智東西（公眾號：zhidxcom）
文 | 寓揚
去(qu)年(nian)十月份，馬云成立阿里(li)巴(ba)巴(ba)達摩院，三(san)年(nian)拿出1000億布局前沿(yan)技術的研究，并對它提出三(san)個要求，“活得要比阿里(li)巴(ba)巴(ba)長”、“服務全世界至少20億人口”、“面向(xiang)未來用科(ke)技解決未來的問題”。
在(zai)過(guo)去的(de)9個月中(zhong)，阿里達摩院也陸續傳(chuan)出來自(zi)各方(fang)的(de)技術大牛加盟；公布了正在(zai)研發中(zhong)的(de)AI芯片(pian)Ali-NPU；研發出量子電(dian)路模擬(ni)器“太章”，率先(xian)實(shi)現81量子比特(te)（40層）的(de)模擬(ni)；應用在(zai)上海(hai)地鐵站的(de)語(yu)音購票等消息，但整個達摩院（正如其名）還隱匿在(zai)云霧中(zhong)。
阿里達(da)摩(mo)院(yuan)第一次公開對(dui)外，則(ze)是近期在杭(hang)州舉辦的一場技術(shu)分享活動，現場達(da)摩(mo)院(yuan)來自不同部門的四位專家學者分享了他們的研究成果以及(ji)落(luo)地(di)應用，智東西也作(zuo)為首批媒體受(shou)邀參與(yu)其中。
可以看到，在達摩院的(de)(de)(de)技(ji)術(shu)布(bu)局中(zhong)，既有應(ying)用(yong)(yong)(yong)于當(dang)下的(de)(de)(de)語音識別、機器視(shi)覺(jue)、機器翻譯等(deng)技(ji)術(shu)，也有量(liang)子(zi)計算等(deng)中(zhong)長期布(bu)局未(wei)來(lai)的(de)(de)(de)技(ji)術(shu)。而在應(ying)用(yong)(yong)(yong)場景中(zhong)，達摩院的(de)(de)(de)技(ji)術(shu)也廣(guang)泛的(de)(de)(de)落地(di)在阿里的(de)(de)(de)業務之上，去解決(jue)實際問題，比如(ru)機器翻譯用(yong)(yong)(yong)于阿里的(de)(de)(de)國(guo)際貿易，視(shi)覺(jue)生成(cheng)用(yong)(yong)(yong)于淘(tao)寶(bao)廣(guang)告的(de)(de)(de)自動生成(cheng)等(deng)。
一、圍繞人、物、空間 推動機器視覺落地
阿里達摩院機器(qi)智能技(ji)術實驗室資(zi)深算法專家謝宣松(song)分享了計(ji)(ji)算機視覺在產業(ye)中(zhong)的(de)應用(yong)，主要圍繞人(ren)(ren)（醫療(liao)視覺）、物(wu)（行(xing)業(ye)視覺）、空(kong)間（城市大腦）、設計(ji)(ji)（視覺生成(cheng)）幾個維度來(lai)展開。謝宣松(song)談到(dao)，圍繞人(ren)(ren)、物(wu)、空(kong)間來(lai)做一些機器(qi)視覺，目的(de)是協助(zhu)人(ren)(ren)提高效(xiao)率。
相比城市大(da)腦和醫療視(shi)(shi)覺，如(ru)何將AI技術落(luo)地場景眾多(duo)、問(wen)題更(geng)加(jia)復雜的產業，以及視(shi)(shi)覺生成(cheng)技術如(ru)何提(ti)高人類效率，更(geng)加(jia)吸(xi)引智東西的關注。
行(xing)業(ye)視覺(jue)是產業(ye)落地(di)(di)的(de)一個大領域(yu)，場(chang)景眾多，哪些場(chang)景能夠讓技術落地(di)(di)呢？謝宣松指出(chu)3種機器視覺(jue)可(ke)以落地(di)(di)的(de)條件：
