DeepMind创始人接受专访：人工智能将塑造未来
[摘要]哈萨比斯称，DeepMind最终将被用于解决现实世界大问题，学习型人工智能将提升游戏行业整体水平。
腾讯科技讯 3月14日，据国外媒体报道，()旗下人工智能公司DeepMind的AlphaGo程序击败韩国围棋冠军李世石（Lee Se-dol），成为近年来人工智能领域少有的里程碑事件。但是AlphaGo至今还只是个程序，甚至不是谷歌的主要项目。但DeepMind创始人杰米斯·哈萨比斯(Demis Hassabis)不久前曾说过，DeepMind想要解决“智慧问题”，而他对如何实现这个目标有很多想法。哈萨比斯本人拥有不同寻常的经历，但对实现“解决智慧问题”的目标似乎非常有用。这位国际象棋神童曾五次获得脑力奥林匹克运动会（Mind Sports Olympiad）全能脑力王(Pentamind)称号，年轻时即在英国电脑游戏开发商Bullfrog和Lionhead中声名鹊起，曾帮助研发人工智能游戏《主题公园》、《黑或白》等，此后组建了自己的工作室Elixir。在2000年中期，哈萨比斯离开游戏行业，并获得神经系统博士学位，2010年创建了DeepMind。AlphaGo首次战胜李世石后，哈萨比斯接受了美国科技媒体网站The Verge记者萨姆·拜福德（Sam Byford）专访，除了探讨AlphaGo，他还畅谈了视频游戏、下一代智能手机助手、DeepMind在谷歌承担的角色、机器人以及人工智能如何帮助科学研究等话题。文章摘要如下：1.AlphaGo成为人工智能研究领域的“圣杯”拜福德：对于那些不怎么了解人工智能或AlphaGo的人，你如何描述昨天发生的“文化共鸣”现象？哈萨比斯：AlphaGo已经达到完美信息游戏的巅峰，围棋远比国际象棋复杂得多，所以它始终是人工智能研究面临的“圣杯”或“巨大挑战”，特别是自“深蓝”以来。众所周知，尽管我们进行了很多努力，但距离目标依然很遥远。10年前，蒙特卡洛树搜索研究是一大创新，但我认为AlphaGo引入了直觉方面的神经网络，这才是区分最顶级棋手的关键。拜福德：当你看到AlphaGo下棋时，你会为其特定动作感到惊讶吗？哈萨比斯：我会，我们都感到非常震惊。我认为李世石也是如此，这从他的面部表情就可看出来。比如当AlphaGo将棋子下入左侧，深入李世石的领地后，我想那是个出人意料的举动。拜福德：因为这代表侵略性？哈萨比斯：的确，代表着侵略性和无畏。此外，AlphaGo也在以李世石擅长的策略发动反击。李世石向来以创造性攻击战闻名，而我们也正期望如此。游戏开始时，李世石开始在整个棋盘上布局，对于传统电脑为其程序来说，它们在这方面始终存在短板。它们善于局部计算，但是当放眼全局时，它们的表现就会很糟糕。拜福德：最初举行次类比赛的重要原因是评估AlphaGo的能力，你从它与李世石的首场对战中有什么感悟吗？哈萨比斯：我猜我们应该继续沿着当前方向研究，这并未出乎我们的预料。我们曾告诉人们，我们认为比赛胜负难料。我认为任何事都可能发生，我知道李世石可能会采取不同的战略。因此我认为接下来的比赛更值得期待。刚刚谈及了AlphaGo对于人工智能研究的重要意义，现在我回答你的第一个问题：AlphaGo与深蓝的差异。深蓝是“手工研发”的程序，程序员筛选国际象棋大师的信息，将其转化为具体规则和启发，而我们为AlphaGo植入了学习能力，它可以通过练习和学习积累更多经验，这与人类更为相似。2.最终将被用于解决现实世界大问题拜福德：如果AlphaGo继续以同样方式获胜，接下来要做什么，将来是否继续人工智能PK人类的游戏？哈萨比斯：我认为对于完美信息游戏来说，围棋就是巅峰。