暗物智完成数千万美元Pre-A轮融资,强认知AI平台的开拓者

sunlinyi 2019-04-02

近年来,从大数据到深度学习,人工智能的发展似乎渐入佳境。但仅仅有了会学习的机器还是不够,就目前人工智能发展状况而言,大多研究和产品还集中在大数据技术层面,属于「大数据、小任务」的技术范式,即需要大量的数据作为训练基础,而训练所得的结果往往只适用于个别特定任务,不具备解释和泛化能力。如此看来,人类距离真正高阶的人工智能还有一段距离。

近日,机器之心获悉,以「小数据、大任务」为技术范式的暗物智能科技(以下简称「DMAI」)已完成数千万美元 Pre-A 轮融资,其致力于打造新一代基于强认知的人工智能技术平台,并赋能垂直行业。本轮融资由赛领领投,IDG、鼎晖、高捷、将门等知名投资机构共同参与投资。值得关注的是,这家强认知 AI 平台公司是由全球著名计算机视觉专家、统计与应用数学家、人工智能专家朱松纯教授创办。具有强认知能力的 AI 技术为何能获得资本青睐?人工智能的未来将何去何从?

AI 变局时代的机遇和挑战

深度学习的兴起让人工智能迎来了它的高光时刻。

AI 从科幻电影全面走进日常生活——它是能解放我们双手的机器人,它是能听说读写的翻译程序,它是能看到并「认出」我们的人脸识别技术,它也是能和职业围棋手、专业游戏选手对战的顶尖高手……计算机智能超越人类的「奇点时刻」似乎正在逼近。

然而,目前让机器人随机应变地抓取固定物体都是极其困难的任务,而如果让机器人进入救灾现场,它们可能会被电缆缠得无法动弹,更遑论取代专业的消防员。显而易见,我们距离真正的人工智能还有一段距离。

从当下人工智能的发展现状看,大多数研究和产品还在采用大数据分析和深度学习方法,往往针对某个特定任务,用大量数据训练特定模型,属于「大数据、小任务」的技术范式。

其实,早在 2005 年,朱松纯教授就领衔成立了国内首个非营利性的研究机构——莲花山计算机视觉研究院,并筹建了世界上最早的大数据标注团队,发布了精细化程度最高、语义信息最丰富的大规模数据库 LHI Dataset。其标注的广度和精细程度为世界领先,并推动了计算机视觉的物体识别和图像解译任务的发展。

暗物智完成数千万美元Pre-A轮融资,强认知AI平台的开拓者

莲花山计算机视觉研究院研讨会合照,图源:百度百科

2005 年到 2009 年,这个大咖云集的研究院受到了学术界的广泛关注,期间多次举办大型前沿学术讲习班及国际学术会议,也吸引了一大批国内年轻学者交流访问,其中不少人在日后都成长为计算机视觉与人工智能领域的顶级专家。

在 2005 年的莲花山计算机视觉研究院首场研讨会中,参会人员包括后来为大量图像数据收集与标注做出突出贡献的多位著名科学家,如 Berkeley 图像分割数据库原创者 David Martin(上图 1 排左 4),MIT 教授、LabelMe 数据库的原创者 Antonio Torralba(上图 2 排右 3),Stanford 教授、前谷歌云人工智能和机器学习首席科学家李飞飞(上图 3 排右 5)等。

在此期间,也涌现出一大批具有重大影响力的成果。如朱松纯教授与团队提出了第一个基于图像内容解析的文本描述生成计算框架, 该论文发表于 Proceedings of the IEEE,并被 MIT Technology Review 专门报导。

也正是在做数据标注的过程中,朱松纯及其团队发现了人工智能研究领域的新课题——无论穷尽多少数据,机器都无法解释物体和场景的物理属性、使用功能、行为因果和人的意图及价值观等。于是,在 2008 年,朱松纯便带领其团队转向人工智能认知领域的研究,专注于视觉常识的建模与物理、社会常识,并引领了美国人工智能跨学科研究方向。

为什么现在的聊天机器人往往是在「扯白」?因为在语言产生之前,人类就已经具备丰富的认知基础,但目前机器人显然缺乏这种「常识」,缺乏对外部世界的感知、对运动的因果推理。

视觉常识和认知推理可能是未来人工智能需要跨越的最大障碍。针对深度学习缺乏泛化、解释等种种弊端,美国相关高等研究机构于 2018 年 9 月宣布开发下一代人工智能技术, 旨在提高人工智能的先进性,使新一代机器学习获得类似人类的交流与推理能力,有能力识别新的场景和环境并加以适应。

需要澄清的是,人工智能并不等于深度学习。自 1980 年代以来,人工智能经历了计算机视觉、认知科学、自然语言理解和多模态对话、机器学习、机器人及博弈理论六大学科「百家争鸣」的时期,正处于机遇和挑战并存的大变革时代。在人工智能领域深度学习同质化竞争愈演愈烈的当下,新的技术理论突破或许才是破局的关键。

