0
一周之前，MIT 編輯部致電阿里巴巴人工智能實驗室首席科學家王剛，向他傳達了獲獎訊息，第一個蹦入王剛腦海的反應是—— I'm lucky . 王剛向雷鋒網表示，在身邊優秀的行業前沿人才如此多的情況下，獲此殊榮，運氣成分要占一定比例。
1、
8月16日，《麻省理工學院科技評論》（MIT Technology Review）雜志揭曉了 2017 年全球青年科技創新人才榜（TR35）的評選結果。這一次，國內阿里巴巴人工智能實驗室首席科學家王剛、阿里云首席安全科學家吳翰清獲此殊榮。這也是自該獎項創立18年以來，首次中國公司里同時有兩人入選榜單。
本次35名上榜者中，共有6位華人，分別是——創立 Project Include 的 Pinterest 軟件工程師周怡君（Tracy Chou）、Law.ai 和 Wafa Games 的創始人龔曉思、柔宇科技創始人兼 CEO 劉自鴻、阿里巴巴人工智能實驗室的首席科學家王剛、阿里云首席安全科學家吳翰清，以及 AutoX 創始人兼 CEO 肖健雄。
該榜單分為 5 大類別：
· 發明家（Inventors）
· 遠見者（Visionaries）
· 先鋒者（Pioneers）
· 創業家（Entrepreneurs）
· 人文關懷者（Humanitarians）
所謂TR35 ，即是針對35歲以下青年科技才俊、為找出最有可能改變世界的牛人而設立的獎項。從 1999 年開始，該雜志每年會在全球 IT（計算機、通信、網絡）和生物醫藥、商業等領域內，從影響力、創新力、進取力、未來潛力、溝通力五個維度進行評估，挖掘學術界和工業界的35位科技創新精英。
此前，Google 聯合創始人拉里·佩奇（2002年）和謝爾蓋·布林（2002年），Linux 之父林納斯·托瓦茲（1999年），Facebook 創始人馬克·扎克伯格（2007年），Yahoo 創始人楊致遠（1999年），Apple 設計總監喬納夫·伊森（1999年）等，都曾是該獎的座上賓。
對于獲獎原因，王剛對雷鋒網表示，評審團應該也是主要考量候選人對后續科技發展帶來積極的趨勢性影響。正如《MIT Technology Review》總編輯兼發行人Jason Pontin所說，“這些年來，我們所選擇的這些青年才俊的創新成果和公司一直深刻地影響著人類進步的方向。”
2、
王剛是誰？
前新加坡南洋理工大學終身教授，同時也是人工智能領域最頂尖雜志IEEETransactions on Pattern Analysis and Machine Intelligence的編委(Associate Editor)，曾多次受邀成為人工智能頂級學術會議如InternationalConference on Computer Vision的領域主席，在深度學習算法領域具有深厚的研究積累和國際權威。
今年3月，王剛加入阿里巴巴AI Labs，負責機器學習、計算機視覺和自然語言理解的研發工作。
實際上，早在2016年，王剛因在深度神經網絡設計上的卓越貢獻，便已成為MIT評選出的10名亞洲區35歲以下青年科技創新人才得主之一。在加入阿里巴巴之后，因推動了AI商業化再次入選了MIT全球青年科技創新人才榜。今年7月，阿里AI labs發布的人工智能消費級產品“天貓精靈X1”，就運用了王剛的多項研究成果。
談到與阿里的結緣，王剛向雷鋒網表示，可以追溯到去年，即與阿里內部人員有過接觸。阿里人工智能實驗室定位為提供消費級 AI 產品緊密相關，而其優秀的人才團隊與技術資源，可以輔助王剛將其耕耘多年的深度學習算法技術實現真正落地，離消費者更近、直接創造C端產品，這也是他決定加入阿里的重要原因
加入阿里之后，王剛將主要精力放在AI labs上，人工智能新硬件與降低智能終端成本、生物認知啟發、量子力學等，都是實驗室正在攻克的方向。目前主要推出的落地產品，即為天貓精靈X1 。
對于目前智能音箱行業的泡沫現象，王剛對雷鋒網表示，目前行業還處于早期培育階段，每個新生事物出現時，都要遭受很多質疑，而支撐條件都是后天創造出來的。相信，未來在較短時間內，就能看到智能音箱產品逐漸成為大眾喜愛的產品。“不要受限于用戶現有的習慣 要為用戶創造習慣。”王剛這樣強調。
具體技術上，天貓精靈使用了AliGenie第一代中文人機交互系統，能夠精確理解用戶語言，進行智能對話，同時提供個性化用戶服務。阿里AI Labs將AliGenie開放給開發者、硬件廠商所使用，即是希望讓更多具有人工智能能力的產品，快速落地，被消費者所使用。
即便如此，王剛對智能音箱未來的看法，仍是堅持“語音+視頻”是大趨勢。他認為，語言、圖像，包括觸摸、氣味等的輸入，會使學習更高效。當然，面臨的挑戰也同時存在，“這是一個漸進的過程。”
阿里人工智能實驗室辦公室
3、
加入了阿里人工智能實驗室的王剛，具體帶來哪些落地技術？
王剛主要的研究領域集中在深度神經網絡上，他為阿里巴巴帶來的貢獻之一也來源于相關的研究成果。深度神經網絡是一項關于機器學習的研究，它能夠讓機器在海量數據中尋找規律，自動對數據進行分析。同時，此項技術也是AlphaGo的基礎理論之一。
但目前，據雷鋒網了解，大多數現有神經網絡均需要科學家具備某一專業領域的相關知識才能驅動，不同的領域的神經網絡所需要的知識理論也完全不同，這就極大地限制了神經網絡的大規模應用。
例如，當我們在做圖片匹配時，不同的圖像對應的相似區域是不一樣的。但是大部分現有方法都沒有考慮到這樣的差異性，從而限制了深度學習的效果。
針對于此，王剛在深度神經網絡的研究中，提出了自適應神經網絡。它降低了人工篩選數據的工作量，能夠根據輸入的數據特點，自適應的匹配數據進行學習，從而極大的增強了神經網絡的效果。這個方法在很多重要的機器學習問題上都取得了比傳統方法更好的結果，也應用到了AI labs的具體產品中。
本質來講，神經網絡是人工智能的“大腦”，這項研究讓人工智能具備更強的學習能力，從“應試教育”進化到“自主學習”。
以行人的識別為例，在多個場景和攝像頭之間實現行人的再次識別，是視覺分析和場景監控的核心技術。但，由于行人在不同場景下的變化，穩定的行人再識別是非常有挑戰的問題，因此，王剛創新地提出了一種神經網絡結構。
行人再識別的問題是輸入兩張圖片，然后去識別這兩張圖片里是否包含了同一個人。傳統的神經網絡方法，是在最后的特征表達層上，將兩張圖片結果進行相似比較，而該網絡結構創新地提出了門匹配的機制——在兩張圖片的各個中間特征層之間加入門匹配機制。
門機制圖解
這種起源于LSTM的門機制，可以在特征抽取的過程中，通過比較兩張待匹配照片之間的相關性，對那些有助于行人再識別的特征進行強化，從而較好地提升行人再識別的準確率。這種可以訓練的門機制，不僅保留了端到端訓練，而且實現了在預測過程中根據不同輸入情況進行特征抽取的控制，是對傳統多層神經網絡的非常重要的改進。
雖然這是一項圖像識別技術，但核心的門匹配機制可以擴展到多個技術領域，實現更高精度的識別率。這一技術思路也同樣將應用在AI labs的產品中。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
