專訪格靈深瞳CTO趙勇：為" 計(jì)算機(jī)視覺" 賦予智慧的光芒

發(fā)表于2015-04-02 07:25| 15131次閱讀| 來源CSDN| 13 條評論| 作者長生果

CTO俱樂部CTO趙勇計(jì)算機(jī)視覺管理實(shí)踐格靈深瞳 width="22" height="16" src="http://hits.sinajs.cn/A1/weiboshare.html?url=http%3A%2F%2Fwww.csdn.net%2Farticle%2F2015-04-01%2F2824390-CTO&type=3&count=&appkey=&title=%E6%8D%AE%E8%AF%B4%E5%8A%A0%E5%85%A5%E4%BB%8E%E4%BA%8B%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E8%AF%86%E5%88%AB%E7%9A%84%E6%A0%BC%E7%81%B5%E6%B7%B1%E7%9E%B3%E5%9B%A2%E9%98%9F%E6%AF%94%E8%BF%9B%E5%93%88%E4%BD%9B%E5%A4%A7%E5%AD%A6%E8%BF%98%E9%9A%BE%EF%BC%9B%E6%8A%95%E8%B5%84%E4%BA%BA%E5%AF%B9%E5%85%B6%E6%9C%AA%E6%9D%A5%E5%B8%82%E5%9C%BA%E4%BC%B0%E5%80%BC%E8%BE%BE%E5%87%A0%E5%8D%83%E4%BA%BF%E2%80%A6%E2%80%A6%E8%BF%91%E6%9C%9FCTO%E4%BF%B1%E4%B9%90%E9%83%A8%E4%B8%93%E8%AE%BF%E4%BA%86%E6%A0%BC%E7%81%B5%E6%B7%B1%E7%9E%B3CTO%E8%B5%B5%E5%8B%87%EF%BC%8C%E4%BB%96%E6%9B%BE%E4%BE%9B%E8%81%8C%E4%BA%8EGoogle%E6%80%BB%E9%83%A8%E7%A0%94%E7%A9%B6%E9%99%A2%EF%BC%8C%E4%B9%9F%E6%98%AFGoogle%20Glass%E6%9C%80%E6%97%A9%E6%9C%9F%E7%9A%84%E6%A0%B8%E5%BF%83%E7%A0%94%E5%8F%91%E6%88%90%E5%91%98%E3%80%82&pic=&ralateUid=&language=zh_cn&rnd=1458373766114" frameborder="0" scrolling="no" allowtransparency="true">摘要：據(jù)說加入從事計(jì)算機(jī)視覺識別的格靈深瞳團(tuán)隊(duì)比進(jìn)哈佛大學(xué)還難；投資人對其未來市場估值達(dá)幾千億……近期CTO俱樂部專訪了格靈深瞳CTO趙勇，他曾供職于Google總部研究院，也是Google Glass最早期的核心研發(fā)成員。

在國內(nèi)新興的諸多技術(shù)型創(chuàng)業(yè)公司中，從事計(jì)算機(jī)視覺識別的格靈深瞳團(tuán)隊(duì)給人一種很神秘的色彩。據(jù)說他們的成員都在來自海內(nèi)外一級名校的學(xué)霸，要加入他們比進(jìn)哈佛大學(xué)還要困難；據(jù)說格靈深瞳的投資人，給這個(gè)團(tuán)隊(duì)的未來市場估值達(dá)幾千億……那么，格靈深瞳如何看待自己的事業(yè)和團(tuán)隊(duì)文化？不久前，來到格靈深瞳的辦公場所，頤和園北面一座臨河的古色古香的四合院內(nèi)，CTO俱樂部采訪了格靈深瞳CTO趙勇。趙勇是美國布朗大學(xué)計(jì)算機(jī)工程系的博士，畢業(yè)后供職于Google總部研究院任資深研究員，他也是Google Glass最早期的核心研發(fā)成員，2013年4月作為聯(lián)合創(chuàng)始人創(chuàng)立格靈深瞳。

格靈深瞳聯(lián)合創(chuàng)始人兼CTO ?趙勇

格靈深瞳的內(nèi)涵

CTO俱樂部：你們公司的名字“格靈深瞳”很特別，能講講它的由來嗎？

趙勇：格靈深瞳最先有一個(gè)英文名字，叫Deep Glint，對于Deep（深度）它主要有兩方面的寓意：第一，我們做的是三維深度視覺；第二，我們采用了深度學(xué)習(xí)的方法。我覺得這兩個(gè)概念是計(jì)算機(jī)領(lǐng)域過去10年間最偉大的概念，所以我希望我們公司的命名一定要和“深度”有關(guān)。那Glint是什么意思呢？它的原意是反光、閃耀，比如常用的應(yīng)用場景是人的眼眸啪地閃爍一下，好比日本漫畫里那種又大又有閃光的眼睛。一雙閃爍著光的眼睛意味著是有靈性的、智慧的眼睛。我們原來打算把中文商標(biāo)注冊成“深瞳”，但沒有成功(有一部同名電影把相關(guān)商標(biāo)申請了)，便換成“格靈深瞳”。