当然，可能还有其他顶级围棋大师与之对战，有些游戏也非常困难，多名玩家参战也将产生更大挑战，因为那将不再是完美信息游戏。此外还有各种各样的视频游戏，人类的表现也远超过计算机，比如韩国游戏《星际争霸》。在非完美信息世界中，战略游戏要求更高水平的策略能力，这被称为“永远不可能感知到整个世界”。在围棋游戏中，你可以在棋盘上一目了然地看到全局，对于计算机来说相对容易。拜福德：你对亲手打赢《星际争霸》游戏感兴趣吗？哈萨比斯：或许。在一定程度上，我们只对那些有助于我们研究计划的东西感兴趣。DeepMind的目标不仅仅是获得游戏胜利，还要从中获得乐趣和启发。但从个人角度来说，我喜欢玩游戏，我也曾开发过电脑游戏。可是从某种程度上说，它们又都是试验台，即尝试编写算法并对其进行测试的平台。最终，我们希望能将技术应用于解决现实世界的难题。拜福德：我在20世纪90年代末的英国长大，曾在电脑杂志上看到过你的名字，将其与许多雄心勃勃的游戏联系起来。当我首次听说DeepMind和看到你的名字时，我就想“它们很相配”。你能描述下你此前在游戏行业的经历对你现在从事的工作的影响吗？哈萨比斯：创建类似DeepMind这样的公司一直是我的终极目标，我已经为此准备了20多年。如果你了解我曾做过的全部事情，最后会发现它们都是人工智能研究的开始，这也是我选择现在这条路的初衷。如果你熟悉我在Bullfrog的工作，你会发现人工智能是我所编写所有代码的核心。我16岁开始开发《主题公园》，对我来说，那是开创性的时刻，让我意识到人工智能的强大，以及我们应该如何继续扩展它。我们出售了数百万份游戏拷贝，许多人都喜欢玩这款游戏，因为人工智能适应了你的游戏方式。我们继续前进，试图在我的游戏生涯中取得更大进展，此后我重返大学进修，因为我在2000时觉得通过开发游戏过程中留下的后门，会让人工智能研究越走越远。但这很难，毕竟开发商只希望开发流行游戏。拜福德：游戏是人工智能最明显的应用吗？哈萨比斯：我认为是如此，我们正研发非常先进的人工智能。在我20世纪90年代读大学时，这些新技术还没有真正流行起来，比如神经网络、深度学习、强化学习等。因此，实际上最好的人工智能都被应用在游戏中。但它们不是我们正在研发的学习型人工智能，而是属于有限态机器（finite-state machines），但它们依然十分复杂。《黑或白》等游戏使用了强化学习技术，我认为它依然是这款游戏中最复杂的技术。但是在2004年到2005年，游戏行业显然与20世纪90年代不同，变得更有趣、更有创意，你只需想出创意，就可开发任何游戏。但这个行业也变得不再有趣，为此我开始收集不同信息，准备创建DeepMind。我希望从大脑如何解决问题方面获得灵感，为此选择了攻读神经科学博士学位。3.学习型人工智能将提升游戏行业整体水平拜福德：这或许是短期可实现的目标，你将发挥人工智能优势，并将它们应用到当今游戏中？哈萨比斯：坦白地说，很多领域都可使用人工智能技术，我也很喜欢那样做。但是限于带宽的束缚，我们的重点将集中于医疗和推荐系统等。但我认为，这将是个巨大的市场，如果拥有智能适应性人工智能对手，我认为游戏开发者将会喜欢它，他们在开发每款游戏时无需再开发新的人工智能，或许他们只需在自己的游戏中训练人工智能即可。拜福德：我可以想到，当你在家中打视频游戏时，可能因为没有非玩家角色而到异常沮丧。哈萨比斯：的确如此，在大型多玩家游戏中，这总是令我感到很沮丧，因为非玩家角色通常都非常沉默。他们没有任何记忆，没有任何改变，没有任何背景。但我认为，如果有了学习型人工智能，视频游戏的整体水平将获得极大提高。拜福德：将来你开发的人工智能将主要应用于医疗、智能手机助手以及机器人方面。