覺(jué)下一步能夠做什么，在從業(yè)者看來(lái)都是未知數(shù)，因?yàn)榧夹g(shù)演進(jìn)速度超出想象，現(xiàn)在設(shè)限并不合適。

從學(xué)術(shù)界到產(chǎn)業(yè)界

對(duì)于計(jì)算機(jī)視覺(jué)的研究領(lǐng)域，在近五年來(lái)都處于快速發(fā)展的關(guān)鍵階段，學(xué)術(shù)研究在近兩年得到了巨大進(jìn)展，而在應(yīng)用領(lǐng)域在未來(lái)一到兩年將進(jìn)入集中爆發(fā)的階段。

根據(jù)美國(guó)國(guó)家科學(xué)基金會(huì)白皮書(shū)，計(jì)算機(jī)視覺(jué)興起于二十世紀(jì)六七十年代，而在進(jìn)入2010年以來(lái)，計(jì)算機(jī)視覺(jué)主要面臨兩個(gè)問(wèn)題，一是由于該領(lǐng)域與計(jì)算機(jī)、工程學(xué)、數(shù)學(xué)、統(tǒng)計(jì)學(xué)、心理學(xué)與神經(jīng)學(xué)科等有著跨學(xué)科緊密聯(lián)系，但受限于領(lǐng)域通是常一種分裂研究的狀態(tài)；二是通常該領(lǐng)域的研究是以非結(jié)構(gòu)化的方式進(jìn)行，故學(xué)術(shù)界與工業(yè)界之間聯(lián)系并不緊密，互動(dòng)不多。

在地域上，根據(jù)白皮書(shū)顯示，1991年計(jì)算機(jī)視覺(jué)研究由美國(guó)主導(dǎo)，在歐洲的活動(dòng)數(shù)量有限，在亞洲就更是少之又少。而在過(guò)去二十年里，美國(guó)的計(jì)算機(jī)視覺(jué)有穩(wěn)定的發(fā)展，而在歐洲卻發(fā)生不容小覷的擴(kuò)張。近年來(lái)，在亞洲更是取得了巨大的突破。很大程度上，亞洲和歐洲在這一領(lǐng)域的發(fā)展都是由強(qiáng)大的資金支持推動(dòng)的。即使在美國(guó)，大多數(shù)研究者都是非本土出生的。

而計(jì)算機(jī)視覺(jué)的發(fā)展，主要得益于計(jì)算機(jī)、傳感技術(shù)和數(shù)學(xué)等學(xué)科的發(fā)展。在計(jì)算機(jī)視覺(jué)專家E·艾德森看來(lái)，進(jìn)步即將發(fā)生在于“人們正在學(xué)習(xí)如何適當(dāng)使用應(yīng)用數(shù)學(xué)與工程解決視覺(jué)問(wèn)題。人們?cè)诳刂评碚摗?yōu)化問(wèn)題、信號(hào)處理等方面正變得更加擅長(zhǎng)。”

而現(xiàn)在，學(xué)術(shù)界和工業(yè)界的聯(lián)系愈來(lái)愈緊密，從理論到現(xiàn)實(shí)的差距大為縮小。Alan教授說(shuō)，特別是這五年來(lái)，很多工作越來(lái)越實(shí)際，美國(guó)科技公司比如微軟、Facebook、谷歌、亞馬遜和百度等，都在人工智能領(lǐng)域做實(shí)際工作，“我非常高興看到這些進(jìn)展，因?yàn)槲覀冏詈筮€是希望能夠轉(zhuǎn)化為實(shí)用產(chǎn)品。”

這也是為何依圖選擇在這個(gè)時(shí)間點(diǎn)切入從事計(jì)算機(jī)視覺(jué)的應(yīng)用研究。Leo Zhu表示：“其實(shí)沒(méi)有人確切知道現(xiàn)實(shí)和理論有多大距離，未來(lái)兩年技術(shù)是比較大的爆發(fā)時(shí)期，這是我們預(yù)見(jiàn)的事情，所以這是我們?yōu)槭裁匆鲞@個(gè)事情。”他說(shuō)道，“以前大家都知道計(jì)算機(jī)視覺(jué)是未來(lái)，但不知道什么時(shí)候會(huì)來(lái)，但我們有具體意義上的推導(dǎo)，所以決定2012年開(kāi)始，以及現(xiàn)在正在做這件事。”

作為Alan教授的學(xué)生，Leo Zhu自然具有強(qiáng)硬的學(xué)術(shù)背景，而他并沒(méi)有繼續(xù)做研究，而是回國(guó)創(chuàng)業(yè)。Leo Zhu希望將計(jì)算機(jī)視覺(jué)作為終身事業(yè)，但作為學(xué)院派研究者只能通過(guò)自己的學(xué)生傳承知識(shí)，而回國(guó)創(chuàng)業(yè)將理論轉(zhuǎn)化為實(shí)際應(yīng)用，并推動(dòng)國(guó)內(nèi)相關(guān)領(lǐng)域的發(fā)展，是他更傾向于走的一條道路。

