2017腾讯创新日 | 科技引领潮流，创新打造未来

创新充满挑战，科技提供更多可能，随着社会的不断前进，科技、创新越来越深入我们的工作和生活中。勇于挑战自我、专研业务技术的腾讯人在6.14日举办了2017年“腾讯创新日∙科技年技术盛宴”。

本次创新日由腾讯技术管理委员会主办，腾讯创新俱乐部、腾讯大讲堂承办。腾讯集团总裁刘炽平、TEG事业群总裁卢山和代表各个BG技术实力的四级专家、腾讯微创新2016年度创意获奖团队欢聚一堂，一起畅谈AI、系统安全、架构设计、社交传播、推荐模式、游戏引擎等前沿科技和腾讯应用创新的台前幕后。

腾讯微创新2016年度奖

今年初，公司内外6万多人共同评选出腾讯2016年度年度最受欢迎的十个微创新，来自微信红包、腾讯优图、手机管家等十个团队在现场接受公司总办代表用户授予他们的最高荣誉。

腾讯集团总裁刘炽平说，今天回看本届获奖团队的项目事迹感受很深。一直以来很多人都好奇，腾讯从很小长到今天的规模成功的原因到底是什么？因素很多，但其中最简单、基本的因素是我们找对了一帮志同道合的人，做了正确的事情！非常愿意去洞察和了解用户的痛点和未满足的需求，专心钻研和学习不同的技能并找到最佳解决方案。

如果说互联网是一个维度，移动互联网是第二个维度，当有AI之后，就形成三维，创新的空间大了很多。

以前我们一直对产品、体验、技术非常关注，但未来我们对研究还要更多的投入和关注。甚至我们对硬件都需要有更多的理解。

当我们把各种各样的人才混在一起，一起回到最初我们如何去发现用户的需求，如何去解决问题，如何去创造价值的时候，就会带我们公司进入一个新的时代，创出更多有好口碑的产品和体验。

TEG事业群总裁卢山说，微创新奖到今天已举办了6年，这个奖项是在座的各位小伙伴票选出来的，创意都不是老板下达KPI出来的，这也是公司和总办特别看中的一点。

谈到微创新，卢山也触景生情，愉快的回忆和分享了自己10年前QQ时，曾做的两个微创新的案例：QQ群和移动QQ，而QQ群从最初临时会话满足多人中午约饭场景到后面成为QQ产品中最有用户价值的应用之一，其中也走了很多的弯路，也有很多不当的设计，但是因为是自己内心想做的东西，所以就会特别用心，不断地迭代和重构，不断地推翻和打破自己的思想界限，所以今天看来微创新绝不是简单的，他是通往成功的必由之路。这里也看出微创新是腾讯一直在传承的基因，它点燃了每个研发人员和产品人员心中的梦想——想要创造和改变世界。而今天的微创新作品都是让用户投票产生的，是解决用户痛点问题的，因为不是领导的要求的，所以更有生命力和创造力。

关于科技发展，在过去，腾讯对外分享的更多是海量，可是AI的到来，也给我们提出了新的挑战，在过去的一年，以AI Lab团队为代表的公司技术研发队伍，也阶段性的交出了一些备受关注和好评的作品，比如“绝艺”在UEC中独领风骚，首次公开露面就拿了冠军，比如优图技术在身份认证的产品中也有广泛的应用，很好的支撑了公司新的业务领域拓展。所以这一年来公司也大量引进了AI各个领域的研究型学者和专家，来提升和加快我们在科技创新这条路的前进速度。但是，我们也会看到，不同垂直领域技术的互通和融合会对腾讯各个技术团队面临很大的挑战，但也必须这样才能实现技术共同进步，为了我们更大的理想和梦想，我相信凭借大家的智慧我们一定可以找到最优方案，办法总比问题多。

无论是微创新还是科技改变未来，都将是来自每个团队内心的需求，所以大家坚持在以AI为代表的科技之路上继续前行，团队之间互通有无，取长补短，公司才会在科技的路上走得好，走得长远，用户才能更好地享受我们提供的产品和服务。

科技创新论坛

语音信息处理的回顾与展望

李海洲：新加坡国立大学终身教授国际语音通信学会主席

李海州博士首先分享回顾了语音识别研究过去几十年的进展。语音识别它把传统的统计模型换成深度学习的神经网络，代替了传统的高氏模型。李博士认为深度学习不光是一个模式识别新的学习算法。深度学习靠的是数据，有很多数据的时候需要一个很强大的运算能力。更好的模式识别和人的自主识别不划等号，认知有什么特性？识别和认知相似，但是有实质上的区别，识别是把得到的东西辨认出来，认知是有学习的能力。不要认为深度学习解决认知的问题，并不能够说它把模式识别推进了一步，自动就变成了认知功能的系统。做语音识别并不是大数据的问题，我们听一个人说一句话就知道他是谁，并不需要听很长的语音，所以说不是大数据的问题。