在医疗方面，的人工智能Watson已经在诊断癌症方面取得很大进展，DeepMind的目标是什么？哈萨比斯：DeepMind的开发还处于早期阶段。我们已经与NHS结为合作伙伴，但才刚刚开始开发可用于医疗领域的机器学习平台。我认为Watson的目标与我们完全不同，与我对人工智能的理解也有差异。它就像一个专家系统，属于完全不同的人工智能。我认为你将看到我们的人工智能对图片进行医学诊断，然后纵向追踪体征或量化自我，帮助人们过上更健康的生活方式。我认为那非常适合使用强化学习。拜福德：与NHS合作后，你们推出的应用似乎并未太多使用人工智能或机器学习技术，这是为什么？为何NHS使用这款软件，而其他组织未采用？哈萨比斯：就我个人理解，NHS的软件相当糟糕，因此我认为首先应帮助其实现现代化。他们的系统不支持移动技术，许多技术都非常落后，这令人十分沮丧。我认为，对于医生、护士来说，这会导致他们效率低下。因此，首先需要帮助他们获得更有用的工具，比如可视化和基本统计等工具。我们将开始研发这些软件，此后更复杂的机器学习技术将被融入其中。拜福德：推销这种技术容易吗？显然，在英国投资医疗是个有争议的话题。哈萨比斯：我们都是免费提供技术，这应该令其更容易推销。这与大多数软件公司可能截然不同。几乎开发这种软件的都是跨国大公司，它们并非真正在乎用户，而我们以初创企业的方式去设计它，真正倾听来自用户的反馈，并且不断重新设计它。4.智能手机助手应该变得更智能化拜福德：我们再谈谈智能手机助手。我看到你曾在演示中播放科幻爱情片《她》的幻灯片，那是你的终极目标吗？哈萨比斯：我认为，《她》只是很容易流行和接受的主流观点，我们都认为智能手机助手实际上应该更加智能化，能够识别语境，可以深入了解你正尝试要做的事情。但与此同时，大多数此类系统都是预编程的。这意味着，一旦你去掉了预编程，它们就变得全无用处。因此，我们将开发适应性更强、更灵活、更强大的智能手机助手。拜福德：在这些改进中需要哪些技术突破？为何我们不能在近期内实现？哈萨比斯：我只是认为你需要不同的方法。再次强调下，这是预编程与机器学习的重要区别。目前几乎所有智能手机助手都是预编程的，那意味着它们相当脆弱，只能做些程序员设定的事情。而现实世界却非常混乱和复杂，用户会做各种各样提前不可预知的事情。在DeepMind，我们认为这是基础性原则，开发人工智能的唯一方式就是通过学习和练习积累经验。拜福德：AlphaGo也是从被教导许多游戏模式开始的，如何才能用于输入方式各不相同的智能手机？哈萨比斯：有无数相关数据，你可以从中学习。实际上，AlphaGo算法就是未来数月我们研发的重点，我们认为它可以摆脱最初的监督式学习，完全进入自我发挥的学习模式。这可能花费更长时间，因为当你随机去玩游戏时需要更长时间训练，期间还需要测试，有时候会出现错误。但我们认为，这才是纯粹的学习方式。拜福德：这是因为当前算法已经支持这种可能吗？哈萨比斯：不，我们以前曾做到过。它不会让程序更强大，只是纯粹的学习，无需进行监督。我们认为这种算法可在没有监督的情况下运行。我们去年开发的雅达利（Atari）游戏不会启动任何人类知识，仅仅在屏幕上随机学习。拜福德：这是否更容易，因为失败状态变得更明显？哈萨比斯：这的确更容易，因为分数变得更常见。在围棋中，你真正需要的就是得分，不论你在最后输赢。这就是所谓的“信贷分配问题”：当你在围棋中走了100步后，你却不知道哪一步是确保你获胜或导致你输棋的关键，因此信号相当弱。然而在雅达利游戏中，你正在做的大多数事情都会以分数的形式展示出来，因此更有迹可循。拜福德：你能做出预测，人们使用的智能手机何时会出现明显进步吗？哈萨比斯：我认为在未来2到3年中，你会看到智能手机发生巨大变化。