我們也非常重視系統(tǒng)的建設(shè)，我們有自己研發(fā)的MegBrain深度學習引擎和Brain++平臺。如果說研究的價值在于去探索邊界之外的東西，那邊界之內(nèi)的，比如網(wǎng)絡(luò)結(jié)構(gòu)的搜索，都應(yīng)該用機器來完成。我們的產(chǎn)品中常常會有的定制算法的需求，很多時候大框架都差不多，數(shù)據(jù)工程師把數(shù)據(jù)整理和準備好以后，就直接用系統(tǒng)把各種類型的模型都嘗試一遍，最后挑選出一個不錯的。

新智元：你提到了數(shù)據(jù)工程師，現(xiàn)在曠視在數(shù)據(jù)方面投入多少？有多少人標注數(shù)據(jù)？

唐文斌：全職標注的大約有300人，不算在600多人的團隊里面。我們還有很多工作是外包完成。我們內(nèi)部有標注的數(shù)據(jù)庫是PB級別。

新智元：你曾在清華擔任科協(xié)主席，也帶過中國奧林匹克信息學競賽團隊，可以說你是曠視最開始的首席人才官。你認為目前人工智能人才應(yīng)該有什么樣的特點？曠視在選擇的時候看重什么特質(zhì)？

唐文斌：我覺得人才的類型是很多樣的，每一種類型的人才都是人才，光會寫paper的人才也是人才，雖然價值沒有那么大。在現(xiàn)在的人工智能發(fā)展態(tài)勢下，我們最需要的是復(fù)合型人才。做產(chǎn)品的時候會有產(chǎn)品經(jīng)理，但人工智能場景下的產(chǎn)品經(jīng)理需要更加復(fù)合。

我們團隊最早的一位同學，員工工號No.  5的“卿爺”，我們現(xiàn)在提供給小米、VIVO人臉解鎖的產(chǎn)品線都是他帶著團隊來做的，他需要有什么樣的能力？第一，懂算法，不一定要懂算法具體是怎么做的，但一定要懂算法的邊界在哪里——堅信這件事情一定能做到，但同時也要了解現(xiàn)在的算法有些東西是真的做不到。第二，有很好的工程判斷力，用算法的方式是從本質(zhì)去解決問題，而有些東西你會通過工程的方法去“不本質(zhì)的解決”，倒推出一個一個設(shè)計。第三，也是更為重要的，需要不斷從用戶的需求、用戶的場景、用戶的價值角度出發(fā)思考問題。這樣一個產(chǎn)品經(jīng)理，他需要比以往的產(chǎn)品經(jīng)理有更多工程上sense，更多算法上的sense。

從工程師的角度來講，我們有一個詞，叫“全棧AI工程師”，我們希望這位同學不僅數(shù)學好，懂算法，編程很強，還非常懂系統(tǒng)；算法編程都很懂才能做引擎，懂體系結(jié)構(gòu)你的引擎才能在不同的平臺上都跑得很好很快。這樣的人非常難找，但也是最強的。比如說我們做Brain++平臺的那幫人，他們提供的是訓練平臺，給到研究人員使用，他們知道Research是怎么使用這些東西，他們自己也隨時都能轉(zhuǎn)變?yōu)镽esearcher。同時，他們考慮Researcher做的哪些事情是沒有價值的，要把它工程化、系統(tǒng)化，最終的目標是消滅Researcher——所有在邊界范圍內(nèi)的Research都由系統(tǒng)來完成，而Research真正要做的事情是突破邊界，探索邊界之外的東西。

曠視在選擇人才的時候也是按照這個標準。如果有這樣的人，我們特別特別希望你能夠加入我們，我們團隊里有很多這樣的人，你跟他們在一起一定會非常愉快。其次，我們也很看重學習能力，現(xiàn)在領(lǐng)域發(fā)展很快，你需要非�？焖俚馗�上節(jié)奏去嘗試你的新想法，所以學習能力和動手速度非常重要。我們也有實習生項目，總之歡迎你來，孫劍老師帶你飛對吧（笑）。

算法與硬件結(jié)合，從源頭抓起控制成像質(zhì)量

新智元：曠視的算法、軟件如何與硬件相結(jié)合？

唐文斌：我們有自己的深度學習引擎MegBrain，這個引擎在不同的品牌上做了非常多的底層優(yōu)化，能夠跑得非�？�。我們最近做的一款智能相機產(chǎn)品，這個相機是業(yè)界第一款全幀率、全畫幅（1080P）智能人像抓拍機。

