爱奇艺谢丹铭：AI将在2019年进入技术收割黄金期

       近期，《中国电子报》推出展望2019系列报道，邀请各个领域的代表企业家和行业专家展望今年的产业趋势。爱奇艺副总裁谢丹铭在接受《中国电子报》记者采访时表示，2019年人工智能技术将步入黄金收获期，将是AI与各类应用场景全面拥抱、持续为企业赋能的一年。5G技术将推动AR/VR应用场景的全面爆发；语音AI进一步成熟，在视频娱乐业获得全面的落地应用；图神经网络将成为新的研究热点；同时专用的模型训练和推理硬件将越来越受重视。

资本：将倾向于应用型的AI投资？

       有人说风险投资在2019年将有可能进一步收紧，投资会更为理性，众多的AI创业企业中有可能因为资本的收紧显现出一批“裸泳者”。2019年的关于AI投资将呈现哪些趋势？

       谢丹铭认为，2019年资本会更倾向于应用型的AI投资。经过前几年基础层（算力、数据、传感器等）和技术层（框架、模型等）的发展，各行业应用所需的AI能力已有大幅度提高。对于基础层和技术层来说，已有不错的公司沉淀下来，留给后面的空间相对不多。但在应用层面还有足够的2B和2C空间，需要技术+行业深度结合的公司去探索。现阶段对AI来说，基本处于应用驱动的时间点，会有大量解决行业问题、提升效率的应用出现。

       而基础层和技术层的初创公司，会面临两方面的竞争压力，一是该领域已发展多年的独角兽或准独角兽公司，二是BAT这类大公司也在扩大这方面布局。这方面的空间相对应用层来说要小很多，也是各巨头必争之地。所以，这方面的初创公司，要么的确有核心技术优势和资源可以继续深耕，要么可以探索已有技术在应用层的落地。

       对于应用层的公司，挑战主要来自对行业、用户的深度理解。目前大部分此类公司都是做2B业务，这需要有足够的行业积累和渠道。很多应用型公司是靠技术起步，在行业资源上相对薄弱，这是需要去补足的。相反，一些掌握行业内资源的团队，再引入AI技术，倒有可能实现更快的落地。

       谢丹铭认为，今年会有更多的AI应用类公司出现，覆盖各种行业。过去几年的AI技术发展，一些行业应用已逐步落地，尤其在金融、医疗、安防等领域。带来的影响除了应用本身，还有对AI认知的大幅提升。随着各行业人士对AI的了解加深，来自各行业内部对AI的需求会增多，对基于AI的解决方案的兴趣会日益增长。同时，传统行业+AI技术的人员结合，将会产生更多有技术有行业背景的复合型团队和初创公司。这些公司将不限于热门领域，而是会深入到各个垂直行业，凭借对细分领域的深耕建立壁垒，并向特定的客户和用户提供深度服务。比如在内容领域，对于内容的创作、变现方面，都有机会诞生一些专业的AI服务类公司，为机构或平台提升各环节效率。

技术：步入黄金收割期？

       有观点认为在2019年人工智能技术的产业化将会进一步提速，提供人工智能技术公司的AI平台、产品成熟度会越来越高。

       谢丹铭认为，2019年将是人工智能技术步入黄金收获期，与各类应用场景全面拥抱、持续为企业赋能的一年。从趋势上看有几个重要特点：一是5G技术推动AR/VR应用场景的全面爆发。5G技术将使移动设备的通信速率显著提升，同时将延时降低到几毫秒的量级，将促进基于4K/8K超高清视频、AR/VR等沉浸式交互应用的全面爆发。5G也有望为娱乐产业与技术升级的深度融合带来新的契机。比如爱奇艺从2015年底开始布局混合(虚拟)现实产业，建立了基于AI+VR技术的iQUT战略，目前已推出移动端VR游戏《无间道VR》《鬼吹灯之牧野诡事VR》等内容。

       二是语音AI进一步成熟，在视频娱乐业获得全面的落地应用。随着语音识别、语音合成、语义理解等技术的不断进步，以及端+云语音交互系统的成熟度越来越高，可以说，语音交互能力将成为智能终端设备和应用的标配之一。如爱奇艺最新研发的AI手语主播，它利用通过自动语音识别技术(ASR)模型和噪声抑制模型，准确识别用户的语音并转换为文字，然后通过分词模型对文字进行切分，让文本更加适合手语语法;通过爱奇艺AI的语义理解能力，AI手语主播能够对健听人自然语言进行理解，并智能翻译为手语表达;模型通过训练不断优化翻译效果。值得一提的是，“AI+AR”的结合则给AI翻译赋予了产品丰富的3D虚拟形象，不仅直观地展示手语，可定制的形象也让这项技术能够适应不同场景的需求。

