北航教授李波：說AI會有低潮就是胡扯，這是人類長期的追求

這一輪所謂人工智能的高潮，和以往的幾次都有所不同，那是因為其受到了產業界的極大關注和參與。而以前并不是這樣。

當今世界是一個高度信息化的世界，甚至我們有一只腳已經踏入了智能化時代。而在我們日常交流和信息互動中，迅速發展的多媒體技術起到了至關重要的作用。

在日前結束的“2017中國多媒體大會”上，提出了“智能媒體，創新未來”的主題。會后，我們采訪了大會主席、北京航空航天大學教授李波，就當前人工智能技術在多媒體中的應用以及二者相互促進展開對話。

多媒體（Multimedia）是數據的最主要的現形式。在計算機系統中，多媒體指文本、圖形、圖像、視頻、聲音 、動畫和影片等，在實際應用中，也可以多種媒體綜合使用。多媒體的應用領域已涉足諸如安防、影視、娛樂、廣告、藝術、教育、工程、商業及科研等諸多行業。

AI熱起來，首先爆發在多媒體領域

多媒體技術是把信息技術與應用結合起來的核心技術。很多信息在現實生產和生活中的使用，都會涉及到聲圖文視頻等，還有在我們常說的人機交互中，多媒體技術也都發揮著重要的作用。

當前這一輪的人工智能熱起來，與多媒體關系很大，首先是深度學習用于語音識別，很大程度上提升了識別效果。其次是圖像分析，對圖像分類、人臉識別、以及圖像檢索等也有大幅度提升。這些都是AI與多媒體應用結合的表現。

另一方面，關于多媒體技術本身的發展。多媒體的數據量很大，其內容豐富多彩，理解難度大，它本身的內容分析就需要智能處理，目前多媒體處理正在朝著智能化方向發展。所以本次大會的主題里有一個叫做“智能媒體”，體現的就是這件事情。

關于主題中的“創新未來”，因為多媒體技術是一種與應用結合十分緊密的技術，所以說它必將在各行各業、方方面面發揮越來越重要的作用。大家目前聽到的、看到的很多東西都是這樣，比如無人駕駛系統，它首先要感知周圍的場景，要有視覺技術支撐。又比如大家看到的機器人問詢系統，它的核心在于語音識別、自然語言理解，也是以模擬人的聽覺和語音處理來實現的。

所以說，多媒體技術的智能化對經濟社會、生產生活的方方面面產生了重大影響，這也是另一個主題“創新未來”的由來。

圖像識別和語音識別之外，有更多的AI應用在我們身邊

首先呢，我們要區分人工智能和深度學習。人工智能是一種跨學科的、多學科交叉的技術，它在不同的應用行業對其的要求也有所區別。

現在所說的深度學習影響很大，它最早是在語音和圖像識別取得突破。但是，深度學習只是其中一種技術，人工智能還有很多其他的技術，遠遠不只深度學習這種技術，例如數據分析、模式識別、智能控制等，也都是屬于人工智能技術的范疇。

例如數據內容分析方面的技術，在金融行業的風控、在股票市場的監管、在電信行業的反欺詐、在智慧物流的調度等方面，也都在發揮重要的智能作用。此外，在工業生產過程中，例如各種復雜調度、零件裝配、故障檢測等，也都用到很多人工智能技術做支撐。

AI技術本身并沒有落與不落，退潮之后也沒有裸泳者

常說人工智能有“三起兩落”，現在正處于第三次“起”的階段，那將來還會有第三次的“落”嗎？如果有，哪些技術和應用會成為退潮之后的裸泳者？

人工智能為什么會有所謂的“三起兩落”？因為人來一直在不斷地拓展自己的智力，在追求更高更大的目標，并用于方方面面。

人類發明了車輛，讓我們可以跑的更快；發明制造了飛機，讓我們可以飛上天空。

所以說，人工智能的起落過程并沒有什么值得擔憂的，它只是人來在追求更高目標過程中正常的階段性體現。另外，落與不落，只是發展狀況的一種相對說法。

但是，這一輪所謂的人工智能高潮，和以往幾次都有所不同。為什么呢？因為本輪的人工智能之所以這么熱，那是因為其所處的環境有了本質的變化，并受到產業界的極大關注和參與，而前兩輪并不是這樣。

