SenseTime：邊教計算機(jī)看世界，邊挑戰(zhàn)巨頭

李芳

也許首個可以在計算機(jī)視覺領(lǐng)域與國際巨頭全面抗衡的本土企業(yè)正在崛起

谷歌的AlphaGo又一次成功將人們的目光吸引到人工智能處。若干年之后，它的名字將會和深藍(lán)、Watson、Siri、小冰一同出現(xiàn)在人與機(jī)器“相愛相殺”的紀(jì)念冊上。

有意思的是，在人工智能與人類的數(shù)次“過招”中，你方唱罷我登場的都是Google、IBM、微軟、Facebook等這樣的大公司，卻鮮見創(chuàng)業(yè)者的身影。其中一個重要的原因就是，巨頭們將尚未成熟的人工智能市場看作是下一個風(fēng)口而爭相搶奪，順勢也將不少創(chuàng)業(yè)公司收入囊中。AlphaGo的研發(fā)團(tuán)隊DeepMind即是這樣被谷歌收購的。

但這并不意味著壟斷，因為幕布剛剛拉開。當(dāng)我們談?wù)撊斯ぶ悄艿臅r候，我們其實是在談?wù)撘粋€無比龐大且復(fù)雜的技術(shù)體系，和一種亞文化形態(tài)。其中的每一個分支領(lǐng)域，都有可能再度孕育出可與科技巨頭們媲美的后起之秀。SenseTime（商湯科技）就是這樣一家專注于計算機(jī)視覺和深度學(xué)習(xí)原創(chuàng)技術(shù)的挑戰(zhàn)者。通過賦予計算機(jī)視覺感知和認(rèn)知的能力，SenseTime能夠讓計算機(jī)能像人一樣獲取、分析、理解各種視覺信息，并與自然界進(jìn)行交互。

這家剛剛成立兩年左右的創(chuàng)業(yè)公司，不僅在多個國際級競賽中成績斐然，還超越谷歌突破互聯(lián)網(wǎng)物體檢測的世界紀(jì)錄，躍居世界第一。作為公司的CEO，徐立并不掩飾SenseTime未來發(fā)展的雄心，“在人工智能領(lǐng)域要做就做第一”。

知人識物“黑科技”

顧名思義，“計算機(jī)視覺”就是研究計算機(jī)如何才能像人眼一樣看見東西。從廣義上講，它從屬于人工智能的技術(shù)體系之下。我們通常說到的“人工智能”，其終極目標(biāo)就是要讓計算機(jī)在各方面都像人一樣，如聽覺、視覺、觸覺、甚至思維方式等等。

如果計算機(jī)擁有和人類一樣、甚至超越人類的視覺能力，對于人工智能的發(fā)展而言意義非凡。基于此，SenseTime的團(tuán)隊希望教會計算機(jī)看懂這個世界。有意思的是，他們首先把這項“黑科技”應(yīng)用在了自己人身上。

和所有低調(diào)的科技創(chuàng)業(yè)公司一樣，SenseTime的辦公室座落在清華科技園一座非常普通的大廈里。但是一進(jìn)門，你立刻就會感受到與眾不同之處，因為充當(dāng)watch dog并記錄考勤的是一個裝有攝像頭的大屏幕。當(dāng)有人走進(jìn)這臺“神器”的“視線”里，他的臉就會顯示在屏幕上，并被機(jī)器識別到這個人是否為公司員工。當(dāng)大家還在憂心于“不帶工卡影響考勤”時，SenseTime的員工已經(jīng)過上了如今流行的靠“刷臉”生活的日子。

這只是剛剛開始。在辦公室的休息區(qū)，還佇立著另一臺“神器”。一旦有人站到它面前，它就會以迅雷不及掩耳之勢識別到人臉（目測不到1秒的時間），并計算出對方的“顏值”，還包括性別、情緒指數(shù)、年齡以及是否戴眼鏡等面部特征。最后，頑皮的它還會根據(jù)這些指數(shù)計算一個“今日魅力排名”，并給出一個給與此人最相似的明星人臉。

