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

近年来,从大数据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物体识别和图像解译任务的发展。

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。

产业融资创业公司朱松纯暗物智能科技
1
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
商汤科技机构

商汤科技成立于 2014 年,专注于计算机视觉和深度学习的原创技术,是中国领先的人工智能头部公司,估值超过 45 亿美金。以「坚持原创,让 AI 引领人类进步」为使命,商汤科技建立了国内顶级的自主研发的深度学习超算中心,并成为中国一流的人工智能算法供应商。商汤科技不仅在技术实力上领跑行业,商业营收亦领先同行业,在多个垂直领域的市场占有率居首位。目前,商汤科技已与国内外多个行业的 400 多家领军企业建立合作,包括 Qualcomm、英伟达、本田、中国移动、银联、万达、苏宁、海航、中央网信办、华为、小米、OPPO、vivo、微博、科大讯飞等知名企业及政府机构,涵盖安防、金融、智能手机、移动互联网、汽车、智慧零售、机器人等诸多行业,为其提供基于人脸识别、图像识别、视频分析、无人驾驶、医疗影像识别等技术的完整解决方案。

www.sensetime.com
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
朱松纯人物

朱松纯是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,现任美国加州大学洛杉矶分校 [UCLA] 统计系与计算机系教授,UCLA计算机视觉、认知、学习与自主机器人中心主任。

相关技术
李飞飞人物

李飞飞,斯坦福大学计算机科学系教授,斯坦福视觉实验室负责人,斯坦福大学人工智能实验室(SAIL)前负责人。专业领域是计算机视觉和认知神经科学。2016年11月李飞飞加入谷歌,担任谷歌云AI/ML首席科学家。2018年9月,返回斯坦福任教,现为谷歌云AI/ML顾问。10月20日斯坦福大学「以人为中心的AI计划」开启,李飞飞担任联合负责人。11月20日李飞飞不再担任SAIL负责人,Christopher Manning接任该职位。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

图像分割技术

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。从数学角度来看,图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程,即把属于同一区域的像索赋予相同的编号。

数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

因果推理技术

基于因果关系的一类推理方法,是一种常见推理模式,涉及观察到的共同效应的原因的概率依赖性。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

自然语言理解技术

自然语言理解是人工智能的核心课题之一,也被广泛认为是最困难和最具标志性的任务。最经典的两个人工智能思想实验——图灵测试和中文房间,都是围绕自然语言理解来构建的。自然语言理解在人工智能技术体系中的重要性不言而喻,它一方面承载着机器和人的交流,另一方面直达知识和逻辑。自然语言理解也是人工智能学者孜孜以求的圣杯,机器学习的巨擘 Michael I. Jordan 就曾经在 Reddit 上的 AMA(Ask Me Anything)栏目中畅想用十亿美元建立一个专门用于自然语言理解的实验室。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

聊天机器人技术

聊天机器人是经由对话或文字进行交谈的计算机程序。能够模拟人类对话,通过图灵测试。 聊天机器人可用于实用的目的,如客户服务或资讯获取。有些聊天机器人会搭载自然语言处理系统,但大多简单的系统只会撷取输入的关键字,再从数据库中找寻最合适的应答句。

物体识别技术

计算机视觉领域的一个分支,研究物体的识别任务

百度机构

百度(纳斯达克:BIDU),全球最大的中文搜索引擎、最大的中文网站。1999年底,身在美国硅谷的李彦宏看到了中国互联网及中文搜索引擎服务的巨大发展潜力,抱着技术改变世界的梦想,他毅然辞掉硅谷的高薪工作,携搜索引擎专利技术,于 2000年1月1日在中关村创建了百度公司。 “百度”二字,来自于八百年前南宋词人辛弃疾的一句词:众里寻他千百度。这句话描述了词人对理想的执着追求。 百度拥有数万名研发工程师,这是中国乃至全球最为优秀的技术团队。这支队伍掌握着世界上最为先进的搜索引擎技术,使百度成为中国掌握世界尖端科学核心技术的中国高科技企业,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

http://home.baidu.com/
加州大学伯克利分校机构

加利福尼亚大学伯克利分校,简称加州大学伯克利分校,又常被译为加利福尼亚大学伯克莱分校,位于美国加利福尼亚州旧金山湾区伯克利市,是一所世界著名的公立研究型大学。其许多科系位于全球大学排行前十名,是世界上最负盛名的大学之一,常被誉为美国乃至世界最顶尖的公立大学。

https://www.berkeley.edu/
推荐文章
暂无评论
暂无评论~