CTO俱樂部：如果用清晰、簡潔的話語來描述，格靈深瞳正在從事什么事業(yè)？

趙勇：Visual Understanding和Artificial Intelligence。Visual Understanding指“去理解視覺信號”，比如對于一張拍攝下來的照片，去解讀它里面發(fā)生了什么事情。 Artificial Intelligence是基于你對這個(gè)世界的觀察，產(chǎn)生一些判斷的、思維的結(jié)果，能夠形成一個(gè)感知系統(tǒng)。它的范圍可小可大，比如我的朋友李志飛做的“出門問問”App，你說一句話“我想買一碗炒面”，它就能幫你尋找附近的飯館；比如我另一個(gè)朋友余凱在百度做的工作，可以通過照片來識別出具體某個(gè)人；還有我的老東家Google做的無人駕駛汽車，它可以自動把乘客從A點(diǎn)運(yùn)動到B點(diǎn)。以上例子都屬于Artificial Intelligence。格靈深瞳的事業(yè)就是基于Visual Understanding做一些Artificial Intelligence方面的應(yīng)用。

人工智能PK人類智能：是否具備創(chuàng)新和情感

CTO俱樂部：據(jù)我所知，現(xiàn)在語義識別、圖像識別的技術(shù)都不是特別成熟，而關(guān)于你們的Visual Understanding層面，舉例說在具體社會風(fēng)俗環(huán)境下，可能人的手勢或者特征的意義不同，對上述問題你們有沒有從技術(shù)上提煉出一些框架性的原則？

趙勇：沒有，所以你必須很好地界定你的問題范圍。如果有人問我說，機(jī)器人、人工智能會不會把人殺了？如果把殺人（或者繡花）當(dāng)作一個(gè)高級的行為，那么現(xiàn)在人工智能還處在一個(gè)飲毛茹血、刀耕火種的年代。所以我們基本上是先做一些簡單的事情，把肚子先填飽。但這些簡單的事情只要能交給機(jī)器人去做，它也會變成一件偉大的事情。我們經(jīng)常對外宣稱，我們的使命是讓計(jì)算機(jī)看懂這個(gè)世界。但世界很大，所以我們先一步一步地看。我們現(xiàn)在的目標(biāo)是先看懂兩件事，第一件事情是人，第二件事情是車。我們看人包含哪些內(nèi)容呢？它有四個(gè)層次，第一個(gè)層次是微觀層次，比如你的臉和手、你是誰、你的手在做什么；第二個(gè)層次是肢體動作，你是不是在跳舞、跳的是什么舞、你有沒有在打架等，坦率地說，我們現(xiàn)在不能識別你跳什么舞，但可以識別你是不是在打架、你有沒有在求救等；第三個(gè)層面是在一個(gè)攝像機(jī)里面，你是怎么運(yùn)動的、你旁邊的人是怎么運(yùn)動，以及你們倆之間有沒有什么關(guān)系；第四個(gè)層面是最高的層面，叫Visual Sensor Network，就是把前面三層都聯(lián)網(wǎng)，這樣你就有了更多的數(shù)據(jù)，比如一個(gè)人既在攝像機(jī)A又在攝像機(jī)B中出現(xiàn)，如果我們能夠識別出他是同一個(gè)人，就有可能為這個(gè)人建立一個(gè)更長的軌跡，從更大的范圍內(nèi)去分析他的行為。

2015年起，我們將投入很多精力去研究車，因?yàn)檐囀侨祟愋袨榈囊环N識別。現(xiàn)在中國每年有很多人死在交通事故中，因此如果我們能夠利用人工智能解決安全問題，也將是一件功德無量的事情。此外，對于車輛行為大數(shù)據(jù)的挖掘，對城市管理和節(jié)能環(huán)保也會有重要作用。

