“得益于大語(yǔ)言模型推動(dòng)人工智能發(fā)展,，圖形圖像學(xué)的研究和應(yīng)用迎來(lái)新的機(jī)遇，正在推動(dòng)大語(yǔ)言模型向大視覺(jué)模型發(fā)展,?！?023年12月30日，在辭舊迎新之際,，中國(guó)工程院院士,、機(jī)器人視覺(jué)感知與控制技術(shù)國(guó)家工程研究中心主任王耀南在第十九屆中國(guó)圖象圖形學(xué)學(xué)會(huì)青年科學(xué)家會(huì)議上，分享機(jī)器視覺(jué)智能化發(fā)展的最新趨勢(shì),。在接受南都記者專(zhuān)訪(fǎng)時(shí),，王耀南表示,，人工智能讓機(jī)器視覺(jué)走向智能化,，更高的算力能夠支撐大視覺(jué)模型的訓(xùn)練。不過(guò),，更聰明的大視覺(jué)模型還需要更高的算力水平,、更好的模型架構(gòu)和更有效的學(xué)習(xí)算法。本次會(huì)議由中國(guó)圖象圖形學(xué)學(xué)會(huì)主辦,，琶洲實(shí)驗(yàn)室,、華南理工大學(xué)、中山大學(xué),、中國(guó)圖象圖形學(xué)學(xué)會(huì)青年工作委員會(huì)承辦,。王耀南院士。談行業(yè)趨勢(shì)從視覺(jué)計(jì)算走向視覺(jué)智能王耀南：我國(guó)的機(jī)器視覺(jué)研究已有接近40年的歷史,，最初是從傳感器的研究開(kāi)始的,，即：將光的信息轉(zhuǎn)化成圖片信息。接下來(lái)要做的是視覺(jué)的處理,，包括將獲得的圖片增強(qiáng)，使其變得更清晰,。有了清晰的圖像后,，我們需要從圖片中獲取我們感興趣的目標(biāo)。例如,，在無(wú)人駕駛領(lǐng)域,，機(jī)器視覺(jué)需要對(duì)圖片中的目標(biāo)進(jìn)行檢測(cè)，要回答哪些是人,、哪些是車(chē)的問(wèn)題,。這就是我們所說(shuō)的機(jī)器視覺(jué)的三大領(lǐng)域。我把它歸結(jié)為：成像、處理和理解,。機(jī)器視覺(jué)已經(jīng)從過(guò)去的視覺(jué)計(jì)算走向了今天的視覺(jué)智能,。視覺(jué)計(jì)算結(jié)合人工智能后，認(rèn)知水平得到了提升,，增強(qiáng)了對(duì)復(fù)雜環(huán)境的理解能力,，整個(gè)視覺(jué)智能化行業(yè)在去年得到了快速發(fā)展。機(jī)器視覺(jué)智能化發(fā)展的方向是進(jìn)行廣泛應(yīng)用,，應(yīng)用到工業(yè)檢測(cè),、智能制造以及衛(wèi)星遙感等領(lǐng)域。談機(jī)器視覺(jué),，一定要談它的應(yīng)用,，應(yīng)用驅(qū)動(dòng)技術(shù)發(fā)展。中國(guó)圖象圖形學(xué)學(xué)會(huì)有30個(gè)專(zhuān)委會(huì),，主要圍繞圖形圖像展開(kāi)研究,，為國(guó)民經(jīng)濟(jì)服務(wù)。這些技術(shù)的應(yīng)用場(chǎng)景十分廣泛,，包括工業(yè),、農(nóng)業(yè)、地理信息系統(tǒng),、遙感,、國(guó)土資源等。一個(gè)人一出生就能看到這個(gè)世界,，之后理解這個(gè)世界,，80%的信息靠視覺(jué)獲取。機(jī)器視覺(jué)是要模擬人的眼睛,，最終達(dá)到人眼的水平,，并在部分方面超過(guò)人眼，要看得更遠(yuǎn),、看得更清,。談大視覺(jué)模型大視覺(jué)模型會(huì)越來(lái)越聰明王耀南：大語(yǔ)言模型是用書(shū)本上、語(yǔ)言上,、文字上的知識(shí)作為數(shù)據(jù),，進(jìn)行訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型，能夠根據(jù)它所學(xué)的知識(shí)進(jìn)行推理和回答,，是一種數(shù)據(jù)驅(qū)動(dòng)的人工智能,。大視覺(jué)模型的數(shù)據(jù)則主要來(lái)自各種圖像，包括人類(lèi)和自然界產(chǎn)生的視覺(jué)數(shù)據(jù),。例如,，醫(yī)學(xué)大視覺(jué)模型就是將人的器官,、病變的圖像等作為視覺(jué)數(shù)據(jù)輸入到大模型中，進(jìn)行訓(xùn)練得到,，可以像大夫一樣看懂CT照片,，能夠達(dá)到病人來(lái)看病后，拍照完便能推理出病人病情的效果,。