曠視的全幀率、全畫幅（1080P）智能人像抓拍機

全幀率的意思就是說，每秒30幀，每幀都去抓取，在業(yè)界這個指標是最高的。有的嫌疑人員有很強的反偵察意識，一看到攝像頭會馬上低頭，如果相機不能以非�？斓乃俣茸龀鼋厝�，可能只有100毫秒，一兩幀之后這人就消失了。同時，每一幀都檢測，也能確�？偸悄茏サ劫|(zhì)量最好的一幀，為后續(xù)應(yīng)用服務(wù)。以往的相機在畫面中抓拍做檢測，基本上最多只能抓拍畫面中10到20個人，再多就抓不到了，因為計算量不行。我們可以做到128張人臉，很大的人流也能跟蹤得很好。

我們用的是自己設(shè)計的FPGA芯片，在算法層面也做了很大升級。硬件也好，算法也好，引擎也好，這幾個東西是要聯(lián)合優(yōu)化的。這也是自己做引擎的廠家好的地方，我的引擎可以根據(jù)算法的需求去調(diào)整。

新智元：未來1年曠視會怎樣？未來3~5年呢？

唐文斌：我們分幾個組，研究院大概10%~15%的力量可能在解決2~5年的問題，更多的人在解決一年以內(nèi)的問題，因為創(chuàng)業(yè)公司要務(wù)實聚焦。在介紹產(chǎn)品時候也講過，比如說我們?yōu)槭裁醋鱿鄼C，并不是因為覺得相機賺錢，而是我們想當視頻大數(shù)據(jù)平臺，發(fā)現(xiàn)源頭數(shù)據(jù)不好，后面再怎么分析也沒用，所以我們要在源頭上通過自己的方式把質(zhì)量控制好，讓后面的分析能力能夠更強，形成端到端的解決方案和業(yè)務(wù)價值。

我們希望未來一年左右，在金融和安防這兩個場景下能夠站深、站穩(wěn)，希望在這兩個行業(yè)形成全系列的產(chǎn)品，端到端的解決方案，給用戶一套完整的價值鏈條。我們內(nèi)部有個說法是“4+2+X”，在微型場景下，把臉人車文字這4個要素識別做好，再后希望能夠形成機器人的手和腿，做一些限定場景的機器人應(yīng)用�！癤”是指通過Brain++這個平臺快速做技術(shù)的定制，讓這個場景真正的能夠形成一個完整的產(chǎn)品鏈。但真真實實地講，領(lǐng)域發(fā)展這么快，未來3~5年，我真的不知道！

新智元 AI World 2017即將啟幕

11月8日，在新智元 AI World 2017 世界人工智能大會上，曠視科技首席科學家、曠視研究院院長孫劍博士將發(fā)表演講，聚焦人臉識別等視覺前沿技術(shù)和問題，為我們帶來計算機視覺最新技術(shù)和應(yīng)用的精彩分享。

孫劍博士目前在曠視科技(Face++)擔任首席科學家、曠視研究院院長。2003年畢業(yè)于西安交通大學人工智能與機器人研究所，畢業(yè)后加入微軟亞洲研究院  ( Microsoft Research Asia)，任職首席研究員。自2002年以來在 CVPR, ICCV, ECCV,  SIGGRAPH, PAMI 五個頂級學術(shù)會議和期刊上發(fā)表學術(shù)論文 100+ 篇，Google Scholar 引用  25,000+次，H-index 60，兩次獲得 CVPR Best Paper Award (2009,  2016)。孫劍博士于2010被美國權(quán)威技術(shù)期刊 MIT Technology Review 評選為“全球35歲以下杰出青年創(chuàng)新者”。

孫劍博士帶領(lǐng)的團隊于2015年獲得圖像識別國際大賽五項冠軍 (  ImageNet分類，檢測和定位，MS COCO  檢測和分割)，其團隊開發(fā)出來的“深度殘差網(wǎng)絡(luò)”和“基于區(qū)域的快速物體檢測”技術(shù)已經(jīng)被廣泛應(yīng)用在學術(shù)和工業(yè)界。同時孫劍帶領(lǐng)的團隊的研究成果也廣泛被應(yīng)用在微軟  Windows, Office, Bing, Azure, Surface, Xbox  等多條產(chǎn)品線上。目前孫劍博士正在帶領(lǐng)曠視科技的研究團隊推進計算機視覺技術(shù)的進步和探索其在工業(yè)和商業(yè)上的實踐。