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)上進行應(yīng)用了。但是在真正應(yīng)用的時候，又發(fā)現(xiàn)了很多問題，過了紅線還是不夠用的，從實驗室到大規(guī)模產(chǎn)業(yè)化還有很長的路要走。2014年，我們用20萬人臉來對機器進行訓(xùn)練做到了98.5%的準確率，而人是97.5%；2015年我們用30萬人臉進行訓(xùn)練，達到了99.55%的準確率；2016年，我們用6000萬人臉訓(xùn)練可以達到了百萬分之一的誤識率；2017年，我們用20億人臉訓(xùn)練可以達到一億分之一的誤識率，而這樣的誤識率才可以真正地應(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。
那么除了人臉識別，我們現(xiàn)在還做什么？由于時間關(guān)系，我從我們做的十幾個行業(yè)里選出一個來簡單介紹一下——視頻分析。
下面這個技術(shù)是行為檢測，這是里約奧運會的跳水比賽直播，大家可以看到過了9分鐘也沒有看到跳水的內(nèi)容，要花一大堆時間看一些枯燥的內(nèi)容介紹。所以，我們用計算機視覺分析的方法，可以從很長的一段視頻里把重點內(nèi)容檢測出來，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。
下面這個演示是用自然語言描述來進行場景搜索，我們用自然語言來描述一個電影中的場景，然后它就可以自動根據(jù)你的描述把這個電影片段搜索出來，比如，我們要搜house of cards中的一個片段，“Claire和Frank坐在藍色沙發(fā)上”，大家看到下面這段場景就出來了。
另外我們不但能把視頻分析出來，還能理解這個視頻，然后用自然語言描述出來。比如下面這些運動視頻，機器就可以像解說員一樣來描述運動場上發(fā)生的事情。
IJCV是我們這個領(lǐng)域的兩大頂級雜志之一，作為IJCV的主編，我會在每年的ICCV和CVPR兩個計算機視覺頂級會議上，主辦IJCV Night晚會，邀請幾百位頂級學(xué)者參加。去年10月份，我們在威尼斯的Lido酒店舉辦了這個晚會。
上世紀的一部美國電影《美國往事》就是在這個酒店拍攝的，下面這個演示里我們把電影場景里的所有物體都檢測出來，演員是哪一個演員，他穿的是什么衣服，這個場景是在餐廳里，所有的桌子、花、椅子全部能夠?qū)崟r的自動檢測出來，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作和他們之間的關(guān)系，可以分析出來在不同的場景之下，這兩個演員是誰，在做什么，這個片段是什么類的情節(jié)。
同時，我們可以識別每一幀情節(jié)分類，每一個鏡頭是打斗場景還是戀愛場景。我們也可以把一個電影最精彩的鏡頭提取出來，大家可以挑選比如動作的精彩鏡頭、感情戲的精彩鏡頭、悲劇的精彩鏡頭等等。
那么總結(jié)起來，我們在做什么呢？我們是在教機器看電影，一開始我們是教機器來識別人臉，Google是在教機器來下圍棋，而現(xiàn)在我們來教機器代替人看電影。這個感覺有點怪，我們讓機器來做下棋，看電影，玩游戲這些有趣的事情，然后我們?nèi)祟愔回撠?zé)給機器充充電，維修和保養(yǎng)。
我覺得大家聽了這個一定覺得很可笑。實際上所有的任務(wù)，都是我們?nèi)税才沤o機器做的，機器是按照我們的指令在做事情，不存在機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！