'騰訊已建立AI和前沿科技兩大實驗室矩陣'

8月13日，在澳門舉辦的IJCAI-19（第28屆國際人工智能聯合會議）會議期間，在澳門喜來登金沙城中心大酒店舉行了騰訊主辦的分論壇TAIC（Tencent Academic and Industrial Conference）。騰迅AI Lab與Robotics X Lab責任人張正友在主題演講階段中，緊緊圍繞著騰迅AI的基礎詳細介紹，現階段所獲得的進度，及其未來發展方位3個話題討論進行演說，騰訊廣告高級副總裁羅徵等多名權威專家則參加社區論壇，並針對各自業務進行了介紹。

騰訊人力資源總經理陳雙華上臺開場發言，從個人職業成長以及公司文化角度對騰訊內部AI人才的發展做了介紹。他強調，在“科技向善”的公司使命背景下，AI人才能夠在騰訊超過20個AI人工智能實驗室中，結合不同的研究領域（包括計算機視覺、語音、自然語言處理等）和不同的業務場景（如社交、遊戲、醫療等），獲得超出預期的工作平臺和成長機會。同時，騰訊開放且尊重員工的文化能夠助力AI人才價值最大化地發揮，例如騰訊的“活水計劃”每年幫助內部一千名以上的員工在內部轉換個人職業生涯，員工在內部論壇“樂問”上可以隨時發起、參與自己關心的公司業務等話題討論等。多元化的發展路徑與開放的公司文化都成為了AI人才發展的助力器。

隨後，騰訊AI Lab與Robotics X Lab負責人張正友圍繞著騰訊AI的基本介紹，目前所取得的進展，以及未來的發展方向三個話題帶來了主題演講。

據其介紹，騰訊目前已建立兩大實驗室矩陣——人工智能實驗室矩陣，包括致力於全面基礎研究與應用的騰訊AI Lab-深圳及西雅圖、基於視覺的騰訊優圖、基於語音與自然語言理解WeChat AI等四大實驗室；以及基於前沿科技的實驗室矩陣，涵蓋機器人、量子計算、5G、邊緣計算、IoT和音視頻技術等，打造面向未來的科技引擎，推動自主技術創新。從2016年開始，騰訊積極與外部學界合作，包括建立8大聯合實驗室，參與53個研究合作項目，聯合培養34位頂尖學生，接待了17位全球訪問學者，通過一年一度的學術論壇、聯合研究、訪問學者、博士生及研究生獎學金等多種項目和形式，推動前沿研究應用及人才培養。

關於AI目前所取得的進展，張正友提出當下的AI專注於認知與大數據，例如在計算機視覺、語音識別和自然語言處理中。通過與不同的垂類合作，結合工程和科學研究，AI在騰訊賦能內部業務職能推動了行業變革。例如AI+遊戲領域，騰訊一直走在行業前列。與王者榮耀共同探索的前沿研究項目 - 策略協作型 AI 「絕悟」今年8月初在吉隆坡舉辦的王者榮耀最高規格電競賽事——世界冠軍盃半決賽的特設環節中，在職業選手賽區聯隊帶來的5v5水平測試中獲勝，升級至王者榮耀電競職業水平。測試結果代表騰訊在深度強化學習、多智能體決策智能課題上的國際級 AI 研究水準，也標誌著公司在攻堅通用人工智能（ Artificial General Intelligence）難題上更進一步。實驗室早在2016年研發的圍棋 AI “絕藝”（Fine Art），現擔任中國國家圍棋隊訓練專用 AI ；2017年，“絕悟”開始研發並在一年後達到業餘頂尖水平，騰訊還在清華聯合團隊在射擊類頂級 AI 競賽 VizDoom 奪冠，並在《星際爭霸2》首先研發出擊敗內置 AI 的智能體。

