全球今亮点！腾讯优图吴运声：AI的标准化识别早已驾轻就熟，下一步是解决中长尾识别

(相关资料图)

经济观察网 记者 任晓宁 9月3日，2022世界人工智能大会期间，腾讯优图实验室总经理吴运声向经济观察网记者介绍了腾讯在AI视觉领域的最新进展。以前，AI识别需要标注几千张图片，训练之后才能做出识别。现在，小样本或者无样本标注，AI也能做到90%成功率的识别。

优图是腾讯位于上海的AI实验室，主要侧重人工智能视觉领域。在小样本识别方面，目前优图已经有了成功案例，其和交通银行(601328)一起研究AI识别单据的模型，用5张样本训练，可以做到90%准确率。

现在之所以能做到小样本识别，是因为使用了不同的AI训练逻辑。以前的AI识别模型是用大量的数据“喂”出来的，一个场景至少需要标注并训练几千张图片。现在的逻辑是，从人的角度去理解一个场景，比如识别一个钓鱼的场景，不再先标注几千张钓鱼的照片让AI学习，而是定义了一个逻辑：当有水面，有人，有杆子，杆子上有一条线时，很可能就是一个人在钓鱼。

“过去我们面临的主要课题是如何把相对标准化的功能做好，比如文字识别、车牌号识别，如今这些基础的辨识工作，AI早已轻车熟路。一个新的课题是如何解决大量非标准化的中长尾功能，迈向更加丰富、更加细粒度的元素识别时代。”吴运声告诉记者。小样本或无样本识别的主要价值在于节省工作量。当常见的标准化场景已基本识别完毕后，非标准的场景可能还有几百万种，如果按照之前的训练方式，庞大的工作量是很难完成的。并且，随着场景深入，AI需要识别更加细致的内容，比如以前只能识别人脸，之后人体的每一部分，眉毛、眼睛、嘴巴都需要识别，这些工作量也很庞大。

腾讯优图实验室成立于2012年，吴运声在实验室成立之初就担任负责人，从零开始搭起了优图实验室。他告诉记者，今年他的工作角色有了一些变化，之前他只负责算法等技术研究，现在则兼任政企业务线产研负责人，更深入地接触工业、能源、运营商、文旅、地产等产业，打磨AI落地的场景。

吴运声也介绍了去年至今腾讯优图AI落地的情况。在工业领域，去年，腾讯与立铠精密达成合作，在了解到立铠精密存在“硬件缺陷多样、成像复杂”等质检难题后，优图自研了AI质检算法，解决了人工目视质检的难题，实现漏检率接近于0，立铠精密每年可节省超千万的支出。在金融、传媒等行业，优图的AI技术也加快了落地。