CTO俱樂部：說到人工智能，電影《黑鏡子》里面塑造了一個(gè)完全和真人一樣的虛擬男友。人工智能將來是否有可能在技術(shù)上完美到能取代人類？

趙勇：我發(fā)現(xiàn)對于人工智能保持樂觀的人都不是專業(yè)人士，專業(yè)人士一般都是保持悲觀的。小說家可以寫出非常美妙的東西，甚至一些游戲廠商，把游戲人物的行為也叫AI，但他們只是制定了一些行為模式，然后根據(jù)一些判斷條件，生成不同的結(jié)果，所以這些表現(xiàn)都是預(yù)演好的，并不是真正的AI。我們現(xiàn)在真正能在科學(xué)上實(shí)現(xiàn)的AI是在感知層次，這兩年無論是“深度學(xué)習(xí)”還是“機(jī)器學(xué)習(xí)”，都是范例教育，就是說我們把計(jì)算機(jī)當(dāng)成一名學(xué)生，給他很多Sample，告訴他意義是什么。如果你的訓(xùn)練方法足夠好，計(jì)算機(jī)系統(tǒng)便慢慢學(xué)會了它們，比如圖像識別。可能現(xiàn)在貓狗識別不能很精確，但人臉已經(jīng)很精確了，甚至超越了人識別的能力。但所有這些，本質(zhì)是我們?nèi)祟愒诮虝?jì)算機(jī)學(xué)習(xí)并重復(fù)一些人類會做的事情。如果讓AI超越這個(gè)層次，讓它去創(chuàng)造一個(gè)新東西，哪怕很微小，機(jī)器都沒有辦法做到。比如我某次去天津，發(fā)現(xiàn)路上的紅綠燈是兩個(gè)燈，不像北京那樣是三個(gè)燈在跳躍，我們自己一般瞬間就能理解它，但卻沒有辦法教會計(jì)算機(jī)去理解這樣一個(gè)新型信號燈是什么意思。

另外，人類智能其實(shí)還有一個(gè)重要的組成部分叫“情感”，它是人類超越動物的重要標(biāo)志。僅從結(jié)果來看，你會發(fā)現(xiàn)越高級的動物情感越豐富。盡管情感會使你在一個(gè)很困難的情況下做一些在短期內(nèi)看并不理智的事情，但從長期來看，它對物種生存的幫助很大。比如所有的有情感的哺乳動物都會撫養(yǎng)子女。情感和邏輯思維之間到底是什么樣的關(guān)系？目前我們還沒有研究清楚，但當(dāng)我們到這個(gè)層面來討論時(shí)，其實(shí)已經(jīng)超越了人工智能研究的范疇。在我看來，人工智能自身是沒有意圖的，它就是一個(gè)工具。

CTO俱樂部：能否暢想一下在計(jì)算機(jī)識別領(lǐng)域，未來有哪些發(fā)展趨勢？

趙勇：我覺得從技術(shù)層面，大概分成兩種思路去發(fā)展。第一種像百度那樣只做識別，用戶把數(shù)據(jù)給你，然后你提供一個(gè)答案。比如回答某張照片里面有沒有海灘、落日等。也許你會問，難道我自己不懂這些嗎？但當(dāng)一名用戶有1萬張照片，因?yàn)橐鯬PT急需一張海灘落日的照片時(shí)，這樣的識別技術(shù)就產(chǎn)生效率了。第二種是機(jī)器人型的，就是不管你問或者不問，它都在那里工作。比如我們的監(jiān)控?cái)z像頭，無論是在安全領(lǐng)域、娛樂領(lǐng)域或者是商業(yè)分析領(lǐng)域，它都可以自動工作、搜集數(shù)據(jù)并且自動執(zhí)行分析程序，給人一定的指導(dǎo)建議。比如一些商圈廣場，如果裝了我們的設(shè)備系統(tǒng)，它就能通過數(shù)據(jù)分析，建議商圈運(yùn)營方“將店A換成另一家店B吧，因?yàn)樵谀敲粗匾奈恢?#xff0c;店A卻吸引不了顧客流”等。格靈深瞳做的就是機(jī)器人，做監(jiān)控系統(tǒng)時(shí)是監(jiān)控機(jī)器人，做視頻開車時(shí)則是安全駕駛機(jī)器人。

人才標(biāo)準(zhǔn)：每一個(gè)新人都是最強(qiáng)的

CTO俱樂部：聽說你在很多大公司的實(shí)驗(yàn)室工作過，比如三菱電器研究所、Nvidia實(shí)驗(yàn)室、惠普實(shí)驗(yàn)室和Google實(shí)驗(yàn)室等，它們的研究文化有哪些不同？格靈深瞳和哪一家實(shí)驗(yàn)室的風(fēng)格比較像？

