智東西（公眾號：zhidxcom）
文 | 寓揚(yáng)
去年十月份，馬云成立阿里巴巴達(dá)摩院，三年拿出1000億布局前沿技術(shù)的研究，并對它提出三個(gè)要求，“活得要比阿里巴巴長”、“服務(wù)全世界至少20億人口”、“面向未來用科技解決未來的問題”。
在過去的9個(gè)月中，阿里達(dá)摩院也陸續(xù)傳出來自各方的技術(shù)大牛加盟；公布了正在研發(fā)中的AI芯片Ali-NPU；研發(fā)出量子電路模擬器“太章”，率先實(shí)現(xiàn)81量子比特（40層）的模擬；應(yīng)用在上海地鐵站的語音購票等消息，但整個(gè)達(dá)摩院（正如其名）還隱匿在云霧中。
阿里達(dá)摩院第一次公開對外，則是近期在杭州舉辦的一場技術(shù)分享活動，現(xiàn)場達(dá)摩院來自不同部門的四位專家學(xué)者分享了他們的研究成果以及落地應(yīng)用，智東西也作為首批媒體受邀參與其中。
可以看到，在達(dá)摩院的技術(shù)布局中，既有應(yīng)用于當(dāng)下的語音識別、機(jī)器視覺、機(jī)器翻譯等技術(shù)，也有量子計(jì)算等中長期布局未來的技術(shù)。而在應(yīng)用場景中，達(dá)摩院的技術(shù)也廣泛的落地在阿里的業(yè)務(wù)之上，去解決實(shí)際問題，比如機(jī)器翻譯用于阿里的國際貿(mào)易，視覺生成用于淘寶廣告的自動生成等。
阿里達(dá)摩院機(jī)器智能技術(shù)實(shí)驗(yàn)室資深算法專家謝宣松分享了計(jì)算機(jī)視覺在產(chǎn)業(yè)中的應(yīng)用，主要圍繞人（醫(yī)療視覺）、物（行業(yè)視覺）、空間（城市大腦）、設(shè)計(jì)（視覺生成）幾個(gè)維度來展開。謝宣松談到，圍繞人、物、空間來做一些機(jī)器視覺，目的是協(xié)助人提高效率。
相比城市大腦和醫(yī)療視覺，如何將AI技術(shù)落地場景眾多、問題更加復(fù)雜的產(chǎn)業(yè)，以及視覺生成技術(shù)如何提高人類效率，更加吸引智東西的關(guān)注。
行業(yè)視覺是產(chǎn)業(yè)落地的一個(gè)大領(lǐng)域，場景眾多，哪些場景能夠讓技術(shù)落地呢？謝宣松指出3種機(jī)器視覺可以落地的條件：
第一種是診斷內(nèi)容肉眼可分辨，正常&故障樣本充足，對漏報(bào)有一定的容忍度。這種場景就很適合機(jī)器來做，比如對鐵路螺母是否松動的監(jiān)測。第二種是人肉眼難以發(fā)現(xiàn)，可根據(jù)情況用機(jī)器視覺作為代替。第三種是故障樣本極少，但造成事故的結(jié)果又很嚴(yán)重，這時(shí)可以用機(jī)器視覺輔助人工檢測。
限定了邊界后，就可以尋找技術(shù)落地的場景了，比如阿里基于視頻分析，可以自動進(jìn)行鋼圈安全監(jiān)測，實(shí)測精度在95%以上；再比如通過目標(biāo)檢測和行為分析，對豬的疫情等進(jìn)行預(yù)警，前一段阿里云用AI養(yǎng)豬種瓜，也是風(fēng)靡互聯(lián)網(wǎng)圈。
通過行業(yè)場景的落地，謝宣松總結(jié)到，我們需要深入行業(yè)，花大力氣明確需求、定義問題；要重視數(shù)據(jù)，分析各個(gè)場景下數(shù)據(jù)的特點(diǎn)；要簡化問題，優(yōu)先采用簡單有效的方案；并且要長期投入，不斷迭代優(yōu)化方案。
視覺生成即通過AI技術(shù)，結(jié)合用戶、場景需求，生成圖像、視頻等內(nèi)容，比如廣告圖像的生成與設(shè)計(jì)，廣告視頻的生成，游戲圖像生成等，從而提高人類工作的效率。