未來騰訊AI將如何發展？張正友認為騰訊目前將繼續立足腳下，利用好人工智能（AI）、大數據（Big Data）和雲計算（Cloud Computing），即ABC科技，構建新型基礎設施，做“數字化助手”的標配，形成科技創新與產業應用相互促進的良性循環，這在醫療、安防、零售、交通與娛樂行業已經有所體現。同時，騰訊也將放眼未來，在核心技術上推進前沿、原創和開放性的基礎研究，並在關鍵性技術上前瞻性佈局ABC 2.0技術版本，即人工智能（AI）、機器人（RoBotics）和量子計算（Quantum Computing）的全新ABC組合。

騰訊廣告副總裁羅徵在會上發表了題為《騰訊廣告：有趣問題及獨特挑戰》的演講。羅徵首先回顧了騰訊廣告[Tencent Marketing Solution, 簡稱TMS]的發展歷程。騰訊廣告以“美好連接，智慧增長”為品牌主張，匯聚騰訊公司全量的應用場景，擁有核心商業數據、營銷技術與專業服務能力。互聯網廣告是驅動工業界大規模 AI 技術發展最重要的場景之一。羅徵從智能定向、智能創意及智能出價三個領域，分享了騰訊廣告在機器學習的應用研究。從智能定向出發，騰訊廣告依託對用戶人群畫像的深刻洞察，提供包括基礎屬性、商業興趣與行為在內的多維標籤體系。實現智能定向的核心，離不開對文本信息的理解和對人群定向的準確拓展。騰訊廣告的NLP基礎技術開放平臺DeepText致力於文本分類、文本表示、語義匹配及序列標註等研究方向，通過建模、調優等方式探索廣告業務中的實際挑戰，目前正在開源階段。

在智能創意環節，羅徵介紹了深度學習算法是如何通過分析文本和圖片用於輔助廣告審核，提升廣告審核質量。而在綜藝或影視劇中，AI技術可以進行視頻廣告素材的巧妙植入，能極大優化視頻廣告的製作成本和投放體驗。此外，系統還提供了以動態商品廣告為代表的智能創意產品，可通過算法自動生成優質廣告素材，降低投放門檻，提高投放效率。

有了對用戶人群的準確定向，也有了優質的廣告創意，接下來便是智能出價階段。智能出價的關鍵在於對轉化率的準確預估（pCVR），而目前轉化率建模的最大難題在於轉化數據迴流延遲，短則幾秒，長則幾天。騰訊廣告通過大規模稀疏DNN訓練框架的構建，能實現多轉化目標聯合訓練，共享隱層提升建模效果，統一模型加快迭代效率；此外，其加速比接近線性，具有高擴展性，支持千億樣本訓練。

騰訊CSIG醫療AI實驗室和天衍實驗室的吳賢博士和陳曦博士則帶來了騰訊AI在醫療領域的成果分享。

據吳賢博士介紹，他所在的醫療AI實驗室主要從臨床需求出發，利用人工智能技術構建臨床輔助決策系統，解決醫患痛點，降低就醫成本。醫療AI實驗室致力於構建基於人工智能技術的數字診療平臺，目前在心腦血管疾病（心衰、腦卒中）、皮膚病（銀屑病）、運動障礙性疾病（帕金森）等方向都有落地產品。而陳曦博士所在的天衍實驗室，成立於2018年，算是騰訊AI中的新成員。陳曦博士介紹，天衍實驗室致力於通過大數據和應用機器學習能力在安全和醫療領域打造一個實時演進的知識和決策平臺，其成果主要應用於騰訊To B和To C的安全和醫療領域產品。

兩位博士在演講中都提到，作為醫療健康的“數字化助手”，騰訊醫療希望做好三件事情：注重增強自身能力建設，為行業供應創新動力；注重生態開放，為產業鏈注入新活力；注重科技向善，用科技助力醫療更有溫度。