第一(yi)種(zhong)是(shi)診斷內容(rong)肉(rou)眼(yan)可分辨，正常&故(gu)障(zhang)(zhang)樣本(ben)充足，對(dui)漏報有一(yi)定的容(rong)忍度。這種(zhong)場景就很適合機器來做，比如對(dui)鐵路螺母是(shi)否松動的監測(ce)。第二(er)種(zhong)是(shi)人肉(rou)眼(yan)難以(yi)發(fa)現，可根(gen)據情(qing)況用機器視(shi)覺作為(wei)代(dai)替。第三(san)種(zhong)是(shi)故(gu)障(zhang)(zhang)樣本(ben)極少，但造成(cheng)事故(gu)的結果又很嚴重，這時可以(yi)用機器視(shi)覺輔助人工檢測(ce)。
限定了邊界(jie)后，就可以尋找(zhao)技術落(luo)地的場(chang)景了，比如阿里基于視頻分析(xi)，可以自動進行鋼(gang)圈安全監測(ce)，實測(ce)精(jing)度(du)在95%以上；再比如通過目標檢測(ce)和行為分析(xi)，對豬的疫情等進行預警(jing)，前一段阿里云用AI養豬種瓜，也(ye)是(shi)風靡互聯網(wang)圈。
通過(guo)行(xing)業場景的(de)落地，謝(xie)宣松總結到，我們需要(yao)深入行(xing)業，花(hua)大力(li)氣明確(que)需求、定義(yi)問題；要(yao)重視數據，分析各個場景下數據的(de)特點；要(yao)簡化(hua)問題，優先采(cai)用簡單有(you)效的(de)方(fang)案(an)；并且要(yao)長期(qi)投入，不斷迭(die)代優化(hua)方(fang)案(an)。
視(shi)(shi)覺生(sheng)成(cheng)即通過AI技(ji)術，結合用戶、場景(jing)需(xu)求，生(sheng)成(cheng)圖(tu)(tu)像、視(shi)(shi)頻(pin)等內容，比如廣告圖(tu)(tu)像的(de)(de)生(sheng)成(cheng)與設計，廣告視(shi)(shi)頻(pin)的(de)(de)生(sheng)成(cheng)，游戲圖(tu)(tu)像生(sheng)成(cheng)等，從而提高人類(lei)工作的(de)(de)效率(lv)。
阿里是以(yi)電商起家(jia)的，廣(guang)告需求廣(guang)泛存在于淘寶商戶中，尤其是雙(shuang)十一(yi)這樣(yang)的購物節設計(ji)需求大量存在。阿里特意構建了設計(ji)知識圖(tu)譜，通過(guo)視覺生成來生成廣(guang)告效果圖(tu)。
其中(zhong)(zhong)最典型的(de)應用就是(shi)魯(lu)班系(xi)統在淘寶(bao)中(zhong)(zhong)的(de)應用。謝宣松談到，雙(shuang)十一天貓、淘寶(bao)上大量的(de)banner圖片，其中(zhong)(zhong)很大一部分都(dou)是(shi)系(xi)統自(zi)動自(zi)動生成的(de)。比如去年雙(shuang)十一用AI產(chan)(chan)圖2.5億(yi)張，累計產(chan)(chan)圖10億(yi)張。身為設計師的(de)你看到這一結果是(shi)否會亞歷山(shan)大呢？
除了圖片的生(sheng)成，謝宣松(song)表(biao)示，視(shi)頻(pin)和(he)圖形的內(nei)容自動/半(ban)自動生(sheng)成是一個(ge)(ge)趨勢(shi)，也是另一個(ge)(ge)藍海。比如(ru)在一個(ge)(ge)電視(shi)劇場(chang)景(jing)(jing)中，AI可以識別視(shi)頻(pin)場(chang)景(jing)(jing)中的人物、對話(hua)、動作等，在識別場(chang)景(jing)(jing)后，就可以在適當的位置插入相關對象。
現(xian)場他展示(shi)了一(yi)張“天貓(mao)國際(ji)”的植入(ru)廣(guang)告，以及(ji)淘寶商(shang)(shang)品(pin)的視頻生成(cheng)，當然廣(guang)告只是應用之一(yi)，只不過電商(shang)(shang)平臺需求量太大。