當(dāng)前的視覺(jué)大模型并沒(méi)有大家想象的和人腦一樣,，差距還很大。隨著學(xué)習(xí)的數(shù)據(jù)的增多,、模型參數(shù)的調(diào)整,，模型會(huì)越來(lái)越大、知識(shí)也會(huì)越來(lái)越多,，其智能水平就會(huì)越來(lái)越高,，越來(lái)越聰明。我們需要提高算力水平,，加快計(jì)算速度,，以能夠更快地建立模型；設(shè)計(jì)更好的模型架構(gòu),，包括可解釋性更強(qiáng),、更安全可控；還需要研究更有效的學(xué)習(xí)算法,。事實(shí)上,，視覺(jué)大模型并不是這幾年才有的，是一步一步發(fā)展過(guò)來(lái)的,。在上世紀(jì)80年代,，隨著人工智能的發(fā)展，人們開(kāi)始研究神經(jīng)網(wǎng)絡(luò)的時(shí)候,，就已經(jīng)有了,。只是，最近幾年的算力和算法能力提高了,，人們可以嘗試構(gòu)建大模型,，產(chǎn)生了大語(yǔ)言模型和大視覺(jué)模型。過(guò)去算力不夠的時(shí)候,，大家做的模型沒(méi)有那么大,。談2024年展望希望業(yè)務(wù)從廣州增長(zhǎng)推向全國(guó)和世界王耀南：湖南大學(xué)機(jī)器人視覺(jué)感知與控制技術(shù)國(guó)家工程研究中心在2022年已經(jīng)入駐到位于粵港澳大灣區(qū)的廣州增城，建立了湖大粵港澳大灣區(qū)創(chuàng)新研究院（廣州增城）,。研究院主要進(jìn)行機(jī)器智能視覺(jué)的研究和應(yīng)用,，包括智能制造,、醫(yī)療制藥等領(lǐng)域的特殊作業(yè)機(jī)器人,，以及通用的大視覺(jué)模型。例如,，這些研究運(yùn)用到制造業(yè)中,，可以替代大量的人工,，完成產(chǎn)品質(zhì)量的檢測(cè)，特別是3C和高端零部件行業(yè),。當(dāng)前,，研究院已經(jīng)開(kāi)發(fā)了軟硬件系統(tǒng)，主要的功能是賦能廣東企業(yè)數(shù)字化,、智慧化轉(zhuǎn)型,，推動(dòng)制造業(yè)發(fā)展。此外,，研究院也開(kāi)展智能的機(jī)器視覺(jué)和控制系統(tǒng),，主要用于高端智能裝備的生產(chǎn),，例如工業(yè)互聯(lián)網(wǎng)軟件，這其中有非常多的算法,。廣東是改革開(kāi)放和經(jīng)濟(jì)主戰(zhàn)場(chǎng)的前沿,，產(chǎn)業(yè)鏈、供應(yīng)鏈齊全,，制造業(yè)企業(yè)很多,，我們來(lái)到廣東布局一是出于市場(chǎng)需求,。此外,，我們研究中心此前已有不少研發(fā)團(tuán)隊(duì)在廣東落地了很多項(xiàng)目，進(jìn)行科技成果的轉(zhuǎn)化,。在2023年的上半年,，我們確實(shí)遇到了一些挑戰(zhàn)，主要體現(xiàn)在零部件的供應(yīng)方面,。2024年,，我相信這些問(wèn)題都會(huì)解決,，廣東人工智能產(chǎn)業(yè)的產(chǎn)業(yè)鏈,、供應(yīng)鏈以及研發(fā)能力都會(huì)有所提升,。在國(guó)內(nèi)這個(gè)大市場(chǎng)里,，會(huì)開(kāi)辟出新的賽道,。在活力的氛圍下，大家主動(dòng)作為,、擔(dān)當(dāng)和創(chuàng)新,，挑戰(zhàn)都能解決。我對(duì)廣東的人工智能產(chǎn)業(yè)發(fā)展充滿(mǎn)信心,。過(guò)去30年里,，我們?cè)诳萍甲粤⒆詮?qiáng)方面下了很多功夫，積累了很多科研成果,。廣東是我國(guó)經(jīng)濟(jì)第一大省,。我們所從事的人工智能與機(jī)器人這個(gè)領(lǐng)域趕上了一個(gè)好機(jī)遇，這兩年爆炸性地增長(zhǎng),，帶來(lái)很多新市場(chǎng),，拉動(dòng)了新的產(chǎn)業(yè)賽道。未來(lái)智能終端將越來(lái)越多,，也將帶動(dòng)生產(chǎn)型設(shè)施設(shè)備行業(yè)的發(fā)展,。在2024年，我希望我們位于廣州增城的研究院能夠?qū)I(yè)務(wù)推向全國(guó)和世界,。南都廣州新聞部出品采寫(xiě)：南都記者 代國(guó)輝 實(shí)習(xí)生 楊卓爾主辦方供圖