但是我们仍然可以用大数据的方法解决小数据的问题，例如从大数据里面找一些共同的规则，来适应小数据。现在我们很多时候在做的消噪音、语音分离等等，都是像这个方向走，是让前端耳朵有一些知识，在听的时候有选择性的听。语音模型必须用World Knowledge来代替。例如你说一个词，他可以识别成另外的词，因为它的语言模型是做其他东西的时候训练出来的，系统对原模型没有做更新，也不是一个自适应学习的过程。

代码未写，漏洞已出

于旸：玄武实验室专家工程师GeekPwn大赛的总评委

于旸，在讲座中提出安全问题的成因可分为设计不当、实现不当、使用不当三类。设计类安全问题的数量相对较少，但形式变化无穷。一旦出现往往影响深远，解决成本巨大。设计不当又分两种：单点设计不当、多点耦合不当。多点耦合要考虑：内部耦合、外部耦合、系统之间的耦合、系统和人的耦合。

设计上产生的问题，解决起来并不容易，厂商解决问题的意愿也不高。玄武实验室通过和微信支付合作，已经解决了腾讯提供给微信支付商户的扫码器中的相关问题。在更复杂的情况下，有些安全问题同时涉及系统、协议的多点耦合。如Windows系统中的9个协议、系统设计，独立去看均没太大问题，但9点联合在一起就导致了影响Windows 95以来所有 Windows的 BadTunnel 问题，可以劫持用户的通信，甚至植入木马。系统和人的耦合也是容易被忽视的问题。如运营商前几年提供的“短信保管箱”等业务，当你的电脑一旦被人控制，短信第二把锁的作用没有了。所以做设计和架构的时候，在安全上要往外想想、往前想想——“是故圣人不治已病治未病，不治已乱治未乱”。

下一代的全能广告系统架构

唐溪柳：社交与效果广告专家工程师

唐溪柳，给大家分享了支撑这个生态的系统架构和研发体系，详细讲述了系统架构里面比较有特色的子系统，检索系统和数据分析系统，让大家即看到SPA的技术生态、整体架构，支撑SPA技术生态的各种核心算法，核心系统能力。

社交与效果广告（SPA）是一个数据闭环系统，数据在系统中流动，并不断优化系统指标参数，这种类型的业务模式主要是搜索和广告，例如Google、百度 Facebook和阿里、腾讯SPA。SPA可以分成一些比较独立的平台系统，如广告播放与竞价平台、检索系统、点击回流与效果跟踪平台、模型训练与参数预测平台等分析系统。通过从流量和广告这两个方向重点介绍了系统的数据流，研发体系，检索系统和数据分析系统。

深度学习重构视觉计算

刘威：AI Lab 计算机视觉专家工程师

刘威，在报告中讨论了深度学习对视觉计算的推动。针对计算机视觉问题，深度学习从性能上远远超越了传统的机器学习方法，譬如在imagenet的物体识别的任务上，现在top-5的错误率已经远小于人眼的判断能力。因此，是否可以说深度学习摧毁了视觉计算这个研究课题？答案是否定的，因为视觉计算中的最为广泛使用的卷积神经网络（CNN），虽然是一个复杂的网络计算。但是针对每个层的卷积计算来说，都是对图像的特征层进行相应的滤波操作。这正是传统的计算机视觉的研究方法。因此，可以说是深度学习重构了视觉计算。针对深度学习重构视觉计算这个课题，刘威结合计算机视觉中心的研究课题，介绍了深度学习对视觉计算的研究课题的影响，并且在相应的视觉任务上取得的突破性的成果。AI Lab视觉中心2017年在领域内的顶级会议和期刊上发表10+篇论文，并且提交9项专利的申请。

介绍了计算机视觉研究中的三个重要的研究方向，“视频编辑与生成“，”视频分析与理解“，和”3D&AR“。并着重介绍了AI Lab在前两个方向里的研究成果。视频艺术滤镜，不仅能够保留原始视频帧的内容，同时可以很好的引入风格图像的风格，更重要的是保持了变换后的图像的风格的一致性。这项工作，相关的技术撰写的论文发表于CVPR2017，同时针对这样的技术申请了专利保护。另外这项技术也已经移植到手机端，后续会在手Q等产品中推出。针对视频分类，通过两通道的CNN来同时捕捉视频的内容，和视频的运动信息。相关的技术专利正在申请过程中，并且已经服务于腾讯视频的游戏视频分类。针对视频缩略，可以通过用户观看视频记录，来学习并且预测视频局部片段的显著性。视频对象分割的研究结果可以进一步应用于直播的产品中。人脸检测方面的进展，可以是我们更好的来检测和识别视频中的人脸信息，例如视频明星人脸，以应用于腾讯视频等产品中。

