業(yè)內(nèi)皆知，作為人工智能領(lǐng)域發(fā)展最成熟，歷史最悠遠的分支之一，人臉識別有包孕LFW 和MegaFace在內(nèi)的諸多國際級別賽事，而微軟在去年提出的 MS-Celeb-1M 基準(zhǔn)測試則被譽為人臉識別年度“世界杯”。就在比來，最新一屆“世界杯”落下帷幕，更像是對“中美兩國AI發(fā)展并駕齊驅(qū)”的某種印證，一家名為獵戶星空的中國人工智能公司，在其中一個重要競賽項目中奪得頭魁。
考慮到賽事的權(quán)威性，在不少行外人眼中——在人工智能疾風(fēng)驟雨般滲透進大眾生活之前，上述結(jié)果委實有些不測。值得一提的是，借助計算機視覺領(lǐng)域頂級會議ICCV 2017的平臺，本屆競賽既包孕大規(guī)模人臉識別競賽（Hard Set 及 Random Set），還頗具新意地推出了更具挑戰(zhàn)的小樣本學(xué)習(xí)（Low-Shot Learning）競賽，可謂近年來業(yè)內(nèi)公認(rèn)的含金量最高的同類賽事，這也自然招致全球各地人臉識別團隊超強的“奪金”欲望，至今不滿一歲的獵戶星空獲得了這項賽事識別子命題有限制類（只使用競賽提供數(shù)據(jù)）第一名。
事實上，比來一周，這家初創(chuàng)企業(yè)出了不止一次風(fēng)頭。7月26日，傳聞已久的小米AI音箱正式發(fā)布，后者采用360度遠場語音控制，在提供在線內(nèi)容的表層應(yīng)用背后，這款音箱無疑承擔(dān)了小米“智能家庭中樞”角色，是小米試圖將整個生態(tài)鏈產(chǎn)品“連起來”的關(guān)鍵布局。而作為獵豹移動旗下人工智能子公司，獵戶星空是小米AI音箱重要合作伙伴，為其提供了一套可以用“這個星球最溫柔聲音”回復(fù)用戶的語音交互系統(tǒng)。
將時間軸撥回一個月前，他們還聯(lián)合喜馬拉雅同樣發(fā)布了AI音箱“小雅”，背后技術(shù)核心同樣是獵戶星空全鏈路自研的遠場語音交互系統(tǒng)——盡管踏上AI音箱“風(fēng)口”的企業(yè)有先后之分，但當(dāng)他們在尋覓語音交互這塊最重要的長板時，獵戶星空都是他們最值得仰仗的嫁接對象。
至少在現(xiàn)階段，人工智能大概可分為語音識別，圖像識別，語言理解和機器人等應(yīng)用技術(shù)，其中語音識別和圖像識別是目前相對成熟的領(lǐng)域，遍及準(zhǔn)確率都超過90％，這也意味著再想要持續(xù)精進的難度，獵戶星空能在短時間內(nèi)一舉拿下了人工智能兩座已經(jīng)很高的高地，在創(chuàng)業(yè)公司中確實比較罕見。
不久前，《紐約時報》在采訪大量美國政府官員和硅谷精英后就得出結(jié)論：中國的人工智能將與美國齊頭并進，中國已經(jīng)誕生孕育人工智能溫潤的社會土壤。如果將這家中國初創(chuàng)企業(yè)的“世界杯”奪魁，擱置在中美AI競賽的宏大配景，仔細(xì)分析這家公司，就顯得意義不凡。
技術(shù)長板
先從微軟的這次角逐談起。
如前所述，獵戶星空獲得了這項賽事識別子命題有限制類（只使用競賽提供數(shù)據(jù)）第一名。顧名思義，與更偏向于比拼數(shù)據(jù)的無限制類（無限制使用外部數(shù)據(jù)，數(shù)據(jù)越多訓(xùn)練模型當(dāng)然越好）比擬，有限制類別只能在限定的數(shù)據(jù)集內(nèi)調(diào)用，是比較純粹的算法比拼，因為在限定數(shù)據(jù)情況下想達到最高精度非常困難，難度也更大——當(dāng)然，正是由于這種限制性，有限制類的算法比拼也相對公平。
公平也意味著高門檻。競賽數(shù)據(jù)噪聲大，無法直接拿來訓(xùn)練，而整個訓(xùn)練數(shù)據(jù)集也很大，適合人臉模型大規(guī)模訓(xùn)練的模型對資源的要求又高，很難做到又快又好。于是經(jīng)過探討，獵戶星空團隊設(shè)計了一種魯棒的去噪算法，可針對各類差別程度的噪聲數(shù)據(jù)進行有效去噪，同時選擇采用適合大規(guī)模訓(xùn)練的 triplet 模型，通過一種頗為巧妙的設(shè)計在有限資源下加速了triplet網(wǎng)絡(luò)的訓(xùn)練，大大提升了性能，最終獲得 0.75／0.606（random set／hard set）的高分——這一成績遠超以往記錄，幾乎達到了不使用外部數(shù)據(jù)的極限。
事實上，盡管成立時間不長，但團隊成員過往的技術(shù)積淀讓他們創(chuàng)立初就開始投身人臉識另外探索。參賽“世界杯”前，他們就在另一項人臉識別國際賽事 LFW 上取得了前三名。
而與不少初創(chuàng)團隊醉心于“秀技術(shù)”差別，依托于獵豹移動強大的產(chǎn)品思維底座，他們深知一點：將技術(shù)蛻變?yōu)楫a(chǎn)品，從來都是檢驗技術(shù)成熟的唯一尺度。于是，獵戶星空上述所有角逐技術(shù)都不會被擱淺在學(xué)術(shù)陳訴或者角逐賽場上，而會被運用到在門禁，機器人和移動 APP 等具體產(chǎn)品。舉個例子，目前人臉識別技術(shù)就被用于獵豹旗下的直播產(chǎn)品 Live.me 中，后者每天產(chǎn)生超過 20 萬小時的直播內(nèi)容，運用圖像識別技術(shù)可以進行 24 小時的實時監(jiān)控，極大提高違規(guī)內(nèi)容的審核效率。
讓人溫柔以待的音箱
談及技術(shù)落地，獵戶星空讓人工智能音箱做到“像人類一樣溝通”，或許是更好的例子。
