原标题：AI技术不是趋同，而是正在放大差距

　　「暴火」了两年多之后，在中国人工智能领域，渐渐有了更多理性思考的发声。在 5 月 19 日召开的 2018 年中国图灵大会上，依图科技 CEO 朱珑博士就讲到：AI 发展太快，全球研究的积累不够的背景下，各种 AI 观点甚嚣尘上，技术上难辨真假、好坏，AI 跳跃性的发展也使得 AI 进入到没有技术权威的时代，并且这是整个时代呈现出的特点。

　　依图是诞生于 2012 年的一家人工智能创业公司，CEO 朱珑创办依图前，在美国做过十多年 AI 相关的研究，15 年前他还在微软亚洲研究院做过研究。在美国期间，朱珑先是在 UCLA 读统计建模和统计学计算方向的博士，当时他的导师叫艾伦·尤尔，艾伦的博士导师就是著名的理论物理学家霍金。后来，朱珑进入麻省理工学院的 AI Lab，做计算机视觉建模相关的博士后研究员；回国创业前，朱珑在深度学习爆发之前 Yann Lecun 的实验室做研究。

　　既有强大的学术界的背景，又在工业界创业期间历经中国 2012 到 2018 年，朱珑深感于中国发生的巨大变化——在过去中国没有成熟的科技创业的情景和市场机制，而这几年开始，中国各种背景的人在一起交流的越来越多，并且这已经是新的形态。他解释说，过去，政府、投资者、媒体这三者是比较频繁交流的，但是在 2012 年之前，学术界不像今天这样经常会被政府邀请来交流，也不会被一流的投资基金邀请交流。

　　那么人工智能技术的发展是否也进入了新的形态？最近甚至有一些讨论：技术是不是发展到了瓶颈？各项算法之间有没有区别？

　　AI 技术不是趋同，而是正在放大差距

　　随着 AI 热潮的涌现，各家 AI 公司都会频繁参加一些比赛以证明自己的算法实力，以人脸识别算法为例，各家 AI 公司在 LFW 等类似的计算机视觉比赛中都取得 99.xx% 的成绩。于是人们会问：AI 算法是否已经趋同了？如果算法精度差别不大（只有几个百分点），是否意味着创业公司的技术已经同质化了，没有技术创业的核心竞争力了呢？

　　实际上，这是典型的认知误区。我们在朱珑的演讲中看到了一张表，可能更准确的回答了这个问题，这是中国某省 1 亿人像库，在真实刑侦案件的破案环境下性能测试的对比表，参与方是知名的几大人脸识别公司：

　　我们可以这样理解这张图：必须对应场景来谈算法精度。不同场景的算法精度不具备任何可比性，甚至不代表有相关性。换句话说，简单场景下算法精度高，不代表在复杂的高难度场景下有更大的概率可以把算法精度做高。好比在小学考试中拿满分，未必能在大学考试中也拿满分。

　　如今，很多学术界比赛使用的都是公开数据集，数据集内多是互联网照片，相当于是一场难度不大的开卷考试，「考生」很容易就可以把测试成绩刷到比较高，这就出现了上面提到的，各家 AI 公司类似 LFW 之类的计算机视觉比赛中都能取得 99.xx% 的成绩。

　　然而，在实际应用中，技术遇到的会是各种无法预见的高难度场景，包括变形、昏暗、逆光、强光、光照不均、低清、运动模糊、遮挡、跨年龄段比对、面部变形等等，在这种情况下，各家的差距被迅速拉开，第二名和第一名的错误率能相差几倍以上，远未到趋同的程度。

　　进入实战后，技术的差距体现在具体产品或应用上，不是简单的好用和一般好用的差距，而是可用和不可用的差距，而实战中是要以最高效率解决实际问题为目的。假如在一个 1 亿级别的人像系统中进行 1：N 的静态比对，错误率相差几倍，就导致使用者的做事效率下降几倍。即便使用者是在一个多算法平台上，久而久之，他也只会倾向于使用第一名的算法。

　　可见，人工智能技术不是趋同，相反，是正在放大差距！

　　AI 提供了一把「尺子」，帮助探索人类智慧边界

　　依图科技曾经做过一个实验，在千万量级的身份数据库上，一个人将女朋友的生活照输入进去，在 AI 输出相似度前十的照片中，这个人完全无法辨别哪张照片上面的脸属于他的女朋友。这意味着，AI 从过去识别生人的能力比人强，到今天，识别熟人的能力也已经超越人类了。