近日，由中国人工智能学会和中国中文信息学会联合主办的“2017全球人工智能技术大会”在北京国家会议中心隆重举行。
首次于2016年举办的全球人工智能技术大会，已发展成为中国人工智能技术和产业领域规模最大、影响力最强的年度盛会。2017年，汇聚了上百位全球人工智能学术界和产业界著名学者、顶级专家和业界精英，以及上千位人工智能领域技术专家、创业者、投资家以及爱好者，在“交叉、融合、相生、共赢”的主旋律下，共同探讨人工智能发展的科技创新与行业变革战略，破解人工智能创业和商业模式的密码。
本次大会主席由中国人工智能学会理事长李德毅、IBM中国研究院院长沈晓卫担任，嘉宾到场有美国微软研究院技术院士黄学东、华为诺亚方舟实验室主任李航、联想首席技术官兼高级副总裁芮勇、中科院沈阳自动化所所长于海斌等。
大会同时举办了智能驾驶、模式识别与智能感知、AI变革时代的智能系统测评分论坛、深度学习、智能金融、自然语言理解、人工智能女科技工作者、脑科学与人工智能、智能投资、智能体育、智能机器人等分论坛。
在智能驾驶分论坛上，数据堂程兰颖针对人工智能数据领域做出主题演讲：数据助力智能驾驶体验
以下是演讲实录
邓伟文/主持人：程女士多年从事智能人机系统的研究和应用领域的开发，先后在声学所，Nuance海外和中国工作，早年专注于语音识别的研究，发表过多篇相关论文，近10年在人工智能的应用领域涉猎比较多，从事智能手机、智能客服和智能汽车的应用设计和开发，加入数据堂以后，负责公司的技术和产品设计相关工作，我们有请她为大家分享 。
程兰颖：之前在人工智能领域，最为专注研究的是语音方面，从去年加入数据堂以来，专注于在数据这块，数据和人工智能之间的关系，我想大家都很了解，也不言而喻，数据是一个非常重要的方面。我喜欢用一个比喻，数据跟算法之间的关系，如果数据是一个教材，那么算法像是一个老师，老师用教材去教导你未来想要产生的人工智能任何一个应用，比如说在今天的论坛上，智能驾驶，智能驾驶我们想让它成为智能应用的一个孩子。
我们先看一下智能驾驶，大家讲了很多在自动驾驶方面的事情，未来我想从另外一个角度，从纯体验的角度，作为一个车的车主，在未来的几年我们可以期望，我跟我自己的车可以成为伙伴关系，我跟它之间需要有交互，而且这个交互可以是多模式的。同时，比如说我们讲车的自动驾驶，除了现在一般提到的5个不同的级别，未来我们希望能够达到最高的级别，在第5个级别完全把我载到目的地。同时它需要在自动层面做到自动控制，就是我能自动控制调节车内的温度，可以自动控制车内的娱乐设备，这是自动控制方面的。同时，也需要有一些共享的方面，我的共享的信息，可以是车与车之间的，比如说前方的车碰到了交通事故，它把交通事故的信息分享给大家，车与车之间的信息分享，当然车内的乘客也可以有一个信息的分享。所以在这几个方面呢，大家可以想象一下，未来你下了班，你告诉你的汽车五分钟以后到大楼门口等我，进了车以后，告诉车把我的座椅调整到60度，告诉它从最近的距离载我回家。在这个过程中，汽车启动了，把你载回家，在车中收到了汽车中心控制器发生的信息，告诉你有一个紧急的邮件需要你签字控制，你通过手工的签字，然后语音控制发送它，发送给你的秘书，你回到座椅上继续享受旅程。回家路上，你从中控中心收到这样一个信息，告诉你前方有事故，同时给了你几个选择，可以绕开事故现场，这个状态下你跟你的车有一个交互，而不是你希望从某一条路线绕过这个交通事故，你告诉你的车从这里绕过。在整体的体验下，我们期望我们的车未来自动做一些事情，能够真的成为你的伙伴。