阿里是以電商起家的，廣告需求廣泛存在于淘寶商戶中，尤其是雙十一這樣的購物節(jié)設(shè)計(jì)需求大量存在。阿里特意構(gòu)建了設(shè)計(jì)知識圖譜，通過視覺生成來生成廣告效果圖。
其中最典型的應(yīng)用就是魯班系統(tǒng)在淘寶中的應(yīng)用。謝宣松談到，雙十一天貓、淘寶上大量的banner圖片，其中很大一部分都是系統(tǒng)自動自動生成的。比如去年雙十一用AI產(chǎn)圖2.5億張，累計(jì)產(chǎn)圖10億張。身為設(shè)計(jì)師的你看到這一結(jié)果是否會亞歷山大呢？
出了圖片的生成，謝宣松表示，視頻和圖形的內(nèi)容自動/半自動生成是一個(gè)趨勢，也是另一個(gè)藍(lán)海。比如在一個(gè)電視劇場景中，AI可以識別視頻場景中的人物、對話、動作等，在識別場景后，就可以在適當(dāng)?shù)奈恢貌迦胂嚓P(guān)對象。
現(xiàn)場他展示了一張“天貓國際”的植入廣告，以及淘寶商品的視頻生成，當(dāng)然廣告只是應(yīng)用之一，只不過電商平臺需求量太大。
謝宣松還告訴智東西，視覺生成的實(shí)現(xiàn)是各種技術(shù)的綜合應(yīng)用，會借用最基礎(chǔ)的識別分類能力，也會用到序列，同樣它會用到強(qiáng)化技術(shù)的能力，在象素生成和元素豐富上用一些概念能力，最后對整個(gè)系統(tǒng)有檢測過程，使它滿足用戶需求。
時(shí)下火熱的一個(gè)概念就是量子計(jì)算，因?yàn)榱孔佑?jì)算機(jī)一旦取得突破，在算力上就會遠(yuǎn)遠(yuǎn)高于經(jīng)典計(jì)算機(jī)，從而帶來算力革命，但這一現(xiàn)象短期內(nèi)很難發(fā)生。
正如阿里達(dá)摩院量子實(shí)驗(yàn)室的量子科學(xué)家徐華所言，通用量子計(jì)算機(jī)發(fā)展前路漫漫，近期我們期待可以解決特定問題的量子芯片，以及針對量子系統(tǒng)進(jìn)行模擬的量子芯片。
量子計(jì)算數(shù)據(jù)阿里中長期局部的一項(xiàng)重要技術(shù)，由于量子計(jì)算過于晦澀難懂，這次分享更多的在于科普，我們可以對幾個(gè)常見的概念做一個(gè)解釋：
量子計(jì)算，它是基于量子力學(xué)的基本原理（核心是量子疊加+量子糾纏），利用量子邏輯實(shí)現(xiàn)信息處理的計(jì)算技術(shù)，對應(yīng)的機(jī)器就是量子計(jì)算機(jī)。
量子糾纏，對于一對或一群粒子而言，部分粒子的量子狀態(tài)以來其他粒子的狀態(tài)，而不能獨(dú)立的表述，則認(rèn)為這一對或一群粒子處于量子糾纏。量子通信主要應(yīng)用的就是量子糾纏，近期中國科大也宣稱率先實(shí)現(xiàn)了18量子比特糾纏。
量子霸權(quán)，這是一個(gè)經(jīng)常被提及的概念，它是指對于某個(gè)特定的問題，量子計(jì)算機(jī)可以解決，但是經(jīng)典計(jì)算機(jī)無法解決。2016年Google團(tuán)隊(duì)在理論上提出，49個(gè)物理量子比特可以在隨機(jī)量子電路的輸出采樣這個(gè)特殊問題上實(shí)現(xiàn)量子霸權(quán)。
今年3月份，谷歌提出72個(gè)比特的芯片方案。而后5月份，阿里量子實(shí)驗(yàn)室團(tuán)隊(duì)基于阿里的計(jì)算能力，實(shí)現(xiàn)了81量子比特的模擬。但徐華總結(jié)到，目前的量子霸權(quán)象征意義大于實(shí)際意義，因?yàn)楸旧斫鉀Q不是通用計(jì)算問題，只能算是技術(shù)發(fā)展過程當(dāng)中的一個(gè)個(gè)里程碑。
