孙剑：旷视不需要用冠军来证明自己自动机器学习技术-仔细观察量子比特

“旷视成立8年。这些冠军，不需要在这些比赛中证明自己。”。

香港科学学院高ˉ在会议中心，“旷视研究院”院长“孙剑”在今年的CVPR“旷视”中达成了6冠。

对于孙剑来说，无论以前在MSRA还是现在担任旷视的首席科学家，实用性都是他对研究的首要考虑。

在香港召开的人工智能及视觉高峰论坛间隙，向孙剑提出了6个问题。

首先简单概述一下，孙剑老师提出了如下意见：

1、大湾区AI顶尖人才众多，制造业中心深圳让AI公司接触到不同的实际需求。

2、看好自动机器学习，一方面可以提高效率，另一方面可能会有新的发现。

3、新人的成长只有一条路，不停地做是非常困难的，自己以前不擅长的问题。

下面，量子比特被省略编辑而不改变其本来的意思。

孙剑：大家对MSRA有误解，MSRA都觉得在做研究。确实有很多人在研究，但是也有很多人在制作技术，应用于产品。

因此，MSRA和旷视工作本身相似，做事情的原理方法基本相同，我自己的风格很实用，所以我想集中精力让正在做的研究尽快产生价值。

来到旷视的原因也是，深度学习的影响很大，可以极大地改变世界，创业公司最接近前沿，最早应用这些技术。另外，深度学习有各种各样的应用场景，因为大企业有主营业务所以不一定关心，但是小公司进行这些场景可以看到行业内亟待解决的本质问题，带来不同的认识。

无论是MSRA还是旷视，大原则基本相同，研究需要找到核心问题，投入精力和时间，坚持下去，“坚持”的品格无论在哪里都非常重要，图像识别是一项长期任务，我们要投入很多精力。

我们相当于公司研发的中台。在很多情况下，它和研究过程一样努力提高精度，使效果达到最佳。因此，需要用研究的方法来解决，聚焦视觉核心问题，不断投入人和精力，不断前进。这样，产品技术才能不断进步，这是我们能够很好地将研究与产品技术结合起来的原因。

MSRA和旷视的规模不同，以前微软没有这么多人同时做，但是微软研究院整体上全世界可能有50名计算机视觉研究员，当时在世界上已经非常大了。我们目前旷视研究院的计算机视觉开发人员已接近500人，计算机视觉这个问题投入了更多的精力，更多的人可以解决。

还进行了旷视基础训练系统，Brain++人工智能深度学习基础框架，我们专业拥有工程团队的自我研究深度学习引擎。

日前，量子比特报道了“旷视研究院”算法总监“范浩强”在CVPR上的第四次世界冠军，此前“旷视”也曾获得MS COCO的数项冠军。

孙剑：我们称之为研究院，一直是产品技术优先的研究院。也就是说，研究成果可以直接或间接地应用于产品，这也是计算机视觉的特性，可以广泛使用而不是本末倒置，成为冠军证明自己。

旷视在成立第八年，这些冠军，不需要在这些比赛中证明自己。你需要用更强、最好、与众不同的产品来证明自己。

今年CVPR获得了6个冠军，事先不知道他们参加了比赛。

关于交论文，我既不鼓励也不反对。很多论文都是实习生做的，我们也会指导他们。

孙剑：旷视在内部，Brain++有两个意思。狭义的Brain++指的是我们核心的训练引擎。当时我们做的时候还没有TensorFlow，所以我们Brain++的第一版出来之后就发表了TensorFlow，但是和当时相比TensorFlow不太成熟。但是我们比TensorFlow好，所以我们一直用自己的Brain++。

相反的优点是，旷视的Brain++可以在计算机视觉方面进行许多特定的优化。

TensorFlow虽然是开源，但核心部分由谷歌控制，定期更新。但是，我们所进行的各种应用，都需要对深度学习训练引擎迅速进行我们所追求的改进，天下武功只是不快破，市场竞争要求我们必须快。使用自己的Brain++，我们想要一个功能。你可能会在下周把它放进去，但你可以先用它来加快研发速度。

