白癜风专家与您相伴 http://m.39.net/news/a_7742875.html雷锋网按：全球人工智能与机器人峰会（CCF-GAIR）在深圳召开，峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，得到了宝安区*府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会，旨在打造国内人工智能领域最具实力的跨界交流合作平台。
雷锋网CCF-GAIR延续前两届的“顶尖”阵容，提供1个主会场和11个专场（仿生机器人专场，机器人行业应用专场，计算机视觉专场，智能安全专场，金融科技专场，智能驾驶专场，NLP专场，AI+专场，AI芯片专场，IoT专场，投资人专场）的丰富平台，意欲给三界参会者从产学研多个维度，呈现出更富前瞻性与落地性相结合的会议内容与现场体验。
大会第二天的计算机视觉专场大咖云集，ICCV与CVPR主席权龙、微软亚洲研究院副院长张益肇、飞利浦中国CTO王熙、旷视科技首席科学家孙剑、中科院分子影像重点实验室主任田捷、国际顶级医学影像分析大会MICCAI联合主席沈定刚等重磅嘉宾纷纷发表精彩演讲。
嘉宾演讲后是备受期待的圆桌讨论环节，五位来自计算机视觉不同细分领域的重磅嘉宾：
汇医慧影创始人兼CEO柴象飞（医疗）图普科技创始人兼CEO李明强（零售与图像审核）睿视智觉CEO龚纯斌（工业）中国科学院计算所副研究员赵地（医疗）中科院深圳先进技术研究院副研究员王鲁佳（驾驶）
在大数金融CTO兼首席科学家、IEEEFellow王强的穿针引线下，围绕技术、产品、资本、竞争等话题展开跨界思想交锋。
以下是圆桌讨论的全部精彩内容，雷锋网做了不改变原意的整理与编辑：
王强：首先我想问下，各位用1-2分钟介绍自己在各自领域中遇到了哪些技术或非技术层面的瓶颈。
汇医慧影CEO柴象飞：影像领域最大的技术难点在于：一、数据量不够；二、数据不全。这意味着我们要在小数据底下建模。刚才沈老师（沈定刚）提到，有例数据就很震惊了，有的疾病只有几百例数据。这给我们提出了巨大挑战。
另外还有数据质量问题。医疗影像AI中有一个很关键的环节——标注，工程人员都不懂。这里边如何做质控，把流程标准化、统一化，也是一个很重要的问题。
中科院赵地：我觉得还有计算力的问题。刚才我在报告里也提到，要做三维、四维甚至五维影像处理，参数量随着维数直线上升。以三维病理影像为例，一个GPU内存只有12G，连一张病理影像都放不下。我们有很多好的想法和设计，但现有的计算能力和硬件设备无法支撑，这是影像行业面临的一个非常现实的问题。
汇医慧影CEO柴象飞：我补充一句。医学影像方面，我们用过英特尔的产品，英特尔共享内存的方式对三维神经网络还是比较有用的，它突破了显存的限制，可以达到G内存。它在二维领域优势可能不明显，但在三维领域还是有所突破的。
图普科技CEO李明强：我们耕耘的是互联网和新零售行业。我觉得这个行业最大的挑战在于没有标准答案。医疗领域，一个人有没有病是有标准的。互联网内容审核领域也有一些标准，但标准在不断变化，我们需要不断用新技术解决人的复杂行为和低俗的识别问题，这是非常困难的。有时候我们会感到茫然，客户提出一个问题，需求很明确，但我们发现这不是某一个现成技术可以解决的。
我们在新零售领域走的路前人没有走过。如何用计算机视觉分析门店中的视频从而获取数据？可以获取哪些数据？客户需要什么样的数据？这些数据对他有怎样的价值？
除了技术的边界，还有产品和成本的边界。假如不计成本地做一件事，也许可以做到；但现实中我们不仅要考虑成本还要考虑稳定性。我觉得很多难点都源于这种平衡。
中科院王鲁佳：从自主驾驶的落地来看，主要瓶颈在于计算机视觉对计算力的要求。系统的稳定性和功耗等问题，在实验室做研究的人是体会不到的。如果让自主物流车或园区车连续在真实场景运行，尤其是在深圳这种天气炎热的地方，功耗就会成为一大挑战，而功耗又会带来稳定性、散热等实际问题。
睿视智觉CEO龚纯斌：我们遇到的挑战是技术落地后的产品化。我们不可能把每一个项目做成保姆式服务，所以我们一直在探索产品的交付问题。
我们也在缩小应用范围，先在某个动态体系内形成智能大脑部署后，再将算法、算力标准化。下一步我们计划把IP做到英特尔的S10上，形成超强算力部署。未来AI一定是中心和边缘同步部署，在小环境内形成产品化部署后，比较容易带来好的商务回报。
主持人王强：那么我再把技术上的瓶颈再往深挖一下。大家都知道，计算机视觉领域，分类器的设计特别麻烦。清晰图像和不清晰图像的分类器设计不同，哪位嘉宾有兴趣谈谈图像上的多层次分类器设计？这个分类器不仅要能定位到人，还要能分割出脸、眼睛、睫毛等细节。
睿视智觉CEO龚纯斌：睿视的核心算法是图片测量理解，我们先提取图片中的标签，再进行理解。但在工业应用中，它不是标准模型，不一定非得设计到层。比如，去年我们解决一个工业问题，发现到7层的时候就已经够用了。产品落地的时候不一定要追求深层次，而是看怎么实用。当然，在学术领域，各位专家可以做更深层次的研究。
主持人王强：龚总很实际，你的分类器不一定要做得多深，而是更追求实用性。下面我想请王博士谈谈，为什么设计分类器时神经网络层次更多的算法更好。
中科院王鲁佳：我认为未来分类器的应用主要在决策层。我们现在做的是园区内的产品，对障碍物的分类还不太细，基本是从动态物体和静态物体的角度来分类，从实用角度出发。我认为后续可以从决策者——比如驾驶员的角度来分，看他更