阿里量子計(jì)算的研究方向涉及物理層、系統(tǒng)層、應(yīng)用層，希望提供全棧能力的解決方案，為客戶提供量子計(jì)算能力。
其中今年上半年推出的“太章”模擬器便是量子實(shí)驗(yàn)室的一個(gè)代表項(xiàng)目。它是一個(gè)量子電路的經(jīng)典模擬器，通過對模擬任務(wù)進(jìn)行有效的分解，利用阿里強(qiáng)大的計(jì)算平臺，完成了之前超級計(jì)算機(jī)上做不到的模擬量子計(jì)算的任務(wù)，實(shí)現(xiàn)了對Google計(jì)劃取得 “量子霸權(quán)”硬件的模擬。
但現(xiàn)場徐華也講到，量子模擬器終歸受計(jì)算力所限。量子模擬需要繼續(xù)投入，幫助量子電路設(shè)計(jì)以及量子算法研究，但是從更長遠(yuǎn)的研究來看，幾百個(gè)量子比特超級計(jì)算機(jī)是不能夠模擬的。
近期中國科大宣稱率先取得了18量子比特糾纏，智東西也就該成果的實(shí)質(zhì)性意義與徐華溝通，他表示多個(gè)量子比特的糾纏是非常有意義的，量子糾纏有一個(gè)置信度，置信度是99%與99.99%差別非常大，如果置信度都很高，達(dá)到了99.99%以上，這就與實(shí)現(xiàn)邏輯比特比較接近了。比如50個(gè)邏輯比特組合起來，其算力基本可以達(dá)到現(xiàn)在超級計(jì)算機(jī)的計(jì)算水平。
機(jī)器翻譯是利用計(jì)算機(jī)將一種自然語言專為為另一轉(zhuǎn)自然語言的過程。這項(xiàng)技術(shù)已經(jīng)有60年的歷史，但在最近30年才可以使用。
阿里達(dá)摩院機(jī)器智能技術(shù)實(shí)驗(yàn)室研究員葛妮瑜分享了他們在機(jī)器翻譯技術(shù)中的探索與應(yīng)用，她將機(jī)器翻譯稱為阿里國際化的生命線，因?yàn)榘⒗飮H電商、即時(shí)通訊（釘釘）、旅游（飛豬）等場景存在大量的翻譯需求。
與谷歌的通用神經(jīng)機(jī)器翻譯不同的是，阿里的機(jī)器翻譯更加聚焦在國際電商、即時(shí)通訊、旅游上，采用神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯（NMT）、統(tǒng)計(jì)機(jī)器翻譯（SMT）等多模型結(jié)合的方式進(jìn)行翻譯，目前已覆蓋21種語言，48個(gè)翻譯方向。
葛妮瑜介紹，目前阿里機(jī)器翻譯服務(wù)100+業(yè)務(wù)場景，日均調(diào)用7.5億次，全年翻譯字符數(shù)超過120萬億，應(yīng)用于電商平臺、物流、支付、云計(jì)算、社交等。
在具體將機(jī)器翻譯落地方面，她講述了小語種機(jī)器翻譯和非標(biāo)準(zhǔn)漢語翻譯的具體案例。
以阿里巴巴國際站為例，30%用戶使用西班牙語、俄語、土耳其語等小語種；2017年前三季度，俄羅斯人在中國購物額占海外網(wǎng)站消費(fèi)總額的52%，同時(shí)全部訂單90%都下給了中國；但大約96%的賣家對小語種無能為力。
阿里為了匹配各個(gè)業(yè)務(wù)場景特點(diǎn)，融合多種不同技術(shù)，取長補(bǔ)短，進(jìn)行場景翻譯的定制化。具體而言針對小語種進(jìn)行語料抓取，建立電商知識庫，并搭建小語種與漢語之間的雙語平行語料庫，通過人工排序規(guī)則等，進(jìn)行小語種機(jī)器翻譯。
另外一個(gè)就是非標(biāo)準(zhǔn)漢語機(jī)器翻譯的斗爭，淘寶上商家為了最大化搜索效果，會輸入很多詞，但是不成句子，平均標(biāo)題多達(dá)30個(gè)字，不自然無語法，對機(jī)器翻譯很有挑戰(zhàn)。