腾讯优图，产品驱动AI创新

吴永坚：优图实验室专家工程师，哼唱识别Mirex中刷新过世界纪录

吴永坚，介绍了腾讯优图在PC互联网（存储和传输）、PC互联网到移动互联网（呈现和交互）、移动互联网（理解和智能）等各时代不同背景和场景驱动下所做的探索与创新，对当前我们所处的移动互联网时代，从移动联网的兴起到互联网+，从互联网+到AI+等进行了进阶式的重点介绍。

PC互联网时代，腾讯优图从服务架构和图像演进本身两方面着手进行优化，提出了柔性可用和有损服务的理念及图像编解码和图像压缩的优化。随着移动互联网的兴起，更多的多媒体数据产生，图像个性化内容被更多的强调，短短两三年时间，诞生出很多潮流的图像应用和爆发了很多现象级事件。优图通过技术研发创新对人脸、图像等相关技术进行了深厚的积累和广泛的落地。在移动互联网发展进入到互联网+的时代，大量的传统行业开始与互联网结合，优图开始将自身技术与产业深度结合，如优图人脸技术在远程的身份认证的产品中广泛落地应用，自研的活体检测技术也在各类行业场景中得到了检验。AI+的时代。在互联网人口红利消失，商业模式创新越发困难，硬件持续发展，深度技术爆发等等大的背景下优图持续提升自身模型的能力，进一步验证了优图对于技术创新形成的数据、技术、应用环驱动模式。持续的创新使之保持在业界最为领先的地步并与实际场景中应用落地。

基于机器学习与动力学社交传播研究

陈川：社交网络数据挖掘专家工程师

陈川，主要介绍了社交传播目前的研究方向，在宏观层面，研究信息传播的规律，提前发现一些可能爆发的传播事件，规避风险。在微观层面，分析在群体环境、热点事件下，用户的行为决策，优化个性化服务系统。

对于社会传播的宏观层面研究，研究对象除了信息以外，还有创新的传播、扩散，以及情绪在社交网络上的传播。包括传播的机制、模式，传播过程的关键路径、节点，以及对传播的结果进行预测。

对于微观层面的研究，我们主要研究在群体环境下个体用户的行为决策。传统上往往把为用户提供什么样的个性化服务转为了一个分类预测问题，根据用户的人口属性、兴趣标签，去计算用户的行为概率。

人工智能连接内容创作与消费

张智敏：网络媒体推荐技术专家工程师

内容推荐是现在互联网领域为数不多的依然百花齐放的方向，各个公司都在其中投入了大量的资源。张智敏从内容创作开始，分享了对内容推荐的思考和现状的分析。推荐系统作为一个算法驱动的用户产品，最终目标是提升内容创作的积极性和用户对产品的粘性和满意度。由于个性化的差异作用，使得评估用户满意度必然是一组系列的数据。

推荐系统区别于传统的机器方式是要从各个不同维度出发来设计整个学习的方式。这需要理解正在使用我们产品的用户以及未来潜在的用户的需求，甚至是理解用户自己都没有发现的需求，这对训练数据和特征的设计提出新的要求。

整个系统既要服务好现有用户，又要在最大限度上提升新用户的满意度，而用户规模的提升带来数据提升又对系统产生新的影响，系统需要自适应用户数据对训练数据的影响，形成一个螺旋结构。

谈游戏引擎开发及技术突破

安柏霖：游戏引擎组专家工程师

本次分享中主要介绍了实际产品《天涯明月刀》中的创新实践，具体问题的解决和创新能力的提升。

技术方面包括：多线程解决方案和“透明布料”。多线程解决方案上，安柏霖提到《天涯明月刀》在性能方面有很大的挑战，需要在超大地图上打出超大规模战斗，而且又是业内复杂度最高的游戏之一。性能方面，引擎模块有70%都是并行执行的，很高的覆盖率，所以能够充份的利用计算资源。复杂度方面，可以做到全团队异步编程，且整个过程几乎没bug。

“透明布料”上，高质量高效率的透明布料是天刀首创的技术。团队围绕玩家的注意力区域，以类似jpeg压缩技术的方式，做到了以很少的质量损失来提升渲染效率。

创新能力提升上，安柏霖强调系统化的构建解决方案，构建完备体系化的知识体系是在项目创新中的关键。