雖然從第二輪開始，產業界對智能系統開始逐步重視，但相比這一輪來說，重視程度遠遠不及，并沒有現在的普及和全面，對普通老百姓的工作和生活的影響也遠不如現在這么大。

原因是什么？首先是現在的環境不一樣了，現在是互聯網時代的快速發展，另外是在大數據的背景下，再加上計算系統的高性能化（現在普通手機的計算性能抵得上以前的一臺大型計算機），使得這一輪人工智能在某些應用方面可以做的很實，真正體現較高的智能特征。

當然，由于各個行業之間千差萬別，其對人工智能技術的需求不盡相同，所以也使得人工智能對具體行業的影響各有不同。比如說對我們的聽、說、寫等相關度比較高的，以及與大數據聯系緊密的行業，影響就非常大；而對于其他的行業（需要做綜合的決策，而數據量又不夠多），影響可能就會相對較小。

但即使是人工智能不那么熱的時候，也不能說AI技術就沒用了。事實上，人工智能已經悄然進入我們生活的方方面面，在潛移默化中發揮作用并影響世界。

只要人類追求智能、追求更高目標的決心不變，人工智能的高潮就會一直存在且持續下去。

數據驅動和知識驅動相結合的思維方式，是未來AI的目標

人類思維是一種綜合的思維，來自兩個方面：一方面是來自數據驅動的學習，通過數據在人腦中的不斷抽象，就會形成高一層的語義。也就說，基于深度學習的智能，更多的就表現在這個方面。

另一方面，是知識驅動展現的智能。人類的思考是有目的的，在同樣條件下，出于不同的目的，思考的結論可能不同；所以在同一個場景里，今天和昨天可關注的事不同。

原因是什么？因為我們的目的不一樣。也就是說，人類思考同樣存在至上而下的目標驅動；在展現智能方面，也存在利用高層知識去影響分析理解，這就是所謂的知識驅動。

在復雜的應用中，數據驅動和知識驅動都會存在，這樣才能展現高水平的智能，所以說這兩方面都是需要的。在我們常說的小樣本分析，更需要知識驅動發揮作用。

在數據不足時，人類依靠經驗也能實現正確的判斷和思維；這說明機器也需要借鑒其他領域學習的知識，提高小數據或小樣本下的學習效果，目前在這方面還存在著很多不足和缺陷，需要深入系統的研究。

現在的攝像設備更多是在被動采圖，未來將要實現主動視覺

在視覺這件事情上，人類的視覺范疇比我們目前見到的圖像和視頻的范疇更加廣泛。人類的視覺能感受到客觀世界的方方面面，而我們在客觀世界里能見到的物理現象是很多的，有聲光電熱、位置、方向、速度等等。

但目前的攝像頭只能做到被動感知。直白的說，就是你讓攝像頭照什么，它就會照什么。而人類不是這樣，當人類在思考需要什么之后，自己就會去主動獲取什么。

舉個例子，在同一個場景里，人類看到了一輛汽車。如果他要想把車牌看清楚，他就會調整視覺到車牌的位置；如果他想把駕駛員看清楚，他就會調整視覺到駕駛員的位置。

而我們的攝像頭在這方面就做的比較差勁了，它并不會主動根據目標而調整自己的拍攝視覺。在主動去感知周圍的場景和全方位、立體的感知周邊環境等方面，做得很不夠。

此外，現在大多用的是以光學攝像頭為主的設備，但上面也說到了客觀世界除了視覺還有很多方面，而這些僅憑光學攝像頭是根本無法完全收集到的。所以我們將來會需要像激光、紅外、雷達、GPS等結合起來的攝像設備。

將來計算機的感知系統應該是用綜合型的視覺來完成，而不是現在被動式的采圖。將來的攝像頭也應該是一雙很聰明的慧眼，類似甚至要超過人眼的功能。

未來的Tof深度相機需要把更多信息整合到一起

在說到深度相機和傳統相機區別的時候，首先要說一下我們的客觀世界。

眾所周知，我們的客觀世界是三維的，我們在認識世界的時候，深度信息、位置信息等是非常重要的。傳統相機的成像也好、視頻也好，都是二維的信息，缺乏深度信息。

而深度相機是在傳統相機的基礎上，加上了深度信息，使得機器在分析周圍場景的時候，多了一維信息，從而提高了分析的準確性。

同時，由于客觀世界遠遠不止深度，還有很多像溫度、濕度、速度、方向等等，所以未來的深度相機應該要把更多的信息也整合到一起。

不過，在深度信息的獲取方面，如在特定場景、遮擋、距離等的情況下，準確感知深度就存在著較大的困難。

所以目前的應用也相對有限，像只在室內、倉庫、游戲交互等短距離的場景下，才能有理想的效果，而在其他場景則會大打折扣。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！