眼神科技周军：十年一顾，再谈多模态

2019世界创新者年会（WorldInnovatorsMeet2019,简称WIM2019），于2019年12月6日在北京·国贸大酒店拉开帷幕。本届大会由中国企业联合会指导，亿欧·EqualOcean、工业和信息化科技成果转化联盟联合主办，以"科创4.0：共建全球化新未来"为主题，6000余名来自美国、英国、法国、澳大利亚、瑞士、以色列、俄罗斯、西班牙、葡萄牙、印度、新加坡等二十余个国家和地区的创新者齐聚一堂，共同总结2019年世界科技与产业创新的成果，预测2020年最新创新趋势。

本次大会为期三天（12月6日-8日），采用"9+1"的会议结构，即于8日举办的"1"场创新领袖峰会，于6日和7日举办的"9"场主题论坛。9场论坛分别围绕当下最热门的零售新消费、金融科技、投资新趋势、智能硬科技、医疗大健康、产业互联网等领域，以及青年、女性和科学企业家等群体展开。

在12月8日举办的创新领袖峰会上，眼神科技创始人兼CEO周军发表了主题演讲。他的主要观点如下：

（1）多模态不是非此即彼的组合替代，而是基于数据融合的算法融合，并依托平台决策为支撑。

（2）"多模态"是AI技术的下一步，更是AI落地的必经之路。

以下是周军演讲全文（部分有删减）

感谢主办方的邀请。今天又站在这里，和去年不同，去年是讲人工智能，今天讲的是"十年一顾多模态"。这个单模态是什么，两模态是什么，三模态又是什么？多模态到底是什么？

人工智能发展了这么长时间，大家对他的预期越来越接近实际情况。刚刚一个朋友问我，人工智能到底发展到哪一步了？说实话，我不知道。我突然想讲一个小故事。养宠物的人很多，当你回到家里面，小狗会根据你的情绪做出反应：你开心的时候，它会陪你一起开心；当你累的够呛在沙发上时，它会乖乖的呆在你的身边。我们家有一个小狗叫天球，如果昨晚它把你的拖鞋叼走了，当你早上醒来的时候，它会立刻叼回来；当你走向衣橱的时候，它会立刻跑到门口等着给你开门。这么简单的一个小狗，它能根据你的表情、行为时间，能判断出你是否开心并做出一系列的反应。

我想给大家说一下，就这么一个小狗的智商，人工智能需要花多长时间做到？按照现在的人工智能，或者弱人工智能时代，没有20年很难做到这一步。这意味着，人工智能再过20年都很难达到小狗的水平，那么达到小孩的水平需要多少年？

那么人工智能接下来该怎么做？什么是多模态？

让我讲讲多模态，眼神科技从事人工智能20多年，十多年前就在从事多模态的技术的落地，我有一些感想感悟、落地的案例和经验想分享一下。

多模态在去年开始成为焦点，很多知名企业比如说华为、腾讯、百度，这样的AI大厂，都开始逐渐的把目光瞄向多模态，很多创业公司也在思考这个方向性的问题。华为投资多模态语义理解的公司，腾讯的AILab的俞栋博士有那么一句话"多模态是迈向通用人工智能的重要方向"。通用人工智能是弱人工智能时代需要走向的一个方向，弱人工智能是"见多识广"，解决的是感知的问题，通用人工智能具有几个属性：自学习、增量学习、增强学习，这些内容结合在一块，是强人工智能。从弱人工智能到强人工智能的奇点，截止目前还没有突破。"见少知多"、"不见而预知"的强人工智能时代，这是很多年国际前沿人工智能公司一直努力的事情，技术遇到了天花板。

多模态指的是多传感器融合，不是非此即彼的组合替代。指纹识别、人脸识别、虹膜识别、指静脉识别，每一个技术、每一个算法用一个传感器解决一个问题叫单模态。随着AI的发展、信息增加，AI被赋能被期待的模态越来越多，比如文本识别，图片识别、文本和图片组合识别、图片和视频组合识别等，各种信息从不同的方位，不同的传感器到来，单一识别技术已经很难满足这样的发展。