随着研发的扩大，旷视核心培训引擎开拓了自己的AI技术生态，即广义的Brain++。作为团队协同平台和算法工厂，广义的Brain++不仅包括现有的训练框架，还包括数据管理平台和计算平台。

今天旷视更多要提及的是广义的Brain++，作为公司级的AI培训平台，需要管理数以万计的GPU，为了让更多的人一起有效地管理这些计算资源，数据量非常大标准的开源系统无法完成这些东西。

旷视Brain++平台的一个特色是，每个人都可以以虚拟机的形式攀登，与其他大型企业调试后提交job的方式不同，旷视虚拟机的方法不仅可以提供桌面体验，还可以在大型系统上运行可以边训练边调试，这是别人做不到的，但是这种方法对提高研究员的效率是非常大的。

此外，如果许多人在一起共享计算资源，则当资源空闲时，其他人可以自动调动，这组高效的集合也由Brain++管理。

Brain++平台还支持TensorFlow、PyTorch等各种开源框架的使用，目前我们的引擎非常完善，所以大家都会积极选择优先考虑自己的Brain++。这个工具的学习曲线非常平，新人很快就能学会。

孙剑：不仅是香港，整个大湾区政府都将非常鼓励AI的发展，创造良好条件。香港的学校培养高质量的学生，学生资源很好。此次参与也希望参与大湾区AI的讨论，希望覆盖湾区。

在香港的业界和学术界，Face++这个产品可能不太为人所知，但是旷视这个公司，产品比公司更火的状态。

此外，我们与香港几位计算机视觉教授有长期合作，与权龙（香港科技大学教授）有旷视-香港科学大学联合实验室，该实验室主要是三维与识别相结合的方向，另一方面我们也可以共同培养人才。

比较北京和香港的AI人才环境，北京的特点是人才密度高、总量大，是全国高校最多的城市。在广东省港澳大湾区，AI顶尖工作人员众多，发展迅速，环境良好，对人才的吸引力很大。因为全世界的制造中心深圳就在这里，所以有不同行业的需求，创业或做其他事情都要从需求出发。这是一个很大的优势，可以更接近顾客。

孙剑：自动机器学习是一个非常有前途的方向，自动机器学习不仅限于网络结构模型，其实已经是一种思想，在开发pipeline中，损失函数、训练数据采样/增强/放大、超参数都可以搜索，不仅限于搜索简单的网络结构打开一扇门，融入了许多新思想，这种搜索工具方法打开了许多研究机会。

未来可以带来很多变化，一方面可以提高效率，不需要人工调整，另一方面，人工无法发现的事情也可能真的发现。

孙剑：年轻人来到旷视的最大诉求是追求成长，至少毕业后3~5年如何快速成长是第一位的。

我们让他们寻找挑战性的任务，帮助他们成长，在研发过程中不仅关注项目，也关心每个人，如何激励他们，让他们能够加速成长。

我们也分了一个队，这些队的负责人比我刚来的时候成长了很多。成长只有一条路，非常难，不断解决自己以前不擅长的问题。这样才能不断地成长，队伍成立之后也会带着新加入的年轻伙伴继续成长吧。

成长中的焦虑是一个必须的过程，没有焦虑可能成长缓慢。读博士要有一个黑暗期，一个迷茫期，让你看不到希望，让这个黑暗期过去了你会变得更强，需要这个焦虑的过程。

面对焦虑，第一，我们研究院勇敢的成长，开放的心态，growth mindset，成长的心态，很多东西都可以改变；第二，我们要寻求做难事的勇气，要有挑战，要勇于接受挑战。

希望计算机视觉领域的新人，能好好工作，弄清事物的基本原理，有成长心，不断提高自己。

如果你进入博士课程，你会有3~5年的悠闲时光，但你会认真思考一件事，好好理解一个方向。如果你去公司，研究水平高的人会集中在一起。与许多处理计算机视觉的研究室相比，我们位于前列。这样做可以加速你的成长。