例如，當(dāng)《時間線》記者站在這臺神器面前時，它給出了“魅力值77”“歡樂值91”“（情緒）開心”“（戴）眼鏡”“（年齡）27”等基本準(zhǔn)確的指數(shù)。最終，記者得到“今日魅力排名No.6”，“帥過78%的用戶”的數(shù)據(jù)，同時最相似的明星人臉是霍建華。此刻我的內(nèi)心OS是“Hmmm……not bad”。

作為一臺機(jī)器，它似乎“知道”如何引起人們的關(guān)注，也喜歡人們對它進(jìn)行“挑逗”—這大概就是SenseTime教給計算機(jī)的“知人”技能。

人工智能與人類之間最理想的關(guān)系莫過于積極互動，這種互動要么給人帶來情緒上的波動，要么就切實幫助人完成某項工作。當(dāng)它發(fā)揮前者的作用時，其角色應(yīng)該是陪伴型機(jī)器人，盡管偶有失誤，也會因此顯得更加“人性化”，而不是拒人于千里之外的精確和冷淡。

如果說“刷臉上班”和“顏值比拼”的意義更多地是給人帶來樂趣和便利之外，那么SenseTime辦公區(qū)的第三臺“神器”真正是為幫助人類而設(shè)計的。這臺神器的主要構(gòu)成是計算機(jī)和特制的外接攝像頭，后者負(fù)責(zé)精準(zhǔn)捕捉并識別多種姿勢的人臉，然后進(jìn)行連續(xù)拍照，前者負(fù)責(zé)負(fù)責(zé)對這些照片進(jìn)行大數(shù)據(jù)分析，二者配合可以在安防領(lǐng)域大有作為。

當(dāng)記者看到自己不同姿態(tài)下的面部特征被它敏銳地捕捉到并顯示在大屏幕上時，瞬間有種穿越到美劇《疑犯追蹤》劇中的緊張感。人只有一雙眼睛，無法360度看到自己的全部外表，此時計算機(jī)就像“上帝之眼”一樣，它以自己無所不見的“超能力”啟發(fā)著人類，它能看到人眼無法觸及之處。

再次環(huán)顧四周，整個辦公區(qū)里平靜如常，但對于體驗了三臺可以知人識物的神器之后的記者而言，計算機(jī)之眼無處不在，平靜之下有人工智能的洶涌暗流。

最強算法 強強聯(lián)手

計算機(jī)怎樣才算看懂世界？目前在人工智能領(lǐng)域，計算機(jī)視覺是一個公認(rèn)的亟待解決的難題。由于在公共安全、移動互聯(lián)網(wǎng)和娛樂領(lǐng)域等領(lǐng)域擁有巨大的潛力，因而該技術(shù)的發(fā)展水平也成為檢驗人工智能是否成熟的重要標(biāo)準(zhǔn)。

去年，谷歌曬出一組詭異的圖片引起了人們的好奇。這組圖片上的圖像看起來好像來自外星球，實際上這就是人工智能眼里看到的人類世界。人們在覺得不可思議的同時，也很好地科普了一個真相：教計算機(jī)看懂人類世界并不是一件容易的事。如果計算機(jī)能看懂人類世界，就好比盲人的雙眼復(fù)明，會整個提升人工智能技術(shù)的水平的等級。

正是由于這個原因，如今致力于人工智能的公司們都在手把手地教計算機(jī)“睜眼”。在這個領(lǐng)域，谷歌、Facebook這樣的巨頭也并不會天然就能勝出。身為創(chuàng)業(yè)公司的SenseTime卻勢如破竹，在2014年和2015年間頻繁與巨頭們同臺競技，在技術(shù)上獲得多次世界性的突破，留下堪比牧羊人大衛(wèi)打敗巨人歌利亞的英雄事跡。

2014年9月，SenseTime的現(xiàn)任科學(xué)家首次出征 ImageNet 競賽，在大規(guī)模物體檢測比賽中以40.7% 的成績獲得世界亞軍，僅次于谷歌的43.9%；2015年3月，該團(tuán)隊將此成績提高到50.3%，超越谷歌，達(dá)到世界第一的水平，并將這一成果以論文的形式發(fā)表在2015年國際計算機(jī)視覺與模式識別大會（CVPR）上。

