近日,，由中國(guó)圖像圖形學(xué)學(xué)會(huì)（CSIG）主辦，合合信息,、CSIG文檔圖像分析與識(shí)別專業(yè)委員會(huì)聯(lián)合承辦的“CSIG企業(yè)行”系列活動(dòng)成功舉辦,。此次活動(dòng)以“圖文智能處理與多場(chǎng)景應(yīng)用技術(shù)展望”為主題，特邀來(lái)自上海交大,、廈門大學(xué),、復(fù)旦大學(xué)、中科大的學(xué)者與合合信息技術(shù)團(tuán)隊(duì)一道,，面向行內(nèi)研究者分享圖像文檔處理中的結(jié)構(gòu)建模,、底層視覺(jué)技術(shù)、跨媒體數(shù)據(jù)協(xié)同應(yīng)用,、生成式人工智能及對(duì)話式大型語(yǔ)言模型等研究及實(shí)踐成果,。

會(huì)上,，合合信息科技股份有限公司董事長(zhǎng)、總經(jīng)理鎮(zhèn)立新博士發(fā)表致辭,，并提到希望通過(guò)這次活動(dòng),，創(chuàng)造產(chǎn)學(xué)研合作機(jī)會(huì)，為推動(dòng)圖像圖形及人工智能行業(yè)的發(fā)展和進(jìn)步貢獻(xiàn)智慧和力量；CSIG文檔圖像分析與識(shí)別專業(yè)委員會(huì)主任金連文教授向與會(huì)代表介紹了中國(guó)圖像圖形學(xué)學(xué)會(huì)的組織架構(gòu),、開展的學(xué)術(shù)會(huì)議,、成果鑒定等服務(wù)，鼓勵(lì)參會(huì)者積極參加學(xué)會(huì)的學(xué)術(shù)活動(dòng),。

理論探索：生成式人工智能將成為未來(lái)十年的研究重心

據(jù)國(guó)際IT研究機(jī)構(gòu)Gartner預(yù)測(cè),，到2025年，生成式人工智能產(chǎn)生的數(shù)據(jù)將占據(jù)人類全部數(shù)據(jù)的10%,。生成式人工智能技術(shù)正加速數(shù)字經(jīng)濟(jì)的發(fā)展,。“企業(yè)行”活動(dòng)中,，上海交通大學(xué)人工智能研究院常務(wù)副院長(zhǎng),、長(zhǎng)江學(xué)者楊小康分享了團(tuán)隊(duì)在生成式人工智能領(lǐng)域的工作，并表示,，目前的生成式人工智能還存在解空間巨大,、宏觀一致性差、微觀清晰度受限等問(wèn)題,，需要通過(guò)數(shù)學(xué),、物理、信息論,、腦認(rèn)知,、計(jì)算機(jī)等學(xué)科交叉研究,，進(jìn)一步夯實(shí)生成式人工智能的基礎(chǔ)理論，通過(guò)“物理+數(shù)據(jù)”聯(lián)合驅(qū)動(dòng),， “虛擬+現(xiàn)實(shí)”深度融合,，助力科學(xué)發(fā)現(xiàn)的加速.

圖說(shuō)：研討會(huì)嘉賓合影 來(lái)源/采訪對(duì)象提供（下同）

楊小康認(rèn)為,，以“識(shí)別——分析”為代表的判別式人工智能推動(dòng)了人工智能前十年的發(fā)展,，接下來(lái)十年，以“合成——重建”為代表的生成式人工智能將成為主流,。

近期頻頻上“熱搜”的ChatGPT是生成式人工智能的典型代表,。復(fù)旦大學(xué)計(jì)算機(jī)學(xué)院教授、上海市計(jì)算機(jī)學(xué)會(huì)自然語(yǔ)言處理專委會(huì)主任邱錫鵬提到,，強(qiáng)大的情景學(xué)習(xí)能力,、思維鏈能力和自然指令學(xué)習(xí)能力是以ChatGPT為代表的對(duì)話式大型語(yǔ)言模型的主要特點(diǎn)，將加速通用人工智能的實(shí)現(xiàn),。

今年2月,，復(fù)旦大學(xué)自然語(yǔ)言處理實(shí)驗(yàn)室發(fā)布了國(guó)內(nèi)第一個(gè)對(duì)話式大型語(yǔ)言模型“MOSS”，引發(fā)業(yè)內(nèi)廣泛關(guān)注,，邱錫鵬是主要作者之一,。“文本所承載的知識(shí)只是冰山一角,，還有很多‘暗知識(shí)’并不是以文本形式記錄的。在未來(lái)的發(fā)展里,，人工智能還有‘具身學(xué)習(xí),、跨模態(tài)學(xué)習(xí)’等更多知識(shí)領(lǐng)域需要學(xué)習(xí)?！鼻皴a鵬說(shuō),。

