【大咖说】众安科技陆王天宇：谈谈深度学习领域那些事儿

带着这些问题，众科院专程采访了我司数据科学实验室的陆王天宇老师。

以下是众科院的专访实录：

众科院：您是如何理解深度学习的？它是一个工具、一门技术还是其他什么？

陆王天宇：深度学习如果狭义一点理解的话，是一个工具。人工智能大家以前叫它机器学习。但是随着模型的不断发展，能解决的问题越来越复杂，大家就会把更广义的东西说成人工智能。而这个发展本身是由深度学习建模带来的。

深度学习真正的发展起来，可以认为是从06年左右开始的。以人工神经网络为例，五十年代的时候仅能做一层的网络，就像人眼看到一个画面，先由视觉对这个画面做一个简单的识别，回传到大脑，再次识别，大脑再去对下一个行为发出指令，是一层一层的。八十年代，只能做两层，其实是可以做三、四层的，但是发现三、四层还没有两层的效果好。到06年左右，真正意义上的多层网络开始出现。到现在上百层都很常见，深度学习其实是在强调这个概念，这个名字就是这么来的。

人工智能这个领域本身是经历过几轮的热潮。人工智能这个概念从上世纪五十年代就提出来并形成了第一轮的热潮，06年的时候已经是第三轮热潮了，中间起起伏伏。每一次热潮，大家都认为只要把规模做的足够大，就离取代人类的日子不远了，但无一例外的是每一次都以失败告终。

众科院：为什么每一次都会以失败告终？是技术远远达不到标准吗？

陆王天宇：五十年代的时候，有些模型随着计算机的出现，可以做一些简单的分类和计算。当时大家就想当然的认为只要规模做大，赶上人类是迟早的事儿。但到了六十年代的时候，大家突然发现一个线性分类的问题。就是一条线把一个平面分割成两半，简单来说就是只能解决单一维度的问题。但是现实生活中的问题远远不是单一维度就可以解决的，实际情况要复杂的多。

直到八十年代，才能解决一些稍微复杂的问题，但是离真实的生活和真实的业务场景还很远。即使到了今天，应用的层面还是很小的一部分，只不过五十年代、八十年代那会小的更夸张。所以，纵观整个人工智能的发展，一直都有两个弊端存在。一、错误率较高；二、识别的内容比较简单。其实要真正实现所谓大家口中的人工智能，还需要很长的时间。

众科院：在辅助驾驶环节，深度学习模型有什么具体的应用？

陆王天宇：辅助驾驶的环节上，偏图像基本都是用深度学习模型来处理，包括操控其实也或多或少用了一些深度学习的技术。其实，在我的观点里，自动驾驶离落地真的还很远，就比如说，前面有障碍物有行人走过，我是不能出一点差错的，障碍物出差错还好，可能只是用户体验差一点，但是不会出事。但如果前面有行人走过并且识别不出来，这个问题就比较严重了，而且这个识别肯定不会是百分之百的，所以辅助驾驶就是要在用户驾驶的过程中起到一些提醒的作用。

众科院：具体到保险，深度学习会应用到哪些环节，起到什么样的作用？

陆王天宇：如果直接从技术角度来讲，大方向上会利用到图像、语音识别、自然语言处理这三块。比如我们开篇提到的车险，车险里的自动定损，就是通过识别上传的理赔图片，来判断这辆车的型号、车的什么部位破损以及破损程度。再比如对个性化保险的定制，因为保险科技未来必定是极大个性化的保险，每个投保的东西一定是有风险的，这个风险值本身是多少？

就比如在车险这件事上，只通过图片上传还不够。目前我们正在探索通过深度学习的方式直接对视频进行处理，然后建模。当然这个挑战是会更大一点，因为直观一点说，一个视频就是连续不断的图像拼接起来的，两年前的深度学习还是把视频切成一帧一帧，然后再把每一帧当做图像去处理。我司现在主攻的方向是把连续的时间的轴线一起放进去，放到模型里进行处理，但这也对计算和模型提出了更高的挑战，未来如果说它相应的模型建出来的话，带来的效果也是很好的。

众科院：在保险领域，我们有什么样的特点？

陆王天宇：我们主要的特点还是在于垂直场景的整合，不做水平领域的供应商。就像你写代码一样，会有一大堆的工具，我们不造这样的“轮子”，我们只打造最适合自己业务场景的“轮子”。

众科院：未来的图像识别技术除了在保险金融行业外，还会应用在哪些领域？

陆王天宇：其实深度学习对于未来的智能化世界，应用会非常广泛。

举两个小例子：比如说智能助手，主人想要明天去理发，它会自动的打电话给理发店，理发店是真的人子再接电话，这个只能助手就可以完成整段的交互，包括预约的时间点啊等等。这个本质上是实现一个多轮对话，当然多轮对话是一个很难的有挑战性的东西，咱们目前也在做这方面的研究，而且已经有成型的Demo了。

再比如说，跟我们保险有点关系的一个场景是对安全的一个监控，建筑工地上的所有工人在出发工作之前，是否把安全的防护设备都佩戴整齐，头盔啊、衣服是否穿戴完备啊等等。

相信在未来，深度学习应用前景是非常大的。而且会逐步拓展，慢慢应用到我们生活中的方方面面。