腾讯优图吴运声：AI标准化识别已具备成熟经验，接下来将聚焦解决中长尾识别问题

经济观察网记者任晓宁 9月3日，在2022世界人工智能大会期间，腾讯优图实验室总经理吴运声向经济观察网记者介绍了腾讯在人工智能视觉领域的最新进展。相较于以往人工智能识别技术需要标注数千张图片进行训练，如今，通过小样本或无样本标注，人工智能亦可实现高达90%成功率的识别。

优图实验室作为腾讯位于上海的人工智能实验室，主要专注于人工智能视觉领域的研究。在小样本识别方面，优图实验室已取得初步进展。例如，其与交通银行合作研发的AI单据识别模型，仅需使用5张样本进行训练，即可达到90%的准确率。

实现小样本识别的关键在于采用了不同以往的人工智能训练逻辑。过去，人工智能识别模型依赖于大量数据的“喂养”，即一个场景至少需要标注并训练数千张图片。而现在，新的逻辑是从人的角度去理解场景。以识别钓鱼场景为例，不再预先标注数千张钓鱼照片供人工智能学习，而是定义一套逻辑：当画面中出现水面、人物、鱼竿以及鱼线时，即可判断为钓鱼场景。

吴运声向记者表示：“过去，我们主要致力于做好相对标准化的功能，例如文字识别、车牌号识别等。如今，人工智能已能熟练完成这些基础辨识工作。当前面临的新课题是如何解决大量非标准化的中长尾功能，从而迈向更加丰富、更加细粒度的元素识别时代。”小样本或无样本识别的主要价值在于节省工作量。在常见的标准化场景已基本被识别后，仍存在数百万种非标准场景。若按照之前的训练方式，庞大的工作量难以完成。此外，随着场景的深入，人工智能需要识别更加细致的内容，例如从识别人脸到识别身体的各个部分，如眉毛、眼睛、嘴巴等，这些都将带来巨大的工作量。

腾讯优图实验室成立于2012年，吴运声自实验室成立之初便担任负责人，从零开始搭建了优图实验室。他透露，今年其工作角色发生了一定的变化，即在负责算法等技术研究的同时，兼任政企业务线产研负责人，从而更深入地接触工业、能源、运营商、文旅、地产等产业，并不断优化人工智能的落地场景。

吴运声还介绍了自去年至今腾讯优图人工智能在各领域的落地情况。在工业领域，腾讯与立铠精密达成合作，针对立铠精密在质检方面存在的“硬件缺陷多样、成像复杂”等难题，优图实验室自主研发了人工智能质检算法，解决了人工目视质检的难题，实现了接近于零的漏检率，每年可为立铠精密节省超过千万元的支出。此外，优图实验室的人工智能技术也在金融、传媒等行业加速落地。