學(xué)術(shù)前沿：復(fù)雜場(chǎng)景多模態(tài)數(shù)據(jù)分析與理解進(jìn)展迅速

人工智能要實(shí)現(xiàn)多場(chǎng)景“通用”，需要解決多源數(shù)據(jù)的問(wèn)題,?！拔谋尽D像,、視頻是互聯(lián)網(wǎng)上存量最大的數(shù)據(jù),，需研發(fā)相關(guān)算法對(duì)其進(jìn)行有效管理?！睆B門大學(xué)科技處處長(zhǎng),、人工智能研究院負(fù)責(zé)人紀(jì)榮嶸教授認(rèn)為，社交媒體等信息渠道包含了海量非合作,、異構(gòu)化,、跨模態(tài)的數(shù)據(jù),，既蘊(yùn)藏了大量的人類知識(shí)與高價(jià)值信息，也包含了各種自然與人為的噪聲,，對(duì)其分析與處理需要融合類腦計(jì)算,、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等多個(gè)維度的智能技術(shù),。

圖說(shuō)：合合信息董事長(zhǎng)、總經(jīng)理鎮(zhèn)立新博士致辭

紀(jì)榮嶸指出,，連接視覺(jué)與自然語(yǔ)言的“視覺(jué)描述”領(lǐng)域,，是最受關(guān)注且最具潛力的人工智能研究任務(wù)之一 。視覺(jué)和語(yǔ)言的研究應(yīng)是雙向的,，各自的新發(fā)現(xiàn),、新方法可以互相迭代促進(jìn)?？缈臻g,、跨領(lǐng)域、跨任務(wù)知識(shí)遷移方面有較大探索空間,，易于發(fā)現(xiàn)新的科學(xué)問(wèn)題,。

落地實(shí)踐：圖像文檔結(jié)構(gòu)分析、底層視覺(jué)技術(shù)發(fā)展受關(guān)注

語(yǔ)言文字和視覺(jué)研究的融合也為技術(shù)落地創(chuàng)造出新的發(fā)展空間,。近年來(lái),，人工智能與OCR（光學(xué)字符識(shí)別）技術(shù)的結(jié)合愈發(fā)緊密，圖像文檔中涉及的復(fù)雜結(jié)構(gòu)如漢字結(jié)構(gòu),、表格結(jié)構(gòu),、文檔總體結(jié)構(gòu)的建模問(wèn)題，逐漸成為研究熱點(diǎn),。中國(guó)科學(xué)技術(shù)大學(xué)語(yǔ)音及語(yǔ)言信息處理國(guó)家工程研究中心副教授杜俊就團(tuán)隊(duì)在文檔結(jié)構(gòu)層次化重建領(lǐng)域的最新進(jìn)展進(jìn)行分享,。

“現(xiàn)階段文檔分析任務(wù)中，大多數(shù)研究是針對(duì)單頁(yè)內(nèi)的文章要素的解析,，但從內(nèi)容角度看,，許多文檔頁(yè)與頁(yè)之間內(nèi)容有關(guān)聯(lián)?！倍趴”硎?，圖像文檔處理能力要達(dá)到“篇章級(jí)”，突破手寫,、自然場(chǎng)景下的漢字建模難點(diǎn),，做好跨頁(yè)文檔的要素分類、文檔結(jié)構(gòu)恢復(fù)是團(tuán)隊(duì)的主要研究目標(biāo)。

底層視覺(jué)是智能文檔處理的重要研究方向之一,，主要研究如何提高或恢復(fù)各類場(chǎng)景下的圖像,、視頻內(nèi)容，如清晰度提升,，低質(zhì)量及破損圖像恢復(fù)等,，相關(guān)理論和方法在手機(jī)圖像采集與處理，醫(yī)療圖像分析等領(lǐng)域發(fā)揮著至關(guān)重要的作用,。合合信息圖像算法研發(fā)總監(jiān)郭豐俊博士針對(duì)目前底層視覺(jué)技術(shù)在處理形變,、模糊、陰影遮蓋,、背景雜亂的文檔時(shí)遇到的典型問(wèn)題,，就公司技術(shù)團(tuán)隊(duì)在智能圖像處理技術(shù)模塊、融合技術(shù)典型應(yīng)用,、圖像安全領(lǐng)域等領(lǐng)域的研究成果進(jìn)行了分享,。

郭豐俊提到，合合信息智能文檔處理技術(shù)基于對(duì)圖像目標(biāo)區(qū)域的精準(zhǔn)裁剪,，對(duì)彎曲,、傾斜透視的頁(yè)面進(jìn)行形變矯正，在去除陰影,、摩爾紋后,，通過(guò)人工智能技術(shù)對(duì)文檔圖像進(jìn)行增強(qiáng)銳化和清晰度提升，達(dá)到“圖像質(zhì)量增強(qiáng)”的效果,，在改善閱讀體驗(yàn)的同時(shí),，也提升了識(shí)別轉(zhuǎn)換、圖像分析等文檔處理下游任務(wù)的質(zhì)效,，相關(guān)技術(shù)已通過(guò)“掃描全能王”等智能文字識(shí)別產(chǎn)品,，服務(wù)全球上百個(gè)國(guó)家和地區(qū)的上億用戶。

新民晚報(bào)記者 金志剛