孙剑：旷视不需要用冠军证明自己；看好自动机器学习技术

　　郭一璞 发自 高锟会议中心

　　量子位 报道 | 公众号 QbitAI

　　“旷视成立8年了，不需要用这些冠军、这些比赛来证明自己。”

　　在香港科学园高锟会议中心，旷视研究院院长孙剑这样表达了他对今年CVPR旷视拿下6个冠军的看法。

　　对孙剑来说，不管之前在MSRA，还是现在担任旷视首席科学家，实用性都是他对于研究的第一考量。

　　在这场香港举办的人工智能及视觉高峰论坛间隙，我们向孙剑问了6个问题。

　　先简要概述，孙剑老师提了以下观点：

　　1、大湾区AI顶尖人才多，制造业中心深圳让AI公司接触到不同的实际需求。

　　2、看好自动机器学习，一方面可以提高效率，另一方面可能有新发现。

　　3、新人成长只有一条路，不停的做非常难、自己以前不擅长的问题。

　　以下内容，量子位在不改变原意的基础上略作了编辑。

　　MSRA和旷视在做研究这件事上有什么不同？

　　孙剑：大家对MSRA有误解，觉得MSRA都是在做研究。确实微软研究院有很多人在做研究，但也有很多人是做技术、并应用到产品上去。

　　因此在MSRA和旷视的工作本身很相似，做事情的原理方式基本一样，因为我自己的风格偏实用，希望集中精力让所做的研究能尽快产生价值。

　　来旷视的原因也是因为深度学习影响巨大，能对世界作出很大的改变，创业公司最接近前线，能最快把这些技术应用上去。而且，深度学习有各种各样的应用场景，很多场景因为大公司有主营业务不一定关心，而小公司会去做这些场景，能看到行业里的亟需解决的本质问题，带来不同的认识。

　　无论在MSRA还是旷视，大原则基本上是一样的，研究需要找到核心问题，投入精力和时间，坚持去做，“坚持”的品格不管在哪里都是非常重要的，图像识别是一个长期的任务，我们要投入很多精力。

　　我们相当于在做公司的研发大中台。很多时候是在不断提高精度，跟做研究的过程是一样的，争取把效果做到最好。因此，需要用研究的方法来解决，需要聚焦在视觉的核心问题上，不断投入人和精力，不断前进，这样产品技术才能不断进步，这是我们能够很好地把研究和产品技术结合在一起的原因。

　　MSRA和旷视的规模不一样，以前在微软没有这么多人同时做这件事，整个微软研究院全球总共可能有50个计算机视觉研究员，当时在全球已经是非常大的了。而我们现在旷视研究院的计算机视觉研发人员已经接近500人，计算机视觉这一个问题可以投入更多精力、更多人来解决。

　　另外旷视也做底层训练系统，Brain++人工智能深度学习基础框架，我们专门有工程团队自研深度学习引擎。

　　如何看待旷视一个接一个的世界冠军

　　前不久，量子位报道了旷视研究院算法总监范浩强在CVPR上的第四个世界冠军，此前旷视也拿到过几届MS COCO的数个项目冠军。

　　孙剑：我们叫研究院，但一直都是产品技术优先的一个研究院，也就是说，研究成果可以直接或间接应用到产品上去，这也是计算机视觉的特性，做出来可以广泛使用，而不是本末倒置的要拿冠军证明自己。

　　旷视成立8年了不需要用这些冠军、这些比赛来证明自己，而是需要更强的、最好的、有差异化的产品来证明自己。

　　今年CVPR拿了6个冠军，事前我都不知道他们参加了比赛。

　　至于发论文，我既不鼓励也不反对，很多论文都是实习生做的，我们也会指导他们。

　　夺冠神器Brain++是怎样的存在，和开源框架有什么区别？

　　孙剑：在旷视内部，Brain++有两层意思。狭义的Brain++指的是我们核心的训练引擎，因为当时我们做的时候还没有TensorFlow，我们Brain++第一版出来之后TensorFlow才发布，当时比的话，TensorFlow不算很成熟。但是我们比TensorFlow好，所以我们一直用自己的Brain++。

　　相比之下的优点是，旷视的Brain++可以在计算机视觉方面的做很多特定的优化。

　　TensorFlow是一个大的codebase，虽然是开源的，但还是一些核心部分还是Google在控制，定期会有更新。但我们做的各种应用需要很快对深度学习训练引擎做出我们想要的改进，天下武功唯快不破，市场竞争要求我们必须要快。用自己的Brain++，我们想要一个功能，可能下周就做好放进去了，可以第一时间用上它，加快研发的速度。