導言：

在加入騰訊前，賈佳亞曾與多個人工智能研究機構開展過聯合研究工作，而在加入騰訊后，除了負責計算機視覺、機器學習等人工智能領域的研究外，在賈佳亞的職責中，探索“人工智能與各種應用場景結合”是極其重要的一環。

在大會開始前，我們整理了賈佳亞教授以往的觀點，一起來看一下吧。

賈佳亞

香港中文大學終身教授

騰訊優圖杰出科學家

IEEE Fellow

AI的發展有明顯的壁壘效應

從2013年至今，AI 迅速落地，與普通人的距離越來越近，行業產生了另一個看似矛盾的現象：算法的開源讓人們學習 AI 的門檻降低，但在產業層面，AI 的發展依舊具備明顯的壁壘效應。

賈佳亞認為：每個人工智能團隊要發展，必須充分考慮計算資源，計算平臺，要構建自己的私有計算平臺，必須有非常強有力的人才儲備。如果一個團隊已經有先發優勢，其它團隊想成為后起之秀，必須以更快的速度積累人才、積累框架、積累行業經驗，這非常不容易，也是為什么在產業層面會越來越具有壁壘效應。舉個例子，買一輛汽車很容易，因為汽車產業很成熟，但是如果想開一個廠，再造一批汽車，這就很難。

如何讓科技發揮出更實用高效的社會效益？這是賈佳亞教授正在做的。他帶領的優圖實驗室和騰訊其他團隊希望能開放自己的技術給所有客戶，使得AI技術能夠真正造福于人類生活的方方面面。

計算機視覺應用前景廣闊

在賈佳亞看來，2013年之后，AI 在場景、行業、任務、技術層面有飛躍式的提升。

以工業自動化場景為例，傳統工業自動化是希望在生產中盡量實現流程自動，用機器輔助流水線，盡量減少人工干預，這并沒有涉及到智能，即使有非常先進的機器人做制造，但一個零件生產是否合格，絕大部分還依賴于人做判定。AI則可以打通工業自動化的最后一環，讓所有判定、決策都由機器實現，這就是AI在自動檢測產品以及改進自動生產精度上面的表現。

還有非常重要的一個部分：海量線上內容自動處理。

線下內容有沒有社交價值？能否通過審核？能否給小朋友看，以前都需要大量的人力去觀察和檢測。但現在除了一些特殊問題，所有線上檢測都可以實現自動化。

線上內容的自動處理離不開計算機視覺的應用。計算機視覺的研究目標是使計算機程序能夠解讀和理解圖片，不僅理解圖片的顏色，而且可以更高層地理解圖片的語義及特征。計算機視覺是AI領域中最重要的研究方向之一，但越是研究到深層次越是舉步維艱，登山易而登至山頂難。

從給照片化妝卸妝，到自動駕駛與醫療，計算機視覺越來越成為AI領域中重要的落地項，并將切實地改善人們生活的各個層面。7月28日至29日中國人工智能大會（CCAI2018）將于深圳舉行，屆時賈佳亞將分享題為《大規模圖像理解、分割新進展》的演講，介紹大規模圖像理解與分割的最新進展。主要內容涉及到最先進的語義分詞系統PSPNet，例如性能最好的PANet分段，以及其他用于圖像理解和增強的技術。