为了达到这个愿景，很多嘉宾和在座的各位，都在做不懈的努力，刚才有嘉宾分享了硬件方面和软件方面的东西，这些事情在未来的自动驾驶和智能驾驶里也是需要达到高度的融合，比如有不同的传感器，有声音传感器，有照相机，还有雷达显示器，和GPS，它们得到的信息通过控制器进入中央处理器，中央处理器通过识别和算法，得到最终的判断结果，当然它需要进入到你的不同的终端，比如说我要听音乐，你告诉它播放刘德华的音乐，它就需要从音乐控制终端播放音乐，从最近的距离回家，自动驾驶需要执行这个命令。在整个过程中，虽然还有很长的路可走，但是未来整个技术的发展和融合是不可避免的。
在这个过程中，数据也是很重要的一个方面，我们在数据堂有幸对智能驾驶领域做了一些关于数据方面的尝试，形成了一系列的数据集，服务于刚才我提到的各个算法，各个不同的智能算法，这些数据集包括用于刚才我说到的交互的数据集，比如说语音交互，文字交互，手势交互，我们有一类是称之为交互的数据。另外一类就是自动驾驶类的数据集，不言而喻，刚才很多嘉宾都提到了自动驾驶，大家都在做软件硬件和算法，为了满足大家对于各种不同驾驶算法的需求，我们在自动驾驶数据集里做了不同层面的标的，给大家一些数据集。
首先给大家介绍一下交互方面的数据集，我们有两方面的东西，一个就是基础数据，基础数据的变化在于说，我们有很多不同语言，包含很多不同语言，包括国内的普通话和方言，去年大家很关注上海话，上海话最近方言领域里比较常用的交互语言，同时有欧洲语系和亚洲语系的其他语言。年龄是分为成年和青少年，年龄涵盖是从3岁到了70岁的年龄，作为一个基础数据集大也知道它的口音覆盖非常重要，所以对于我们来说，我们在数据集的生产过程中，任何一种语言都会涵盖语言的各个不同的区域，作为基础数据集，它的内容是通用的内容，包括一些体育、娱乐、商务，当然也包括我们在语音交互过程中常用的东西。大家对比一下基础数据和车载数据，车载数据是我们专门为车载环境采集的数据，它在场景和内容上就有一些不同，内容我们可以看到，在这个数据集里，内容除了通用的语料之外，还会加入控制命令，一些地址，一些音乐方面的内容，这个是针对车内的应用场景而做的一些变化。同时，在场景方面，车在不同的驾驶环境下，在不同的路况下，比如车速、车窗我们都有一些考虑。对于车载数据和基础数据集，我们做了一个简单的算法，做算法的研究者，他研究算法的提高，通常他们做的测试是基于这个测试集，在这个算法下面的算法改进，能够让我的效果改进多少，对于我们做数据的，我们做的是在不同的数据集下面，基于同样的算法，我的效果能够提升多少，我们有做过一些基础的测试，对于车载的测试，在车载环境下基于同一算法，我们有10%到30%的提升。这是语音交互方面的。
另外，从我们分享的愿景来看，我们在车里有可能用到文字，目前有中英文场景文字输入，这是我给大家的样例，在不同的场景下，比如火车站、公园、图书馆、马路、室内，不同场景下实拍的一些照片。下面我没有写相干这类的文字交互我们还要做手写体，因为现在在车里，大家去打字这个事情很难实现，所以下一步会做手写体的数据。
回到我今天重点跟大家介绍的自动驾驶的数据，这个数据是我们今年刚刚生产的，目前第一期已经做完了，下半年还有计划做第二期。这套数据它的硬件，它实际上是相机拍摄的图片，我们有两种相机，这两种相机具体的规范我不跟大家一一念了，虽然在设备上有小小的不同，但是基本上这两个相机功能差不多，我们拍摄的时候，它安装的位置是前车窗上端的中心位置。采集范围，大家知道业内有一些比较开放的数据集，最近（英文）也有数据集出来，我们这个数据集它的采集范围是在全国范围内，就是中国全国范围内不同道路的路况，下面我会跟大家介绍一下对于道路类型分类的状况。采集的时间是从早上8点到下午6、7点，有一些知道光线也是有变化的。