趙勇：這幾家實(shí)驗(yàn)室都在美國，其中有兩家是日本公司（三菱電器、愛普生），比較有意思的是，這兩家日本實(shí)驗(yàn)室中的研究員基本都是美國人。總體來說，三菱電器、愛普生和惠普實(shí)驗(yàn)室風(fēng)格比較古板、嚴(yán)謹(jǐn)，Nvidia實(shí)驗(yàn)室稍微好一些。我在Nvidia實(shí)驗(yàn)室工作時(shí)，那里總共只有18名研究員，只有4、5個(gè)人在總部，其他的人都在家里工作；而且我跟我的導(dǎo)師，整個(gè)夏天就見過一面，因?yàn)樗莻€(gè)夏天正在騎自行車橫游美國，只是偶爾打個(gè)電話給我——大家就是在那樣的狀態(tài)下工作。記得分配任務(wù)的時(shí)候，我問導(dǎo)師我的任務(wù)是什么呢？結(jié)果導(dǎo)師說，“這樣吧，你先花兩天時(shí)間想一下你的任務(wù)是什么，然后你接著去做就是了”。Google是最不一樣的，我到Google去時(shí)，問了領(lǐng)導(dǎo)同樣一個(gè)問題，我的任務(wù)是什么？他回答說是Making Friends。他認(rèn)為公司這么大，我應(yīng)該先去各個(gè)部門玩一玩，交些朋友，看看能不能幫助他們解決一些問題，因?yàn)椤拔覀冏罱K解決的問題是來自于現(xiàn)實(shí)的”。就是在這個(gè)過程中，我通過和幾個(gè)同事的交流，一期啟動了Google Glass項(xiàng)目。后來我在Google工作了一年多后，成為了PI（Principal Investigator），開始擁有了自己的Funding，可以根據(jù)自己的項(xiàng)目經(jīng)費(fèi)來決定自己做什么項(xiàng)目，申請多少工程師來自己的項(xiàng)目小組。因此Google實(shí)驗(yàn)室的文化氛圍是我見過的所有美國公司當(dāng)中最自由的，是我個(gè)人最喜歡這種方式，所以格靈深瞳的研究文化也最接近Google模式。現(xiàn)在和大多數(shù)互聯(lián)網(wǎng)公司一樣，我們對于技術(shù)研發(fā)人員不做考勤，我自己也盡量削減在技術(shù)團(tuán)隊(duì)中的權(quán)威形象，把組織結(jié)構(gòu)扁平化，使得大家有更充分的時(shí)間和精力去考慮如何做出更多的貢獻(xiàn)。

CTO俱樂部：曾經(jīng)看過你們的招聘廣告，聽說要加入你們團(tuán)隊(duì)比進(jìn)入哈佛大學(xué)還難，你心目中的人才標(biāo)準(zhǔn)是什么？

趙勇：從某個(gè)角度來說，美國普通大學(xué)生進(jìn)入哈佛大學(xué)的錄取率是6%~8%，這比我們高多了。對于人才的標(biāo)準(zhǔn)，我們技術(shù)部門其實(shí)很簡單，我先講個(gè)故事。當(dāng)我從Google辭職時(shí)，去找一位曾經(jīng)的領(lǐng)導(dǎo)，希望他給我一些建議。他叫Peter Norvig，曾是NASA（美國宇航局）的Research Director，曾經(jīng)管理過2000多名研究員。他加入Google時(shí)，當(dāng)時(shí)Google只有19名員工，他成為第20名員工，負(fù)責(zé)Google的研發(fā)和技術(shù)招聘。他給我提供了這樣的建議：在任何時(shí)候，你都要確保你們招的這個(gè)人在某一個(gè)你關(guān)心的方面比你們每個(gè)人都強(qiáng)。他說如果你持續(xù)這么去做，你的團(tuán)隊(duì)會越來越強(qiáng)。所以我剛開始創(chuàng)建技術(shù)團(tuán)隊(duì)時(shí)，就是這么做的（實(shí)習(xí)生例外）。當(dāng)然現(xiàn)在我們團(tuán)隊(duì)規(guī)模擴(kuò)大了，策略就調(diào)整成：每次招聘的人，所有參與面試的同事都要給他投票，從0分到5分，3分是平均分，這是什么概念？3分就是我們團(tuán)隊(duì)哥們幾個(gè)目前的水準(zhǔn)，如果來面試的新人低于3.5分，我們就不會考慮。

總結(jié)

以上是生活随笔為你收集整理的专访格灵深瞳CTO赵勇：为 计算机视觉 赋予智慧的光芒的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。