謝宣松還告訴(su)智東西，視覺(jue)生成(cheng)的實現是各種(zhong)技術的綜合(he)應(ying)用，會借用最基礎的識別分類能力(li)，也會用到序(xu)列，同樣它會用到強(qiang)化技術的能力(li)，在象素生成(cheng)和元素豐(feng)富上用一些概念能力(li)，最后對整(zheng)個系統(tong)有檢測過程(cheng)，使它滿足用戶需(xu)求。
二、量子計算 中長期的布局
時(shi)下火熱的(de)一個概念就是量子(zi)計(ji)(ji)算(suan)(suan)(suan)，因為量子(zi)計(ji)(ji)算(suan)(suan)(suan)機一旦取得突破，在算(suan)(suan)(suan)力上就會(hui)遠遠高于經(jing)典計(ji)(ji)算(suan)(suan)(suan)機，從(cong)而(er)帶(dai)來(lai)算(suan)(suan)(suan)力革命，但這(zhe)一現象短期內很(hen)難發生。
正如阿里達摩院(yuan)量(liang)(liang)子(zi)(zi)(zi)實(shi)驗室的(de)量(liang)(liang)子(zi)(zi)(zi)科學家(jia)徐華所言，通用量(liang)(liang)子(zi)(zi)(zi)計算機發展前(qian)路漫(man)漫(man)，近期(qi)我們期(qi)待(dai)可(ke)以解決特(te)定問題的(de)量(liang)(liang)子(zi)(zi)(zi)芯片，以及針對量(liang)(liang)子(zi)(zi)(zi)系統進(jin)行模擬的(de)量(liang)(liang)子(zi)(zi)(zi)芯片。
量子(zi)計算數據阿里中長期局部的一(yi)項重要(yao)技術，由于(yu)量子(zi)計算過于(yu)晦澀難懂，這(zhe)次分(fen)享(xiang)更多的在于(yu)科(ke)普，我們可以對幾個常見的概念做(zuo)一(yi)個解釋：
量子(zi)(zi)計(ji)算(suan)，它是基于(yu)量子(zi)(zi)力學的基本(ben)原理（核心是量子(zi)(zi)疊(die)加(jia)+量子(zi)(zi)糾纏），利(li)用量子(zi)(zi)邏輯(ji)實現信息處理的計(ji)算(suan)技術，對應的機器就是量子(zi)(zi)計(ji)算(suan)機。
量子(zi)糾纏(chan)(chan)，對于一(yi)(yi)(yi)對或(huo)一(yi)(yi)(yi)群粒子(zi)而言，部分粒子(zi)的量子(zi)狀(zhuang)態以來(lai)其他粒子(zi)的狀(zhuang)態，而不能獨立的表述(shu)，則認為這一(yi)(yi)(yi)對或(huo)一(yi)(yi)(yi)群粒子(zi)處于量子(zi)糾纏(chan)(chan)。量子(zi)通信主(zhu)要應(ying)用的就是量子(zi)糾纏(chan)(chan)，近期中(zhong)國科(ke)大也宣稱率先實現(xian)了18量子(zi)比特糾纏(chan)(chan)。
量(liang)(liang)子(zi)霸(ba)權(quan)，這是(shi)一(yi)個經(jing)常被提及的(de)概念，它是(shi)指對于某個特(te)定的(de)問題(ti)，量(liang)(liang)子(zi)計(ji)算機可以解決，但是(shi)經(jing)典計(ji)算機無(wu)法解決。2016年Google團隊在理(li)論(lun)上(shang)提出，49個物(wu)理(li)量(liang)(liang)子(zi)比特(te)可以在隨機量(liang)(liang)子(zi)電路的(de)輸出采樣(yang)這個特(te)殊問題(ti)上(shang)實現量(liang)(liang)子(zi)霸(ba)權(quan)。
今年3月份，谷歌提出72個比特(te)的(de)芯(xin)片方(fang)案。而后5月份，阿里量子實驗室團隊(dui)基于(yu)阿里的(de)計(ji)(ji)算能力，實現了81量子比特(te)的(de)模擬(ni)。但(dan)徐華總結(jie)到，目前的(de)量子霸權象征意義(yi)大于(yu)實際意義(yi)，因為(wei)本身解決不是通(tong)用計(ji)(ji)算問題(ti)，只(zhi)能算是技術發展過程當中的(de)一(yi)個個里程碑。
