全球今亮點！騰訊優圖吳運聲：AI的標準化識別早已駕輕就熟，下一步是解決中長尾識別

(相關資料圖)

經濟觀察網 記者 任曉寧 9月3日，2022世界人工智能大會期間，騰訊優圖實驗室總經理吳運聲向經濟觀察網記者介紹了騰訊在AI視覺領域的最新進展。以前，AI識別需要標注幾千張圖片，訓練之后才能做出識別。現在，小樣本或者無樣本標注，AI也能做到90%成功率的識別。

優圖是騰訊位于上海的AI實驗室，主要側重人工智能視覺領域。在小樣本識別方面，目前優圖已經有了成功案例，其和交通銀行(601328)一起研究AI識別單據的模型，用5張樣本訓練，可以做到90%準確率。

現在之所以能做到小樣本識別，是因為使用了不同的AI訓練邏輯。以前的AI識別模型是用大量的數據“喂”出來的，一個場景至少需要標注并訓練幾千張圖片。現在的邏輯是，從人的角度去理解一個場景，比如識別一個釣魚的場景，不再先標注幾千張釣魚的照片讓AI學習，而是定義了一個邏輯：當有水面，有人，有桿子，桿子上有一條線時，很可能就是一個人在釣魚。

“過去我們面臨的主要課題是如何把相對標準化的功能做好，比如文字識別、車牌號識別，如今這些基礎的辨識工作，AI早已輕車熟路。一個新的課題是如何解決大量非標準化的中長尾功能，邁向更加豐富、更加細粒度的元素識別時代。”吳運聲告訴記者。小樣本或無樣本識別的主要價值在于節省工作量。當常見的標準化場景已基本識別完畢后，非標準的場景可能還有幾百萬種，如果按照之前的訓練方式，龐大的工作量是很難完成的。并且，隨著場景深入，AI需要識別更加細致的內容，比如以前只能識別人臉，之后人體的每一部分，眉毛、眼睛、嘴巴都需要識別，這些工作量也很龐大。

騰訊優圖實驗室成立于2012年，吳運聲在實驗室成立之初就擔任負責人，從零開始搭起了優圖實驗室。他告訴記者，今年他的工作角色有了一些變化，之前他只負責算法等技術研究，現在則兼任政企業務線產研負責人，更深入地接觸工業、能源、運營商、文旅、地產等產業，打磨AI落地的場景。

吳運聲也介紹了去年至今騰訊優圖AI落地的情況。在工業領域，去年，騰訊與立鎧精密達成合作，在了解到立鎧精密存在“硬件缺陷多樣、成像復雜”等質檢難題后，優圖自研了AI質檢算法，解決了人工目視質檢的難題，實現漏檢率接近于0，立鎧精密每年可節省超千萬的支出。在金融、傳媒等行業，優圖的AI技術也加快了落地。