就采集地点的细节，我们说是全国，但是我们就采集规范的细节做了一些分类，对比较有特点的路段，进行一些特别的关注，比如在城区的德国，有交通标识的地区我们要进行采集，然后就是转弯的地方，还有十字路口，有交通等灯的地方，还有隧道里比较暗的地方。从采集地点来讲，我们对这几个地点有一些特别的标定。
物体分布，针对刚才所说的几个不同的采集地点，物体的分布是有不同的，大家可以看到，比如在城市、城区、行人、车辆很多，隧道里几乎没有什么行人，其他地方可以看到，有一个特点，我们选择的路段，或者说我们选择做标定的图片，车辆是比较多的，因为大家做算法的时候，一个很重要的目标，就是要检测到前方的车，所以对象我们选择的这些做过标定的路段，对于车辆的数目还是不少的，因为我们在拍摄的过程中，虽然有很多的原始的图片，但是在标定的图片，我们做过一些选择的。
标注的类型，配合大家做算法的方式，标注的类型也有几个不同的方法，一个就是标Bounding Box，这个是原图片，这个是标注过以后的图片，除了标注框以外，我们对它的属性也做了标定。另外一个标定方法就是Fine Annotation，这是像素级的标定，我们有两种不同的标定，一个是针对道路线和道路上的指示标识做的标定，另外一个就是对全景，包括天空，周围的树木和建筑做的标定。
这是我们标定的内容，现在加起来应该有76类，是目前标定数据集里比较全的数据集，行人类就标定了4种，一种是普通的行人，然后是骑自行车的，然后骑电动车或摩托车，还有坐着的。车也是7种类型的车，包括方向，遮挡属性，截断属性，这里都有一些详细的定义，我不跟大家一一念了，大家如果有细节的需求，可以下来联络我。
我们或对信号灯和指示标志类也做了标注，信号灯做了10类，指示标志类30类，包括所有常见的指示标识。后面还有标的另外一大类，就是禁行标识，包括禁止通行，禁止左转等方面的一些禁行标识类的标注，前面几个类型包括红绿灯标识和禁行标识，人和车，这是用Bounding Box标定的。
下面看一下Fine Annotation，Fine Annotation增加了路面标识，就是道路线的标识，就是路面所有的道路线和指示标识的Fine Annotation。对于道路上的东西，我们标注了这样几类，一个是路面的指示标识，还有道路线，还有路面上的限速标志，还有道路的边界线，这几类是我们在Fine Annotation对于道路标注的方法。比如在划框类标识的人和车也都做了标注，我们还增加了这几类，全景类标注，指一张图片里，把所有的物体都做标识，所以增加了一些平地，比如路面和人行道，不属于我们标注的范围内，我们也把它在全景类标注里标定出来了，还有一些物体，包括电线杆东西，路边的建筑，天空，云，等于一张图片里所有物体都进行了标注，这是全景类标注的方法。
我的介绍就到这里，这里缺的数据大家很明显看出来，激光雷达数据所产生的照片，后面还会有这些数据的规划出来。谢谢大家。
邓伟文/主持人：你的标注是自动标注还是手工标注？
程兰颖：标注是自动+手动的检测，纯自动的准确率达不到标准，我们的准确性是给做算法的人做标准的，准确率一定要很高，一般我们的准确率都会在95%以上，这是我们普通的标准。
邓伟文/主持人：标注的效率有多少？
程兰颖：这个就不一样了，比如说标框的，也就是十几秒左右，但是如果我标后面那种精细标注，可能就需要十几分钟，还有更细的，在智能驾驶里没有，比如有标人物的，都是像素级的，那个时候一个最细的项目，一天只标出几张图而已。
关键词:
