近日，在有韩国“硅谷”之称的韩国大田，IROS 2016正在如火如荼地举行，在Special论坛的人工智能／深度学习专场，百度深度学习实验室（IDL）主任林元庆做了《AI，the (next) big thing》（《人工智能：大幕已启》）的主题演讲，作为计算机视觉和机器学习领域非常活跃的一名成员，现百度IDL负责人，目前他领导的IDL正进行着PaddlePaddle深度学习开源框架、图片搜索、基础图像识别技术、人脸识别、OCR（光学字符识别）、视频分析、学习机器人、细粒度图像识别、AR以及医疗影像分析等十多个研究方向。雷锋网在演讲过后采访了林元庆，请他讲了关于IROS，关于开源平台，关于AI眼下最重要一步的看法。以下是采访全文。
IROS是世界上最大的关于Robitics的国际会议之一，大会的Plenary talk是会议众多演讲的重中之重。虽然平时我很少在外面公开做演讲，但这样一个学术性的talk既然主动邀请，就过来了，另外这也是向世界的Robotics研究人员介绍百度人工智能的好机会。
很多，像我刚刚说的百度大脑里面，有语音识别，计算机视觉，NLP，推荐／预测，运动／控制，决策／规划，这几个AI大方向都是机器人学的重要基础技术。
这两个技术都在进步，我们没有一个预设的立场，百度这两个方向都在应用。选择上，百度不同业务，训练阶段大部分用的大部分是GPU，testing阶段有用GPU，也有用FPGA的，更成熟的业务可能会选择FPGA，这样优化的空间会更大一些。
（看你刚刚放的PPT划分的百度AI相关业务，这些业务用哪个组合会有明确的选择吗？）
这个很难讲，人工智能不是单个技术，而是包含很多很多的不同技术，以计算机视觉为例，它就有图像分类，物体检测，图像分割等不同技术。GPU和FPGA对不同的任务，可能各有优缺点。
（就是一项业务训练的时候用的GPU，实际应用的时候可能转到FPGA？）
对，是这样。
这几年ImageNet的竞赛涌现出一些非常有用的算法，比如AlexNet之后的GoogleNet, VGG, ResNet等，对工业界的技术性能的提高，有很大的推动作用。ImageNet一个很大的意义是在于推动算法的革新。这对工业界和学术界，都是非常有意义的。
同时，工业界打造的产品，常常需要go beyond ImageNet。我记得第一年（2010年）ImageNet比赛我们拿了第一名。我是当时项目的负责人。但之后我们发现ImageNet的结果很难直接用在产品上。我们后来开始主攻细粒度图像识别。百度糯米这个月下旬将推出一个非常重要的功能，其中的一个重要技术就是菜品图像的细粒度识别（识别图片里的菜品是哪个餐馆的哪道菜）。即使是通用的图像分类，百度的图像库有接近1亿张带类别标签的图片，比ImageNet Challenge（150万张图片）的大很多。我们内部的数据要比公开的数据大很多，需要更好地反应我们要解决的问题。
对，有很多关联的。最直接的当然是细粒度图像识别方向。我们希望在百度搭建一个非常强大的细粒度图像识别的研发团队。其它的项目与这也有关联。比如人脸识别就是一个最经典的细粒度图像识别任务。很多技术是相通的。还比如我们的医学图像分析，它的很多做法与细粒度图像识别也有相通之处。
我们现在强调做instance-level的细粒度图像识别。比如，我们身下坐的这把椅子，我们不单单只是识别这是一把椅子，我们还需要识别出这是哪个厂家哪个型号的椅子。还比如前面提到的“哪个餐馆哪道菜”的识别。这些都是非常精细的识别。这些问题当然都很难，需要投入很大的研发力量。但应用前景是非常大的。
NEC美国实验室在美国是非常优秀的实验室，也在AI上做了非常多的工作。我也非常幸运地在那里做了7年半的研究，包括最后三年多作为实验室媒体分析部门的负责人。当时的工作与现在的工作一脉相承。
最重要的一步是要有用，能解决实际问题，真正能解决一些很重要的问题。比如自动驾驶，那就是要真正能上路。人脸识别，就是什么情况下人脸识别都能识别得非常精准。
机器人，包括AI，大家可能会有一些误解，觉得这是单一技术，但其实它涵盖的技术非常复杂，而一个人是很难去解决所有的技术的。像今天第一个talk讲的机器手抓取，从应用角度来看这是一个非常特定的领域，但这个方向做学问的话你都可以做很久。
我个人的倾向是注意不要大而全，要根据自身的兴趣和特长定一些侧重点。我经常会跟我身边的人说，要认准一个方向，做到这个方向的Mr. something，比如Mr. fine-grained image recognition。这样你的事业可能就越走越宽。
AI的平台很重要，确实需要多样化的选择，上次我也回了他朋友圈，认为我们这一代人应该团结起来，推动深度学习平台的开放和多样化。百度现在有PaddlePaddle深度学习平台，这个其实是百度花了非常大的资源做的一个平台，现在开源了，希望能在中国人工智能领域贡献一些我们的力量。
还是不太一样。很多AI技术有一个正循环效应，越多的人来用，你的系统越好，这样会吸引越多的人来用。你已经快速迭代了甚至已经做到极致了，别人再去重新开始一个，难度是比较高的。
林元庆在演讲的过程中，以及会后采访的过程中，一直在强调AI大幕“已经启动”这个关键动作，虽然“人工智能”这个概念最早从1955年8月31日就开始提出，但从当时的诞生，到中间的两起两落，一直像个蹒跚学步的孩子一样经历了60年才迎来了第三次复兴的浪潮。
1956年到1974年，全球第一次人工智能浪潮出现。
1974年到1980年。第一次人工智能冬天出现。
80年代出现了人工智能数学模型方面的重大发明，第二次浪潮出现。
1987年到1993年现代PC的出现，让人工智能的寒冬再次降临。
不过这一次，随着硬件，数据，算法三板斧的默契配合和发展，AlphaGo与世界顶级围棋高手李世石的人机世纪对战，人工智能已经从基本的语音识别，图像识别，向着自动驾驶，视频，AR，医疗，金融等各种领域无声地渗透，也引发了全民关注AI复兴的热潮。
老骥伏枥，志在千里。如果说过去60年是它从孕育到踌躇的“蹒跚”周期，那往后60年，将会是它揭开“无穷大”大幕的周期。
正在生成分享图...
覃倩雯