葛妮瑜團(tuán)隊(duì)結(jié)合用戶搜索和成交產(chǎn)品，通過這些自動產(chǎn)生的大量準(zhǔn)確語料，對商家冗長的標(biāo)題進(jìn)行優(yōu)化簡寫，并通過模型不斷自動優(yōu)化，從而實(shí)現(xiàn)商品信息的翻譯。
此外，她也介紹了圖片翻譯方面的一些探索。傳統(tǒng)的方法直接采用機(jī)器翻譯進(jìn)行字符識別。而阿里第一步先對圖像進(jìn)行識別，獲取內(nèi)容描述后，再進(jìn)行字符識別（OCR），通過OCR+圖像內(nèi)容描述，共同進(jìn)行機(jī)器翻譯，從而提升圖片內(nèi)容的翻譯效果。
語音識別是一種常見的將語音轉(zhuǎn)換為文字的技術(shù)，目前各家做語音識別的公司都號稱通用語音識別準(zhǔn)確率達(dá)到95%以上，但是在細(xì)分場景、特殊領(lǐng)域中，這一識別率會大大下降。
阿里達(dá)摩院機(jī)器智能技術(shù)實(shí)驗(yàn)室高級算法專家雷鳴分享到，得益于更強(qiáng)大的計(jì)算能力，以及更多更真實(shí)的數(shù)據(jù)，語音識別正在快速發(fā)展，并且工業(yè)界正在成為創(chuàng)新的主流。
目前谷歌、微軟、百度等都采用通用識別的技術(shù)，與其不同的是，阿里則重點(diǎn)布局了行業(yè)語音識別、IoT語音識別和新零售語音識別。
目前應(yīng)用場景越來越復(fù)雜，對語音識別的要求越來越高，隨著模型越來越復(fù)雜，語音識別的效率越來越低；隨著數(shù)據(jù)體量越來越大，訓(xùn)練時(shí)間越來越長，迭代速度越來越慢；并且模型越來越大，很難直接在IoT端進(jìn)行部署。
阿里針對這一情況，在去年11月上線DFSMN模型，使語音識別的錯(cuò)誤率相比之前模型下降20%，同時(shí)效率提升2倍，可在IoT設(shè)備端應(yīng)用，并在今年6月將這項(xiàng)技術(shù)開源。
在具體應(yīng)用方面，阿里的語音技術(shù)已經(jīng)廣泛應(yīng)用在家庭、車載、公共空間。比如家庭的智能音箱，上汽榮威RX5中的車載語音交互技術(shù)。
而在公共場景中，今年上半年阿里在上海地鐵站推出語音售票機(jī)，通過語音與視覺多模態(tài)組合，幫助乘客快速獲取車票。另外一個(gè)案例則是在今年的武漢云棲大會上推出的語音點(diǎn)餐機(jī)，通過語音交互的方式高效獲取服務(wù)。
此外，阿里的語音技術(shù)也應(yīng)用到法院庭審中，進(jìn)行庭審信息的速記。據(jù)雷鳴介紹，阿里的智能庭審已經(jīng)覆蓋了近300家法院，6000多個(gè)法庭，并應(yīng)用到杭州互聯(lián)網(wǎng)法院中。
通過阿里達(dá)摩院四位專家分享和與他們的溝通，我們感受最深的一點(diǎn)就是，達(dá)摩院的科研并非“空中樓閣”，而是切切實(shí)實(shí)的以解決實(shí)際問題為導(dǎo)向，目前其研究成果以逐漸落地阿里各個(gè)業(yè)務(wù)線。
此外，在技術(shù)落地解決實(shí)際問題的過程中，無論是語音識別、機(jī)器翻譯，還是機(jī)器視覺，阿里都在嘗試綜合應(yīng)用多種技術(shù)來解決實(shí)際問題。
比如在于機(jī)器智能技術(shù)實(shí)驗(yàn)室研究員葛妮瑜的溝通中，她也提到，針對自然語言處理（NLP）這個(gè)業(yè)界難題，他們也在結(jié)合漢語的實(shí)際情況，通過偏旁部首的研究來提高語義理解的效果。此外她也談到，用多模態(tài)的方式來研究NLP技術(shù)也是學(xué)界的一個(gè)方向。