如何解决识别误导和传感器感知局限问题，如何让机器像人一样感知和理解这个世界，我认为是多模态才可以解决的问题。眼神科技致力于让机器和人交流的时候，使机器具有像人一样的眼睛，眼神科技因此而得名。

多模态市场需求旺盛，国外领军企业坚持多模态。

国外知名的生物识别企业都在研究多模态，多模态已经成为生物识别发展趋势，EBA（欧洲生物识别行业协会）告诉我一个数据，到2023年欧洲生物识别的诉求达到115亿美金。根据我们公司去年的情况，我们的人脸、虹膜、指纹三种技术在公司业务中已经形成了"三分天下"的收入角色。

眼神科技在多模态生物识别领域已经耕耘了20年时间。从1998年到2005年，公司一直在做指纹识别，在这期间也发现了指纹存在的问题，于是和人脸进行融合。这个阶段是公司指纹技术发展、指纹和人脸融合的发展阶段；2005年到2013年阶段，这也是我来北京创业的阶段。在这个时期，公司利用成熟的指纹识别技术，打开了全国50%的银行市场。之后又开发人脸识别、虹膜识别技术，虹膜识别技术我们从2005年开始研发，到了2009年已经达到了全球顶级程度，这是整个基础算法形成的过程。

在面向市场的推广过程中，我们发现单一技术决策存在的一些问题，更需要打造分层决策，于是我们打造了ABIS多模态统一平台。整个公司技术研发过程中，我们获得了400多项发明专利，获得了国家技术发明二等奖。多模态决策体制是如何形成的？包含了融合算法，平台决策，ABIS平台三个方面，是基于数据融合的算法融合，并依托平台决策为支撑打造。

从AI应用最前线——金融行业看多模态

眼神科技的研发一直是陪伴一个行业长大的，这个行业就是金融行业。公司在1998年就开始研究指纹，2002年，我们开始定位银行并且做试验。指纹的发展存在的最大问题，就是有很多人天生指纹浅、经常参加体育活动和体力劳动的人指纹也非常浅，举例有一家公司有20万人，其中1%的人指纹识别困难，用解决方案也无法解决。"科技不从善"让指纹识别技术遇到了巨大挑战，于是我不得不把人脸和虹膜结合在一起解决问题。解决了银行内部风控的问题后，如何降本增效，如何获客成为银行发展的第二阶段。用人脸识别可以解决获客问题，可以做到人脸联网核查和VIP的识别。运营过程中又发现，尤其手机远端获客，在帮着银行降低成本和获客的同时，会遇到防伪的问题，人脸识别不能作为获客的单一的识别手段，于是我们把人脸和虹膜识别组合起来识别。随着银行开放和生态的建设，"追客"和"帮客"成为银行重要的需求，这对生物识别和人工智能提出更大的挑战。如何在场景中识别人、物、客，以及客户需求的把握、精准营销如何去做，让银行服务进入你的消费空间，进入你的生活，这个过程就需要生物识别技术的融合应用。今年，眼神科技中标了工商银行人脸识别产品引入和虹膜、指静脉算法提升服务项目，实现了指纹、人脸、虹膜、指静脉四项核心生物识别技术与工商银行全面合作。多模态是现在很多银行都在努力探索的方式。

到目前为止，眼神科技通过多模态生物识别技术，服务全球2000多家客户，渠道客户1000多家。经历了二十年发展，在国内可以说是陪伴金融成长，也可以说是被金融驱使，一刻没有停过，过去二十年一直在创新。总结一下，眼神多年的发展过程中，遇到问题、解决问题，用多种生物识别技术融合决策、多种技术解决一件事情。

我认为多模态是长期发展的一个方向。希望更多的创新者，在各自领域的单模态上，好好的创新、耕耘，大家一起为人工智能未来的发展创造一个良好的环境，谢谢大家！