騰訊IEG增值服務部總經理孫龍君上臺介紹了增值服務部的主要工作和AI實踐。增值服務部負責承擔騰訊遊戲數據分析和精細化運營的工作，涉及數據分析、機器學習、運營活動開發、運維等多方面的工作。騰訊運營了兩三百款遊戲，擁有海量的數據，每天新增的日誌規模超過兩百個T。孫龍君分享了幾個案例來說明AI在遊戲中的運用，例如遊戲商場的推薦，通過用戶畫像的構建，通過對道具圖片、描述文字、功能特點等的分析，採用基於內容的推薦方法為玩家進行個性化的道具推薦，使得用戶翻頁次數從平均18.5次減小到平均8次，並且商城收入也有平均5%的提升。總的來說，遊戲領域有大量的數據和應用場景，可以做很多研究，據孫龍君介紹，增值服務部今年在多個領域發表了頂級會議和期刊的論文，解決許多實際應用問題；同時，也創作了368份專利，其中71件已經授權；還在積極尋求高校合作，目前與11所國內外著名高校保持合作。

騰訊PCG（平臺與內容事業群）信息流平臺產品部推薦平臺研發中心總監熊義林上臺向與會者介紹了PCG的概況以及幾款主要的信息流產品，然後介紹了一些在信息流推薦系統實施過程中產生的技術思考和PCG AI中臺的建設進展。

熊義林介紹了PCG的總體定位與產品矩陣，之後詳細介紹了幾個信息流產品的技術架構，並結合此次IJCAI大會主題講解了工業化AI的在具體產品下的實際落地解決方案，以及目前PCG所面對的挑戰和解決思路。他強調，PCG中臺建設的目標，就是通過內部分佈式開源協調，加強基礎研發，在多個項目/多個團隊/多種技術能力之間建立一個統一的技術平臺，促成更多協作與創新，提高公司的技術資源利用效率，為PCG的產品矩陣提供創新動力與技術支撐。

騰訊微信團隊的專家研究員鄭吳傑博士和高級研究員陳凱則分享了基於大規模用戶反饋的實時錯誤監測的算法研究和微信“看一看”推薦算法，吸引了不少與會者慕名前來交流和提問。

鄭吳傑博士分享了微信如何基於大規模用戶反饋來進行實時bug檢測的算法研究。由於各種原因，bug很難在測試階段全部發現。同時，傳統的終端和後臺監控方法有其侷限性，不能很好的發現問題。微信團隊提出並實現了一套iFeedback系統，通過精細地監控用戶反饋中所有詞及詞的組合的出現頻率，採用ElasticSearch進行快速索引，同時通過機器學習方法準確地減少噪聲，達到了較好的報警效果。在微信支付、微信公眾平臺、微信遊戲等業務上的報警精度達到70%——90%，嚴重bug的召回能力達到90%，報警時效性在幾分鐘到幾小時內。同時也提供了bug集中的屬性信息，如版本，活動，後臺機房等，方便問題定位。該系統已應用到騰訊數百個應用當中。

高級研究員陳凱給大家介紹了微信“看一看”和“搜一搜”的推薦算法。微信裡的“看一看”精選做的是內容推薦，其算法的整體架構與傳統的推薦架構基本類似，主要包括三個部分：召回、排序和混合（重排）。除了推薦的整體架構外，陳凱老師還給大家深入淺出地介紹了排序模塊、NLP的推薦算法、知識圖譜的推薦算法以及檢索模型的算法。

最後，騰訊TEG的張長旺博士主要介紹了三個研究方向：非監督的短文本層級分類、基於領域知識的興趣點(POI)匹配，以及大規模圖學習和挖掘。以實例介紹了非監督學習、小樣本學習、LBS數據挖掘、複雜網絡挖掘和圖表示學習在真實場景上的優化和應用。優化後的方法相比現有前沿算法在真實數據集上均有顯著的準確率提升。張博士也在現場表示，歡迎對相關領域感興趣的老師和同學進行長線科研合作，一起研發兼有工業和學術價值的科研成果。

本次IJCAI-19的舉辦地返回我國，騰迅顯而易見也更加重視，派出了豪華的演講陣容，內容基本上涉及所有業務流程。參加分社區論壇近兩百人中，多是各行業內學術研究者，她們與演講人產生的互動交流也許也可以推動AI科學研究中澳設計靈感的出現。而對於騰訊來說，如何抓住AI研究的機遇，實現向產業互聯網的變革，實踐“科技向善”的使命的確是極為重要的問題，也值得外界更多的期待。

來源：Ailab人工智能實驗室