人工智能未來十年走向何方？ “CSIG企業(yè)行”合合信息專場聯(lián)合專家學者開啟“頭腦風暴”

　　3月18日，由中國圖象圖形學學會(CSIG)主辦，合合信息、CSIG文檔圖像分析與識別專業(yè)委員會聯(lián)合承辦的“CSIG企業(yè)行”系列活動成功舉辦。此次活動以“圖文智能處理與多場景應(yīng)用技術(shù)展望”為主題，特邀來自上海交大、廈門大學、復(fù)旦大學、中科大的知名學府的學者與合合信息技術(shù)團隊一道，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話式大型語言模型等研究及實踐成果。

　　研討會嘉賓合影

　　“CSIG企業(yè)行”活動旨在匯集產(chǎn)學研各界資源，探討圖文智能信息技術(shù)領(lǐng)域的最新發(fā)展動態(tài)和未來趨勢，共同推動圖像圖形領(lǐng)域的發(fā)展。會上，合合信息科技股份有限公司董事長、總經(jīng)理鎮(zhèn)立新博士發(fā)表致辭，并提到希望通過這次活動，創(chuàng)造產(chǎn)學研合作機會，為推動圖像圖形及人工智能行業(yè)的發(fā)展和進步貢獻智慧和力量;CSIG文檔圖像分析與識別專業(yè)委員會主任金連文教授向與會代表介紹了中國圖象圖形學學會的組織架構(gòu)、開展的學術(shù)會議、成果鑒定等服務(wù)，鼓勵參會者積極參加學會的學術(shù)活動。

　　合合信息董事長、總經(jīng)理鎮(zhèn)立新博士致辭

　　CSIG文檔圖像分析與識別專委會主任金連文教授致辭

　　理論探索：生成式人工智能將成為未來十年的研究重心

　　據(jù)國際IT研究機構(gòu)Gartner預(yù)測，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)濟的發(fā)展。“企業(yè)行”活動中，上海交通大學人工智能研究院常務(wù)副院長、長江學者楊小康分享了團隊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題，需要通過數(shù)學、物理、信息論、腦認知、計算機等學科交叉研究，進一步夯實生成式人工智能的基礎(chǔ)理論，通過“物理+數(shù)據(jù)”聯(lián)合驅(qū)動， “虛擬+現(xiàn)實”深度融合，助力科學發(fā)現(xiàn)的加速。

　　上海交通大學人工智能研究院常務(wù)副院長、國家杰青、IEEEFellow楊小康教授進行《生成式人工智能與元宇宙》主題分享

　　楊小康認為，以“識別——分析”為代表的判別式人工智能推動了人工智能前十年的發(fā)展，接下來十年，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)旦大學計算機學院教授、上海市計算機學會自然語言處理專委會主任邱錫鵬提到，強大的情景學習能力、思維鏈能力和自然指令學習能力是以ChatGPT為代表的對話式大型語言模型的主要特點，將加速通用人工智能的實現(xiàn)。

　　復(fù)旦大學計算機學院教授、國家優(yōu)青、上海市計算機學會自然語言處理專委會主任邱錫鵬進行《對話式大型語言模型》主題分享

　　據(jù)悉，今年2月，復(fù)旦大學自然語言處理實驗室發(fā)布了國內(nèi)第一個對話式大型語言模型“MOSS”，引發(fā)業(yè)內(nèi)廣泛關(guān)注，邱錫鵬是主要作者之一。“文本所承載的知識只是冰山一角，還有很多‘暗知識’并不是以文本形式記錄的。在未來的發(fā)展里，人工智能還有‘具身學習、跨模態(tài)學習’等更多知識領(lǐng)域需要學習。”邱錫鵬說。

　　學術(shù)前沿：復(fù)雜場景多模態(tài)數(shù)據(jù)分析與理解進展迅速

　　人工智能要實現(xiàn)多場景“通用”，需要解決多源數(shù)據(jù)的問題。“文本、圖像、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)算法對其進行有效管理。”廈門大學科技處處長、人工智能研究院負責人紀榮嶸教授認為，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)，既蘊藏了大量的人類知識與高價值信息，也包含了各種自然與人為的噪聲，對其分析與處理需要融合類腦計算、計算機視覺、自然語言處理等多個維度的智能技術(shù)。

　　廈門大學人工智能研究院負責人、國家杰青紀榮嶸教授進行《復(fù)雜跨媒體數(shù)據(jù)協(xié)同分析與應(yīng)用》主題分享

　　紀榮嶸指出，連接視覺與自然語言的“視覺描述”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 。視覺和語言的研究應(yīng)是雙向的，各自的新發(fā)現(xiàn)、新方法可以互相迭代促進�？缈臻g、跨領(lǐng)域、跨任務(wù)知識遷移方面有較大探索空間，易于發(fā)現(xiàn)新的科學問題 。

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

　　語言文字和視覺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，人工智能與OCR(光學字符識別)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)的建模問題，逐漸成為研究熱點。中國科學技術(shù)大學語音及語言信息處理國家工程研究中心副教授杜俊就團隊在文檔結(jié)構(gòu)層次化重建領(lǐng)域的最新進展進行分享。

　　中國科學技術(shù)大學語音及語言信息處理國家工程研究中心副教授杜俊進行《面向圖像文檔的復(fù)雜結(jié)構(gòu)建模研究》主題分享

　　“現(xiàn)階段文檔分析任務(wù)中，大多數(shù)研究是針對單頁內(nèi)的文章要素的解析，但從內(nèi)容角度看，許多文檔頁與頁之間內(nèi)容有關(guān)聯(lián)。”杜俊表示，圖像文檔處理能力要達到“篇章級”，突破手寫、自然場景下的漢字建模難點，做好跨頁文檔的要素分類、文檔結(jié)構(gòu)恢復(fù)是團隊的主要研究目標。

　　底層視覺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)郭豐俊博士針對目前底層視覺技術(shù)在處理形變、模糊、陰影遮蓋、背景雜亂的文檔時遇到的典型問題，就公司技術(shù)團隊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)域的研究成果進行了分享。

　　合合信息圖像算法研發(fā)總監(jiān)郭豐俊進行《文檔圖像處理中的底層視覺技術(shù)》進行分享

　　郭豐俊提到，合合信息智能文檔處理技術(shù)基于對圖像目標區(qū)域的精準裁剪，對彎曲、傾斜透視的頁面進行形變矯正，在去除陰影、摩爾紋后，通過人工智能技術(shù)對文檔圖像進行增強銳化和清晰度提升，達到“圖像質(zhì)量增強”的效果，在改善閱讀體驗的同時，也提升了識別轉(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“掃描全能王”等智能文字識別產(chǎn)品，服務(wù)全球上百個國家和地區(qū)的上億用戶。