ImageNet是一個什么級別的競賽呢？有業(yè)內(nèi)人稱之為計算機(jī)視覺領(lǐng)域的“奧賽”，其每年的競賽結(jié)果都對業(yè)界和學(xué)界起到風(fēng)向標(biāo)一樣的作用。ImageNet每隔一段時間就會增加一項學(xué)術(shù)和工業(yè)界公認(rèn)的最難的任務(wù)，圖像中的物體檢測是2013年新增任務(wù)，當(dāng)年最好的算法準(zhǔn)確率只有22.6%。

2015年，ImageNet新增了一項視頻物體檢測的任務(wù)，比靜態(tài)圖像中的物體檢測的難度更高。SenseTime聯(lián)合香港中文大學(xué)媒體實驗室組成CUimage和CUvideo團(tuán)隊再次出征。

SenseTime的原創(chuàng)圖像物體檢測技術(shù)能夠以毫秒級的速度識別出圖片中的人類、動物、家具、食物、車輛等物體。這一技術(shù)在此次競賽中大顯身手。

最終，CUvideo在ImageNet視頻物體檢測競賽中檢測一舉奪得數(shù)量、檢測準(zhǔn)確率兩項世界第一的成績，以壓倒性的優(yōu)勢擊敗了來自伊利諾伊香檳大學(xué)、香港科技大學(xué)、中國人民大學(xué)、東京大學(xué)、韓國國家科學(xué)院等團(tuán)隊。在其他ImageNet的競賽類別中，CUimage和CUvideo共取得了四個世界第二和四個世界第三的成績，在多個任務(wù)中力壓谷歌、英特爾、高通、騰訊等工業(yè)界巨頭的研究團(tuán)隊。

作為一個年輕的創(chuàng)業(yè)公司，不僅能夠與世界一流的高校團(tuán)隊和業(yè)界大佬同臺競技，還能夠取得如此優(yōu)異的成績，SenseTime的確令人側(cè)目。其表現(xiàn)也獲得了“隊友”香港中文大學(xué)媒體實驗室的高度肯定。

如同所有高歌猛進(jìn)的創(chuàng)業(yè)公司，規(guī)模上的穩(wěn)步擴(kuò)張與技術(shù)上的一貫領(lǐng)先同樣重要。據(jù)《時間線》記者獨家得知，SenseTime在2015年年底剛剛并購了另外一家人臉識別技術(shù)領(lǐng)域的創(chuàng)業(yè)公司Linkface。后者也是一匹創(chuàng)業(yè)黑馬，同樣擁有諸多超越業(yè)界大佬的出色成績單。

例如，在Linkface創(chuàng)業(yè)之初，基于深度學(xué)習(xí)的人臉識別算法，就在全世界最權(quán)威的人臉數(shù)據(jù)庫LFW（Labeled Faces in the Wild）平臺上達(dá)到99.55%的人臉識別準(zhǔn)確率，打敗了Facebook，也遠(yuǎn)超人眼識別能力；另外，其基于深度學(xué)習(xí)的人臉檢測創(chuàng)新算法，也在全球最具權(quán)威的人臉檢測平臺FDDB的公開測試中，92.5%的準(zhǔn)確率被FDDB評為世界第一，隨后迅速收獲了中國銀聯(lián)、科大訊飛、華為、京東金融、英偉達(dá)、美圖秀秀等一眾長線合作伙伴，在業(yè)內(nèi)掀起了不少輿論波瀾。有一位在計算機(jī)視覺領(lǐng)域的資深人士告訴記者：“在2015年業(yè)內(nèi)的大小峰會上，除了常設(shè)議題之外，又多了一個最熱話題—Linkface。”

看得出，Linkface也如SenseTime一般擁有“大衛(wèi)挑戰(zhàn)歌利亞”的精神。它們能夠走到一起，堪稱圖像識別和人臉識別兩大領(lǐng)域內(nèi)最強算法的強強聯(lián)手。