阿里量子計(ji)算的研究方向涉及物理層、系統(tong)層、應用層，希望提(ti)供全棧能力的解決(jue)方案(an)，為客戶(hu)提(ti)供量子計(ji)算能力。
其(qi)中今年(nian)上半年(nian)推出的(de)(de)“太(tai)章(zhang)”模擬器便(bian)是量(liang)(liang)子實驗(yan)室的(de)(de)一個代(dai)表項目。它是一個量(liang)(liang)子電路的(de)(de)經典模擬器，通過對(dui)模擬任務(wu)進行有(you)效的(de)(de)分解，利用阿(a)里強大的(de)(de)計(ji)算平臺，完成了之前(qian)超(chao)級計(ji)算機上做(zuo)不到的(de)(de)模擬量(liang)(liang)子計(ji)算的(de)(de)任務(wu)，實現(xian)了對(dui)Google計(ji)劃(hua)取得 “量(liang)(liang)子霸權(quan)”硬件的(de)(de)模擬。
但(dan)現(xian)場(chang)徐華也講到，量(liang)(liang)(liang)子模(mo)擬(ni)器(qi)終歸受計算(suan)力所限。量(liang)(liang)(liang)子模(mo)擬(ni)需(xu)要(yao)繼續投入，幫(bang)助量(liang)(liang)(liang)子電(dian)路設計以及量(liang)(liang)(liang)子算(suan)法研究，但(dan)是從(cong)更長遠的研究來看，幾百(bai)個量(liang)(liang)(liang)子比特超級計算(suan)機是不能夠模(mo)擬(ni)的。
近期中(zhong)國(guo)科大宣稱率先取得(de)了18量子比特糾(jiu)纏，智東西也就該成果的(de)(de)實(shi)質性意義(yi)與(yu)徐華溝通，他表示多個量子比特的(de)(de)糾(jiu)纏是非常(chang)有(you)意義(yi)的(de)(de)，量子糾(jiu)纏有(you)一個置(zhi)(zhi)信(xin)度(du)(du)，置(zhi)(zhi)信(xin)度(du)(du)是99%與(yu)99.99%差別非常(chang)大，如果置(zhi)(zhi)信(xin)度(du)(du)都很(hen)高，達(da)到了99.99%以上，這就與(yu)實(shi)現邏輯(ji)比特比較(jiao)接近了。比如50個邏輯(ji)比特組合(he)起來，其算(suan)力(li)基本可以達(da)到現在超級(ji)計(ji)算(suan)機的(de)(de)計(ji)算(suan)水平。
三、機器翻譯 阿里國際化的生命線
機器翻譯是(shi)利用計算機將(jiang)一種自然語言專(zhuan)為為另(ling)一轉自然語言的過程。這項技術已經有60年的歷史，但在最近30年才可以(yi)使用。
阿里達(da)摩院機(ji)器智能技術實(shi)驗室研究員(yuan)葛(ge)妮瑜分享了他們(men)在(zai)機(ji)器翻(fan)(fan)譯技術中的(de)(de)探索(suo)與(yu)應用(yong)，她(ta)將機(ji)器翻(fan)(fan)譯稱為阿里國際化的(de)(de)生命線，因為阿里國際電商(shang)、即(ji)時(shi)通訊（釘釘）、旅(lv)游（飛豬）等場景存在(zai)大量(liang)的(de)(de)翻(fan)(fan)譯需(xu)求。
與谷歌(ge)的(de)(de)通用神經機器(qi)翻譯(yi)(yi)(yi)不同(tong)的(de)(de)是(shi)，阿里的(de)(de)機器(qi)翻譯(yi)(yi)(yi)更加(jia)聚焦在國(guo)際(ji)電商、即時通訊、旅游上，采用神經網(wang)絡機器(qi)翻譯(yi)(yi)(yi)（NMT）、統計機器(qi)翻譯(yi)(yi)(yi)（SMT）等多模型結合的(de)(de)方式進行翻譯(yi)(yi)(yi)，目前已覆蓋21種語言(yan)，48個翻譯(yi)(yi)(yi)方向。