Alan教授說(shuō)責(zé)無(wú)旁貸地支持Leo Zhu的選擇：“現(xiàn)在跟十年前不太一樣了。十年前有很多學(xué)生要做教授，而過(guò)去五年來(lái)情況已經(jīng)變了。我最好的這些學(xué)生都想創(chuàng)業(yè)，而計(jì)算機(jī)視覺(jué)是一個(gè)很好的領(lǐng)域，現(xiàn)在也是一個(gè)很好的時(shí)機(jī)。”他解釋道，過(guò)去的學(xué)術(shù)成果距離解決實(shí)際問(wèn)題還有一定的距離，但近來(lái)學(xué)術(shù)有重大進(jìn)展，在實(shí)際中也將發(fā)揮巨大作用。

Alan教授和霍金

Alan教授感知到學(xué)術(shù)界和產(chǎn)業(yè)界互相推進(jìn)的必要性，以及在中國(guó)的巨大增長(zhǎng)潛力，于是他此次專程來(lái)滬與中國(guó)學(xué)生進(jìn)行交流。而在兩天的課程中，教授一直處于連續(xù)不間斷講課的狀態(tài)，他說(shuō)這也是他第一次長(zhǎng)時(shí)間授課的經(jīng)歷。

不過(guò)，盡管Alan教授連續(xù)講課口干舌燥，課間也要接受同學(xué)的提問(wèn)，但是他仍然耐心有加、有條不紊，和藹紳士的態(tài)度讓人肅然起敬。而除了計(jì)算機(jī)視覺(jué)的理論框架之外，他還回憶了自己的學(xué)術(shù)經(jīng)歷，與學(xué)生探討科學(xué)研究的方法，以及講述了他在研究生涯的心得體會(huì)。

在師從霍金時(shí)候，Alan教授在研究相對(duì)論和量子物理，前者是在宏觀范疇中描述結(jié)構(gòu)，而后者則是在微觀中研究。而他是霍金的第二個(gè)研究該課題希望統(tǒng)一兩個(gè)理論的學(xué)生。“這個(gè)是有一點(diǎn)抽象的課題，想要把這兩個(gè)理論統(tǒng)一到一起，的確是非常難，就算是30年后的今天似乎也沒(méi)有人做的特別成功。”

在接受新浪科技采訪時(shí)，Alan教授分享了與導(dǎo)師霍金的一些故事。他說(shuō)，霍金是一個(gè)非常風(fēng)趣幽默的人，有時(shí)會(huì)操縱他的輪椅，在房間里轉(zhuǎn)圈圈玩。平時(shí)Alan教授作為學(xué)生會(huì)和霍金有比較近的聯(lián)系，有時(shí)候會(huì)幫他做一些事情，包括喂他吃東西之類的。在霍金比較有名了之后，很多科學(xué)家都會(huì)慕名前來(lái)看望他，教授會(huì)在旁邊聽(tīng)，同時(shí)也會(huì)經(jīng)常見(jiàn)到他的家人，一起吃午飯和照看他的孩子。

今年下半年，電影《萬(wàn)物理論》上映，講述了講述霍金盧伽雷氏癥病情發(fā)作前的生活與妻子之間的故事。Alan教授說(shuō)：“這是基于他的太太寫(xiě)的書(shū)，故事看起來(lái)都還挺真實(shí)的，特別是演霍金的這個(gè)演員，長(zhǎng)相和聲音和霍金一模一樣，我會(huì)覺(jué)得，霍金就是在銀屏上面。但是其他的人就不像我認(rèn)識(shí)的人，所以我感到有點(diǎn)奇怪，就像是一群陌生人圍著他在干些什么。”說(shuō)著他笑了起來(lái)。

而今年來(lái)，霍金對(duì)于人工智能發(fā)展也敲了不少警鐘。他警告稱，人類正面臨來(lái)自智能技術(shù)的威脅，隨著技術(shù)體自身開(kāi)始學(xué)會(huì)自我思考，并學(xué)會(huì)適應(yīng)環(huán)境，人類將面對(duì)不確定的未來(lái)?；艚鸨硎荆?ldquo;如果進(jìn)一步向前看，技術(shù)幾乎是沒(méi)有極限的。盡管我們可能正面臨人類歷史上最好或最壞的時(shí)代，而我們所有人都應(yīng)該問(wèn)問(wèn)自己，應(yīng)該做些什么才能最終趨利避害。”

對(duì)此，在Alan看來(lái)：“記得大概30年前，霍金成為盧卡斯物理教授（Lucasian Professor這是愛(ài)因斯坦和牛頓都曾有過(guò)的一個(gè)頭銜）時(shí)，他做了一個(gè)演講，解決了理論物理以后，結(jié)果是機(jī)器可能會(huì)淘汰這些物理學(xué)家。我想霍金可能30年以來(lái)都一直有這個(gè)顧慮，并不是現(xiàn)在AI（人工智能）的興起才有這個(gè)顧慮，或許我下周寫(xiě)封信問(wèn)問(wèn)他這個(gè)問(wèn)題。”

對(duì)于計(jì)算機(jī)視覺(jué)的未來(lái)，Alan教授認(rèn)為，終極目標(biāo)當(dāng)然是建立一個(gè)智能的系統(tǒng)，能夠像人一樣看懂這個(gè)世界，也可能能力上超越人類，比人類更能看懂這個(gè)世界。因?yàn)榇竽X神經(jīng)元主要用來(lái)處理視覺(jué)，所以通過(guò)視覺(jué)能夠了解人腦。而未來(lái)人類能夠通過(guò)計(jì)算機(jī)更加理解人腦，看懂我們存在的世界。