人才黑洞 致命引力

羅馬不是一天建成的，也絕不可憑一己之力建成。同樣，SenseTime要想打造一個強大的計算機(jī)視覺帝國，也需要匯聚業(yè)內(nèi)最頂尖的人才。

假如再仔細(xì)探究的話，SenseTime從骨子里的基因就與國內(nèi)其他創(chuàng)業(yè)公司不同。當(dāng)一眾面目模糊的孵化器們流水線般制造創(chuàng)業(yè)公司時，當(dāng)別的創(chuàng)業(yè)者們亦步亦趨地向硅谷人學(xué)習(xí)輟學(xué)創(chuàng)業(yè)時，SenseTime反其道而行之，把高校及其實驗室看作是一座取之不盡用之不竭的金礦。其人才也大多來源于這座金礦。

目前，SenseTime的團(tuán)隊里有來自MIT、斯坦福、香港大學(xué)、香港中文大學(xué)、清華大學(xué)等數(shù)十名深度學(xué)習(xí)科學(xué)家，以及谷歌、百度、微軟、聯(lián)想等產(chǎn)業(yè)界領(lǐng)軍人物。可以說是聚集了華人中最出色的一批深度學(xué)習(xí)和計算機(jī)視覺領(lǐng)域的專家。其中，公司的研發(fā)團(tuán)隊有超過50名博士全職任職，上層智囊團(tuán)有18名名校教授加盟。該團(tuán)隊在三大國際頂級機(jī)器視覺會議CVPR、ICCV、ECCV上共發(fā)表論文超過150篇，在亞洲企業(yè)中排名第一。

光羅列這些名稱和數(shù)字也許說服力還不夠，我們來具體看看SenseTime聚集的到底是些什么樣的學(xué)術(shù)大拿：

例如，最新加入的戴宇榮教授—他是計算機(jī)視覺底層技術(shù)領(lǐng)域的一位專家，曾多次擔(dān)任國際計算機(jī)視覺大會（ICCV）的主席，加入SenseTime之后放棄了韓國國家科學(xué)院（KAIST）終身教授的職位，因為他更看中SenseTime比高校更能將技術(shù)轉(zhuǎn)化為業(yè)界實際成果的優(yōu)勢，以及在人才和資源方面對于科研的助力；

再如，SenseTime的研發(fā)總監(jiān)張偉博士—他曾獲安徽省高考狀元，本科就讀于清華大學(xué)，并于香港中文大學(xué)完成博士學(xué)位，在Kaggle數(shù)據(jù)科學(xué)家（現(xiàn)參賽科學(xué)家總數(shù)近六萬人）排行榜上排名第六，還在CVPR等國際頂級計算機(jī)視覺會議和期刊上發(fā)表論文達(dá)10余篇；

還有，SenseTime的深度學(xué)習(xí)科學(xué)家周斌博士—他是中國首位HPC（高性能計算）和GPU（圖形處理器）跨領(lǐng)域研發(fā)高級工程師，也是全球第12個獲得CUDA Fellow稱號獲得者，還是目前中國唯一一位獲得此稱號的學(xué)者。

一個創(chuàng)業(yè)公司卻對學(xué)術(shù)大拿擁有不可抵抗的吸引力，這令SenseTime像一個“人才黑洞”。究其原因，之前深藏于實驗室的計算機(jī)視覺技術(shù)已經(jīng)足夠成熟，到了將科技成果轉(zhuǎn)化為實際應(yīng)用的時候了。正是由于這樣強烈的學(xué)術(shù)氣質(zhì)及其與業(yè)界的緊密結(jié)合，決定了SenseTime在與谷歌、Facebook等巨頭同臺競技時毫不遜色。

當(dāng)然，SenseTime的學(xué)術(shù)氣質(zhì)也與其核心技術(shù)是基于機(jī)器學(xué)習(xí)的人工智能算法有關(guān)。它并不研發(fā)具體的軟件或者硬件，而是專注于核心算法，再通過與應(yīng)用層級的公司合作的方式將自己的技術(shù)部署到各種各樣的產(chǎn)品上。目前，這種模式在SenseTime身上運轉(zhuǎn)良好，計算機(jī)視覺領(lǐng)域的下一個殺手級應(yīng)用大概就會從這里誕生。

SenseTime的崛起好比海底沉睡的巨獸正浮出水面。更重要的是，對于中國科技界，這也許是中國本土首個能在計算機(jī)視覺領(lǐng)域與國際巨頭全面抗衡的企業(yè)。風(fēng)口已至，Time to make sense。