       三是神经网络将成为新的研究热点。现有深度学习技术已经在图像识别、语音识别、自然语言处理等领域里取得了举世瞩目的非凡成就，但仍然存在着可解释性差、无法处理关系推理等问题。DeepMind及MIT等国外知名AI研究机构已经在研究图深度学习，并取得了可喜的进展。该研究方向将归纳推理和传统深度学习的端到端学习相结合，有望打破现有深度学习算法存在的瓶颈，使计算机拥有一定的认知理解能力。我们认为，这项研究将是近期人工智能领域里一个比较新的研究热点。

应用：以娱乐行业为代表的应用会实现更多的自动化

       谢丹铭表示，AI技术的迅猛发展，为更多的行业带来了更加自动化的应用。基于计算机视觉和语音技术的服务和技术已经层出不穷，赋能了各个行业应用，而基于AI的产品和技术在2019年将获得更大的发展，为各类行业带来更加智能的应用。

       强化学习将更加深入到各个行业的应用。在过去的几年里，大多数企业通过构建自动化的流程来赋能企业管理，并通过大数据的分析来为企业决策者提供参考信息。随着强化学习的发展，AI将有能力直接为决策者提供解决方案。以娱乐行业为例，爱奇艺“艺汇”智能选角系统已经可以为影视工作者提供演员人选参考，大大减轻了影视工作者的工作负担。

      AI将深入普罗大众，给残障人士带来更加便利的生活。随着视觉、语音以及AR技术的发展，AI在很多场合已经可以模仿人类感官来获取信息和传达信息。2018年11月28日，爱奇艺在中国网络视听大会上发布了首款“AI手语主播”，该产品基于AI和AR技术以及中国标准手语，可将文字或者语音转换为听障人士可以识别的3D手语动作，打通了听障人士和健听人士之间的信息鸿沟，同时也落地了爱奇艺的自制的节目，使得听障人士能够更加方便地享受娱乐节目。随着AI和AR技术的发展，越来越多的智能产品将深入到大众的生活，给人们带来便利。

       AI将在信息的提取和整合领域继续发展，为企业带来更多红利。信息的提取和整合是AI较早应用的领域之一，包括人物识别，行为识别，场景识别，语义分割等等。现有的AI技术主要应用在线上数据的分析，通过对用户点击，搜索行为等进行分析，建立用户画像，以便为用户推荐更合适的内容。5G和大数据技术的飞速发展，将产生海量的线下数据，AI技术将帮助企业提取和分析线下数据，并有效分析用户行为，为企业提供更加精准的决策依据。

算法：缺乏多模态深层分析？

       关于算法与基础研究，谢丹铭认为有四个方面的挑战和变革。一是AI性能与成本的平衡。从面向实用化的角度来看，目前AI相关的算法对于GPU的资源依赖比较强烈，大部分算法运行在GPU服务器，一些准确率高的模型的尺寸和计算量都很大，导致在一些计算能力较小的移动端设备上，只能采用一些精度较差的小模型或是采用网络请求服务的方式与GPU进行交互。一些基于移动平台的应用，将模型部署在有GPU计算单元的嵌入式平台上，以避免这些问题，但总体的设备造价成本仍然较高。体现出深度网络在速度和准确率上存在着不可兼得的情况。未来的算法以及基础研究应该在网络轻量化、移动端化上进行更多的探索，将目前大部分在GPU服务器上运行的深度模型，尽量下沉到移动端，FPGA平台上去，通过对于模型进行量化压缩、减少模型参数量以及冗余结构的同时保证模型精度上无较大损失，利用有限的计算资源达到更快速的效果，使得现有技术在更广的领域中得到应用，在硬件方面也需要进行相应的支持，实现AI算法的软硬件一体化，达到极致的性能。

       二是算法的通用性不强。往往处理每一个（类）任务都需要一个单独的模型。这样当需要处理的任务比较多的时候，就需要堆积很多模型，计算资源的整体效率就会降低。更严重的每一个应用场景都有自己的数据，都需要标注大量的数据用于模型的重新训练。人工智能离通用人工智能还有很遥远的距离。新的变量来自于迁移学习，多任务学习、强化学习这些变量上，当面对新的任务和数据的时候，不需要再从头搭建和训练整个模型，而只需要针对当前任务和数据的特点，进行适当的微调，适应不同的学习任务。

       三是缺乏多模态的深层分析。目前AI算法对于多模态信息的利用与融合，并没有达到一个很深的层次；通过不同模态的互相融合与指导，能够激发AI算法更多的可能性。作为一家视频公司，爱奇艺的核心数据视频就是一个多模态融合的媒体，AI技术会从视觉，音频，文本等不同维度综合理解视频。

       四是AI智能创作方面。近些年AI智能创作方面也是充满挑战，AI算法在一次一次刷新人们对于AI智能创作的认知，虽然AI取得了很多令人惊艳的效果，但目前并没有做到更加通用的效果，生成的一些样例明显存在着问题。近期人们提出各种类型的GAN网络，并将其应用于各种图像修复，超分辨率重建，内容生成等领域，可以预见在未来，GAN网络是一项令人期待的技术，通过GAN的对抗结构可以实现高级语义的内容创作，甚至代替人类进行艺术创作。