葛(ge)妮瑜介紹，目(mu)前阿里機器翻譯(yi)服務100+業(ye)務場景(jing)，日均調(diao)用7.5億次，全(quan)年(nian)翻譯(yi)字符數超過120萬億，應用于電商(shang)平臺、物流、支付、云計算、社(she)交等。
在具體(ti)將機(ji)器翻(fan)譯(yi)(yi)落地方面，她講述了小語種機(ji)器翻(fan)譯(yi)(yi)和非標(biao)準漢語翻(fan)譯(yi)(yi)的(de)具體(ti)案例(li)。
以阿里巴(ba)(ba)巴(ba)(ba)國際站為例，30%用戶(hu)使用西班牙(ya)語、俄語、土耳其語等(deng)小語種(zhong)(zhong)；2017年(nian)前三季度，俄羅斯人(ren)在中(zhong)國購物額占海外網(wang)站消費(fei)總額的(de)52%，同時全部訂(ding)單90%都下給了中(zhong)國；但大約96%的(de)賣家對小語種(zhong)(zhong)無能為力。
阿里為了匹配各(ge)個業務場景(jing)特點，融合(he)多種(zhong)不同技術，取(qu)長(chang)補短，進(jin)行(xing)場景(jing)翻譯的定制(zhi)化(hua)。具體而言針(zhen)對小(xiao)語種(zhong)進(jin)行(xing)語料(liao)抓(zhua)取(qu)，建立電(dian)商知識庫，并搭建小(xiao)語種(zhong)與漢語之間的雙語平(ping)行(xing)語料(liao)庫，通過人工(gong)排序規則等，進(jin)行(xing)小(xiao)語種(zhong)機器翻譯。
另外一個就是(shi)非(fei)標準(zhun)漢語(yu)機(ji)器(qi)翻譯的(de)斗爭，淘寶上(shang)商家為(wei)了最大(da)化搜索效(xiao)果，會輸入很多詞，但是(shi)不成(cheng)句子，平(ping)均標題多達30個字，不自然無語(yu)法，對機(ji)器(qi)翻譯很有挑戰。
葛妮瑜團隊結合用戶搜索和成交產(chan)品(pin)，通過(guo)這些自(zi)(zi)動產(chan)生(sheng)的大量準確語料，對(dui)商(shang)家冗長(chang)的標題進(jin)行優化(hua)簡寫(xie)，并通過(guo)模型不斷(duan)自(zi)(zi)動優化(hua)，從而實現商(shang)品(pin)信(xin)息的翻譯。
此外，她也(ye)介紹了圖(tu)片(pian)翻(fan)(fan)譯方面的(de)(de)(de)一些探索。傳統的(de)(de)(de)方法直接采用機器(qi)翻(fan)(fan)譯進行(xing)字(zi)符識(shi)別(bie)(bie)。而阿里第一步先對圖(tu)像進行(xing)識(shi)別(bie)(bie)，獲取內容描述后(hou)，再(zai)進行(xing)字(zi)符識(shi)別(bie)(bie)（OCR），通過OCR+圖(tu)像內容描述，共同進行(xing)機器(qi)翻(fan)(fan)譯，從而提升圖(tu)片(pian)內容的(de)(de)(de)翻(fan)(fan)譯效果(guo)。
四、推行業語音識別
語(yu)(yu)(yu)音識別(bie)是(shi)一(yi)種(zhong)常見的將語(yu)(yu)(yu)音轉換為文字的技(ji)術，目前各(ge)家做語(yu)(yu)(yu)音識別(bie)的公司(si)都號稱(cheng)通用(yong)語(yu)(yu)(yu)音識別(bie)準(zhun)確率達到95%以(yi)上，但是(shi)在細分場景、特(te)殊(shu)領域中，這(zhe)一(yi)識別(bie)率會大大下降。
阿里達(da)摩(mo)院機器智能(neng)技術(shu)實(shi)驗室高級算(suan)法專家雷鳴(ming)分享到(dao)，得益(yi)于更(geng)強大的計算(suan)能(neng)力，以及更(geng)多更(geng)真實(shi)的數據，語音識別正(zheng)在(zai)快(kuai)速發(fa)展，并且工業界正(zheng)在(zai)成(cheng)為創新的主流。
