对于学界与业界双向合作，世界顶尖的人工智能研究者、悉尼大学教授陶大程持肯定态度。值得注意的是，陶大程所从事的计算机视觉、机器学习研究正推动着人工智能及机器人的发展。不断突破的研究成果使他获得了澳大利亚科学最高荣誉尤里卡奖等权威奖项，并当选IEEEFellow和欧洲科学院院士。从人脸识别到多角度学习，从人工智能及机器人的商业化到对技术奇点的看法，在陶大程的讲述中，人工智能及机器人的发展状况被勾勒得更加清晰。
“最快一年，人脸识别就能在机器人身上得以体现”
在人工智能诸多领域中，普通人可能有感性认识的就是人脸识别领域，而各大科技公司近年来纷纷组建人脸识别小组，并以此为切入点布局人工智能。人脸识别，恰恰是陶大程研究多年、屡获国际大赛奖项，并实现了突破的主要研究方向。
人脸识别是帮助机器人识别人类，从而进阶人机交互、协同合作的一个开始。陶大程提到，一方面，人形机器人可通过人脸识别使其更好地与人交互、融入家庭，另一方面则可以通过集成人脸识别功能用于人员搜索。
不过，人脸识别技术仍然存在着不小的挑战。“最大的困境在于人脸识别算法本身的鲁棒性不足”。即当前较死板的算法缺乏灵活性及想象推理的能力，且对外部如光照、遮挡等因素变化的应对能力不足。机器人人脸识别面临的挑战还更为独特，如运动状态导致人脸细纹丢失以及对实时性更高的要求。
陶大程团队的研究实现了突破，他们通过测量5个在不同环境中变化极小的“突出而稳定”的面部特征点来进行人脸识别。结果显示无论你做出悲伤或快乐的表情，还是室内或室外不同拍摄环境而造成光线的不同，这五个点都能保持较高的稳定性。这有助于提高人脸识别的鲁棒性。
针对机器人，陶大程团队则提出了基于CNN的模糊不变特征学习方法，很好地解决了图像模糊对人脸识别的影响；同时，他们提出了主干分支集成网络的人脸识别模型，在提高了对姿态变化鲁棒性的同时，还有效保证了识别算法的实时性。
应用这些技术，陶大程团队在2016PaSC的人脸识别比赛中以绝对的优势获得了第一名。根据比赛组织者的评估，他们的算法达到了和人类视觉系统一致的性能。
“机器视觉发展已经历多年时间，人脸识别的发展时间最长”，而深度学习的应用，使得人脸识别的识别率从过去的20%-50%提高到了90%以上。技术的不断提升并部分达到实用水平展现出了巨大的市场前景，这是国内外众多科技公司选择人脸识别作为主攻方向的一个重要原因。
“人脸识别很可能仅需一年就能够在机器人身上得以体现”，陶大程如是说。
人脸识别还只是第一步，让机器更智能，更好地识别人类并且发展到能学习、模仿和创造，还需要做很多努力，这就包括多视觉学习、人体姿态估计、行为分析等。人体姿态估计能够帮助机器人在家庭中感知人的行为，而行为分析则结合了场景，能帮助机器从 视频 中识别出一个人的行为或者多个人一起参与的行为，例如一个人在游泳，多个人在踢足球。通过多角度学习，机器人能够愈发精准地理解一个事物、一个事件。
陶大程的团队在这些计算机视觉和机器学习等领域的研究都实现了突破，并在权威期刊如IEEETPAMI、TIP等发表了研究成果。在2016 Activity Net竞赛中，陶大程团队取得了行为检测任务第一、行为识别任务第二的佳绩。
人工智能及机器人商业化大势所趋但“基础很重要”
当技术趋于成熟，商业化也随之而来。在学界人才像业界流入的驱使之下，各大科技公司的人工智能进展和未来布局让商业化进程处于加速状态。
“人工智能的商业化是大势所趋。”他认为，当一项技术已经达到成熟阶段，那么它的商业化前景将非常可观。但人工智能商业化也面临着诸多挑战，技术不成熟、人工智能发展所造成的失业率反向抑制人工智能发展以及商业模式，这些都是可能影响的因素。
“一个良性的商业化模式至少是稳扎稳打的，企业的产品开发是基于成熟的、自主研发的核心技术”，他建议，针对尚未解决的应用问题，不能盲目采用学术界公开的技术，而是需要培养自己的科研团队，主打独立自主研发这张牌。
“总而言之，基础很重要。”
智能机器人 、无人驾驶、民用无人机、人脸识别、智能语音……这些具备商业化的人工智能技术在他看来都是不错的商业化对象。
技术奇点不可能实现不必恐慌人工智能威胁论
在近期热播的美剧《西部世界》中，未来世界中外表与人无异的机器人产生了自我意识，甚至反过来操控人类，这也引发了许多人对于人工智能和机器人利弊的新一轮热议。在此之前，不少学者和知名人士，如霍金、比尔盖茨等也曾表达过对于人工智能发展的警惕。
“技术奇点是不可能实现的，”陶大程认为。
他提到，霍金等人的想法源自于技术奇点，即机器智能开始跨越式发展的时间点，同时也是一个更为智能的新型物种开始统治地球的起点。但在陶大程看来，任何事物的应用都有好有坏，“人工智能技术是一把双刃剑，关键在与如何合理的使用它”。
“在未来，科技与人文一定是交互发展的。”陶大程认为，人工智能不会在失控的情况下肆意发展，因此大众不必恐慌，而作为技术及行业从业人员，“我们要遵循健康的发展之道”。
实际上，目前人工智能仍处于弱人工智能阶段，距离大众口中的概念还有很长的一段路要走。在硬件方面，人工智能还需要更强大的感知器、更流畅稳定的机械系统、以及更高效的计算系统，来实现机器的智能分析能力；在软件方面，不仅需要一个通用型很高的系统设计框架，针对每个子模块，还需要高效的算法设计以及充实的理论验证。
“我们从事人工智能方面的研究和发展工作，都是为了利用计算机来改善我们的生活”，这正是包括陶大程在内的诸多学者进行研究的初衷。
