优图实验室能成为腾讯的贝尔实验室吗

实验室是公司的生机发明圆圈，是公司的生机之地点。

文 | 李夜

优图实验室一向坚持“两条腿”走路。

“在曩昔一年里，咱们依然坚持根底研讨和工业落地两条腿一同走路。这是优图实验室一向遵从的干事方法。”优图实验室总经理吴运声在不久前的媒体交流会上再次着重。交流会上，有记者问优图，实验室是否是适宜AI落地的最佳形状？交流会嘉宾之一、优图实验室参谋、厦门大学教授、博导纪荣嵘的答复很风趣。

纪荣嵘说，一家巨大公司必定是有一个支撑的。贝尔实验室出了这么多诺贝尔得主；谷歌从小公司起步，最早的Gmail事务里也出了许多专家。实验室是公司的生机发明圆圈，是公司的生机之地点。

那么，优图实验室能成为腾讯的贝尔实验室吗？

先看一下优图实验室2019年宣布的作业效果。在根底研讨方面，优图实验室在全球已经有700项以上的专利，在世界尖端会议上宣布超越200篇论文。2019年，优图实验室对外开源了10多个项目。

在职业落地方面，与微信付出在才智零售范畴落地刷脸付出，由步步高落地的门店数据可知，刷脸付出协助步步高节省了超越30%的人力本钱。在泛文娱范畴，先后推出了数10种AI玩法。”我喜欢你我国”和”韶光穿越”“艺人请就位”等活动刷屏朋友圈。在医疗AI范畴，在宫颈癌方面获得世界级效果，并将其使用在腾讯觅影上。在教育方面，为腾讯才智学校解决方案，腾讯教育与信息技能新工科产学研联盟协作推出的“新工科人工智能课程培育方案”等供给视觉AI技能上的支撑。面向企业用户和职业用户，推出以OCR技能为中心的智能核保和智能收据两个解决方案。此外，优图实验室的技能还找回来14个迷路超越10年的儿童……

找回来14个迷路儿童，靠得是一个叫"MissU"的产品（优图团队内部这么称号它）。"MissU"开端在海量人脸检索准确率仅有40%。现在它的海量人脸检索准确率是83%。“期间，阅历了150天、193次迭代和1056次的模型练习，让人脸技能达到了0.15%的质的进步：人脸验证准确率在LFW上从99.65%进步到99.80%。戋戋的0.15%的进步，但在海量人脸检索准确率从40%进步到83%。”吴永坚在由腾讯云主办的2017"云+未来"峰会上表明。后来面临儿童迷路10年以上的难题，优图自研了算法模型，打造了业界的跨年纪人脸辨认技能。

在技能上，优图从最开端使用现成老练网络模型去练习，到后边研制优化出归于优图的深度模型：祖母模型。祖母模型这种规划网络模型，需求很强壮的核算才能支撑，为此，优图自研了多机GPU练习渠道，并且结合腾讯云的GPU核算资源。

关于MissU这个产品，优图实验室总监李季檩说到了“科技向善”和“坚持”。“咱们人脸团队从优图建立以来，从0开端，把技能做起，尽管其时的成果没有很好地找到这个小孩，但几年之后，跟着技能进步，技能上来之后就连续找到这个小孩了。”

优图实验室总监黄腾跃说到，“跟着学术界深度网络才能的进步、各种场景拓宽和深化以及技能堆集的进步，人脸辨认的算法进展不断的进步。咱们大致能做到每年进步一个数量级，现在咱们有才能做到上亿的等级做人脸的检索。很要害的一点是人脸辨认才能这几年都在不断地进步。跨年纪不只是通用的人脸辨认，针对这种年纪的差异，从婴幼儿到成人不同巨大的时分，关于整个神经网络、区别才能或许对数据的要求是更高的。需求定制化的研制和优化。”

MissU，仅仅优图实验室很多产品之一。吴运声、李季檩、黄腾跃的答复，表现的仅仅腾讯优图的技能探究和坚持。其实，优图实验室在落地事例中，也离不开标杆客户。这些事例不是被规划出来的，而是经过半年、一年乃至更长的时刻，与客户一同打磨出来的。优图实验室总监任博说，“这样的一个进程挺长的，并且各个环节投入的人力都挺多的。客户有时不太清楚自己的事务想要什么，所以咱们及其他架构师、项目经理的一同参加，帮客户一同剖析在项目里边怎样用更适宜。”在金融范畴，腾讯优图实验室和宁波银行一同推进人脸辨认技能、活体技能等在金融范畴的使用。

那么，在工业落地方面，优图实验室的动力是什么？

跟着事务不断拓宽，优图实验室开端向腾讯内部事务或许协作腾讯云事务为外部客户供给服务。“咱们都是在实践场景中使用才得到不断地训练和进步。”黄腾跃说到，商业化是顺从其美的进程，并没有强求。“实践上，咱们不行能把这些技能，赔本拿出去使用。这不是良性的反哺进程。商业化，很自然地往后开展。事实上，咱们更多期望算法可以更好地协作腾讯的战略，比方腾讯的消费互联网和工业互联网。”

黄腾跃还说到，优图实验室的自我要求是技能不能拖后腿，在协作腾讯表里协作伙伴的时分，“技能水平必定不能落后于业界水平。”“咱们也期望不断结合视觉AI的定位开展、探究出更多根底研讨技能，经过这些根底才能带来更好的产品和商业价值。”

“优图并不是一个部分在战役，跟各种部分、事务可以协同作战，不只限于工业互联网，还包含腾讯PCG、微信根底才能、微信付出等协同，优图实验室走的是根底才能加事务协同的形式。”

但作为实验室，在表里协作的进程中，优图有自己的开展主线：两条腿走路。在表里协作中，优图也有自己的考量点。考量点一，协作是不是可继续的？协作关于优图的主线有多大协助，能否让优图拓宽更多场景和新技能？开端，优图做人脸辨认，和零售职业协作，研制、储藏了ReID技能；与微信、微众银行、财付通、微信付出等协作，拓宽了使用场景。考量点二，协作是不是满意客户价值？有比较好的社会价值？

那么，实验室是否是AI落地的最佳形状？

从人员装备上来看，优图以研讨为主，其人员构成可分为以下几类：榜首，根底研讨人员，主要对人脸辨认相关技能和图像辨认相关技能进行根底研讨；第二，工程人员，将研讨效果进行加快包装变成一个SDK或许服务的标准化的产品，构成一个职业的解决方案，并将它们推出去；第三，担任QA的人员，相当于团队的把关人员，协助评价职业解决方案；第四，职业架构师。

任博以为实验室这个形状有优点，有坏处。优点是清楚明了的，优图有更好的学术气氛。坏处，可能有咱们忧虑的商业化程度、落地执行力。“可是咱们经过CSIG整个团队的协作，咱们在商业落地方面是没问题的。”任博以为腾讯生态有利于优图实验室。他说到腾讯很大，事务完全。在表里部协作进程中，优图实验室堆集了很多的技能和经历。开端，优图的前沿技能不太适宜放在TOB的服务、企业使用上。但腾讯内部丰厚的事务线可以为优图实验室供给先行试用的土壤。

优图实验室总监吴永坚以为，这样的一个问题的实质不在于实验室自身，而是在自身团队对这样的一个问题怎样看。优图团队一向以为技能，必需要落地到使用和产品上。“咱们从团队一开端的时分，便是奔着这个思路走。走到最终，咱们有这么好的架构，经过研讨层孵化出新技能在宽松的环境下孵化出来。咱们有才能把技能结合到产品里去。”