目前谷歌、微(wei)軟、百度等都(dou)采用通用識別的技術，與其(qi)不同的是，阿里(li)則重點布局了行業語音(yin)識別、IoT語音(yin)識別和(he)新零(ling)售語音(yin)識別。
目前應用場(chang)景越(yue)(yue)來越(yue)(yue)復(fu)雜，對語音識別(bie)的要求(qiu)越(yue)(yue)來越(yue)(yue)高(gao)，隨(sui)著模型(xing)越(yue)(yue)來越(yue)(yue)復(fu)雜，語音識別(bie)的效(xiao)率越(yue)(yue)來越(yue)(yue)低(di)；隨(sui)著數據體量越(yue)(yue)來越(yue)(yue)大，訓練時(shi)間越(yue)(yue)來越(yue)(yue)長，迭(die)代速度越(yue)(yue)來越(yue)(yue)慢；并且模型(xing)越(yue)(yue)來越(yue)(yue)大，很難直接在IoT端(duan)進行(xing)部署。
阿里針對這一情況(kuang)，在去年(nian)11月上(shang)線DFSMN模(mo)型(xing)，使(shi)語音識別的錯誤(wu)率(lv)相(xiang)比(bi)之(zhi)前模(mo)型(xing)下降(jiang)20%，同時(shi)效率(lv)提升2倍，可在IoT設備端(duan)應用(yong)，并在今年(nian)6月將這項技術開源。
在具體應(ying)用方面，阿里的語(yu)音技(ji)術(shu)已經廣(guang)泛應(ying)用在家庭(ting)(ting)、車載(zai)、公共空間。比如家庭(ting)(ting)的智能音箱，上汽榮威RX5中的車載(zai)語(yu)音交互技(ji)術(shu)。
而在公共場景(jing)中，今年(nian)上(shang)半年(nian)阿里在上(shang)海地鐵(tie)站推出(chu)語(yu)(yu)音(yin)售(shou)票機，通(tong)過語(yu)(yu)音(yin)與視覺(jue)多模態(tai)組合，幫助乘客快速(su)獲取車票。另外一(yi)個(ge)案例則是在今年(nian)的武漢云棲(qi)大會上(shang)推出(chu)的語(yu)(yu)音(yin)點餐機，通(tong)過語(yu)(yu)音(yin)交(jiao)互的方(fang)式(shi)高效獲取服務。
此(ci)外，阿(a)里的語音(yin)技術也應用(yong)到法院(yuan)庭(ting)審(shen)中，進行(xing)庭(ting)審(shen)信息的速記。據雷(lei)鳴介紹，阿(a)里的智能庭(ting)審(shen)已(yi)經覆蓋了近300家法院(yuan)，6000多個法庭(ting)，并應用(yong)到杭州互聯網法院(yuan)中。
結語：以解決實際問題為導向的達摩院
通(tong)過(guo)阿(a)里(li)(li)達(da)摩院(yuan)四(si)位(wei)專家分享(xiang)和(he)與他們的(de)(de)溝通(tong)，我(wo)們感受最深的(de)(de)一點(dian)就(jiu)是，達(da)摩院(yuan)的(de)(de)科研(yan)(yan)并(bing)非“空中(zhong)樓閣”，而是切(qie)切(qie)實(shi)實(shi)的(de)(de)以解決實(shi)際問題為導向，目前(qian)其(qi)研(yan)(yan)究成(cheng)果以逐漸落地阿(a)里(li)(li)各個業務線。
此外，在技術落地解(jie)決實(shi)際(ji)問題的(de)過程中，無論是(shi)語音識別、機器翻譯(yi)，還(huan)是(shi)機器視覺(jue)，阿里都在嘗試綜合應用多(duo)種技術來解(jie)決實(shi)際(ji)問題。
比如在于機器智能技術實驗室研究員葛妮瑜的溝通中，她也提到，針對自然語言處理（NLP）這個業界難題，他們也在結合漢語的實際情況，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，用多模態的方式來研究NLP技術也是學界的一個方向。