勇闯行业「无人区」的开拓者

当科学界、工业界就此展开热烈讨论之时,已经有人迈出了第一步。2017 年,莲花山研究院团队的几位主力再次聚首,并创办了 DMAI。

DMAI 在国际上率先提出颠覆性的「小数据、大任务」技术范式,致力于研究可解释、可追溯、安全稳定和可以自我诊断的新一代 AI 技术,而求解的关键在于挖掘「暗物质」。

现代物理学界的主流观点认为,宇宙中存在不可见的物质——暗物质。宇宙间可探测的物质与能量只占 5%,其余 95% 的暗物质与暗能量虽至今还无法观测,却蕴含了宇宙存在和演化的奥秘。

与此类似,在人工智能领域也存在「暗物质」,如物体功效、因果链条、行为动机、价值决策、内心认知等关乎智能体存在发展的大量「常识」,是现阶段人工智能领域尚待探索的「无人区」。

如今,DMAI 正通过挖掘人工智能领域的「暗物质」,在「小数据」的基础上实现「大任务」,并朝着真正高阶的人工智能之路迈进。

多年来,DMAI 的创始团队在人工智能领域已有深厚的研究沉淀,并在这条探寻之路上攻坚克难,而今终于迎来融合六大学科的「大一统」曙光。

这无疑是一条极少有人走的路,尤其在互联网行业紧缩、贸易保护主义盛行、行业壁垒重重的当下,作为逆流而上的开拓者,DMAI 注定要面临更多的挑战。尽管如此,DMAI 并没有选择做行业里随波逐流的追随者,而是做勇闯行业「无人区」的开拓者。

1969 年,互联网的第一个节点诞生在 UCLA Boelter Hall 三楼, 用七层协议实现了计算机之间的通讯。人类的发展历程中总有一些有趣的巧合,就在同一栋建筑的顶楼,朱松纯教授首次提出人工智能的五层认知架构,旨在实现机器与人类在多模态下的通讯与交流。该构架也将进一步打通互联网与社交网络,达到人机共生共存的目标。

值得注意的是,这一颠覆性的技术范式背后,是国际顶级的人工智能研发团队。DMAI 自成立伊始就带着「国际化」的基因——公司目前拥有美国洛杉矶和中国广州双中心,研发团队主要由来自 UCLA、CMU、英国剑桥大学、伦敦大学等顶级名校的知名科学家以及来自谷歌、微软等世界五百强科技企业的资深工程师组成。核心成员长期从事人工智能基础和底层技术研究。

人工智能行业技术门槛高,AI 人才尤其是高端人才一直是高度稀缺资源,也是谷歌、微软、国内 BAT 等巨头布局 AI 的「必争之地」。而行业在评估 AI 创业团队的实力时,除了成员学历背景,其学术成果更是关键指标。

DMAI 的创始及研发团队迄今在计算机视觉、自然语言理解、机器学习、大数据等各领域顶级期刊和会议发表原创性学术论文 500 余篇,拥有国际/国家发明专利近百项,数十次摘得国际国内学术或科研大奖。

DMAI 创始人朱松纯教授于 1996 年获哈佛大学计算机博士学位,在国际顶级期刊和会议上发表论文 260 余篇,三次问鼎计算机视觉领域的马尔奖,并获得由国际认知科学学会颁发的认知建模奖、获赫尔姆霍茨奖、国际模式识别协会 J. K. Aggarwal 奖等。(引自百度百科)

事实上,在加入 DMAI 之前,团队中已经有不少人在各自的领域做出了出色的成绩,并获得业界和学术界的高度认可。

DMAI 大中华区首席执行官林倞,美国加州大学洛杉矶分校博士后,IET Fellow。林倞曾担任商汤科技执行研发总监及研究院副院长,在人工智能领域拥有丰富的实战经验,并获得吴文俊人工智能自然科学奖,多次领导和实施大规模高并发的 AI 应用项目,成功服务于亿级别终端用户。

DMAI 美国区 CEO Mark Nitzberg,哈佛大学计算机博士,Mark 的经验包括:担任加州大学伯克利分校与人共存的人工智能研究中心 (CHAI) 执行总监;拥有 20 多年硅谷创业经验,在硅谷创立多家 IT 公司,并被亚马逊等成功收购。

同样毕业于美国加州大学洛杉矶分校的赵明天,现任 DMAI 首席技术官,负责整体技术研发和工程方案的制定与实施。赵明天博士及博士后研究涉及基于时空与或图的视频解译算法,任职谷歌期间先后担任广告反欺诈机器学习平台技术主管、谷歌自主云项目的创始成员和第一位工程师,负责优化谷歌云产品和服务的可用性。

「我只是想做些更有意义的事情。」对于加入 DMAI 的初衷,赵明天给出的答案似乎过于简单。但这背后的隐喻也再次揭示了 DMAI 的开拓者基因——大多数人都是被时代裹挟前进并为时代所改变,只有极少数的人正在尝试用他们的智慧、勇气、胆识引领、改变这个时代。

在逐步构建和完善通用化技术平台的同时,DMAI 也将深耕智能化教育、健康医疗等垂直领域,为社会和人类发展谋福祉。

相关推荐