我的意思是，手机将出现非常微妙的变化，某些方面变得更好。或许在4到5年后，你会开始看到智能手机性能发生更大改变。5.谷歌支持对AlphaGo非常重要拜福德：你已经确定了所有的未来可能性，这些是与谷歌存在的最明显联系。你认为这种技术适用于谷歌产品或业务模式吗？哈萨比斯：不，在优化研究进展方面，我们有相当大的自主权。这是我们的使命，也是我们加入谷歌的初衷。但这可能需要数年时间。当然，我们实际上也参与到许多谷歌内部产品开发中，但都处于早期阶段，因此还不方便现在加以讨论。智能手机助手是非常核心的部分，我认为桑达尔·皮查伊（Sundar Pichai）已经多次提及，这对谷歌的未来非常重要。拜福德：谷歌还有其他项目，比如Google Brain。谷歌也在推出机器学习功能，比如Google Photos以及大批面向用户的东西。你发现自己与Google Brain互动了吗？是否存在重叠部分？哈萨比斯：当然，实际上我们是互补的，每周都会进行交流。Google Brain主要集中在深度学习方面，拥有杰夫·迪恩（Jeff Dean）等优秀工程师，为此他们已经扩散至公司的每个角落，这也是我们为何对Google Photos搜索取得如此大的进展感到惊讶的原因。此外，他们驻扎在山景城，距离产品团队更近，研究周期仅为12到18个月。而我们的算法开发周期更长，为此最初可能与产品没有太多交集。拜福德：谷歌对AlphaGo的支持有多重要，没有这种支持你们能取得成功吗？哈萨比斯：谷歌的支持非常重要，AlphaGo实际上还没有应用到硬件上，我们需要许多硬件训练它。我们还需要研发不同版本，让它们在云端互相对战。这可能需要大量硬件支持才能有效，因此如果没有谷歌提供的资源，我们无法短期内取得进展。6.机器人将来或许会帮助找到新粒子拜福德：谈到机器人，我曾去过日本，这个国家将自己视为机器人的“精神家园”。我看到机器人在日本主要有两种使用方式：Fanuc等公司制造的工业机器人，可以为固定目标做很多令人惊讶的事情。而软银开发的礼宾式机器人Pepper，在某些方面更具雄心，但使用有限。你对这种情况如何看待？哈萨比斯：我认为，正如你所说，Fanuc的机器人拥有很强的物理能力，但它们缺少智慧。礼宾式机器人有点儿像智能手机助手，但也仅是根据预编程对固定问题做出解答。如果你不按常理出牌，它们就会陷入混乱。拜福德：所以我想，显而易见的问题是，机器学习等技术将提高机器人能力。哈萨比斯：这只是完全不同的方法。你正在建立新的能力去学习新东西和处理意外事件，我认为你需要将机器人或软件应用到现实世界中，与真实用户互动，它们需要有这样的能力并正确使用。我认为学习路径最终必须是正确方式。拜福德：你认为学习型机器人最直接的应用是什么？哈萨比斯：实际上，我们对此还没有太多考虑。显然，无人驾驶汽车也是一种机器人，但它们只是狭隘的人工智能，尽管它们利用了学习型人工智能的某些功能充当计算机视觉。特斯拉的计算机视觉技术也是基于深度学习开发的。我相信，日本的老年护理机器人、家用清洁机器人也是如此，我认为它们都将非常有用。特别是在人口老龄化时代，它将有助于缓解社会压力。拜福德：为什么学习型人工智能如此重要？哈萨比斯：你必须思考下：为何我们现在还没有这些东西？为何我们还没有能够自动清理房屋的机器人？原因是，每个房屋的布局、家居等各不相同。即使在你自己的房子中，其每天的状态也绝不一样，有时候会显得混乱不堪，有时候则十分整洁。因此你没法对机器人进行预编程，以方便其帮你整理房间。此外，还需要考虑到你的个人喜好，比如你喜欢如何叠衣服等。实际上这是个非常复杂的问题，人类做这些事很容易，但机器人处理却非常复杂。拜福德：你有机器人真空吸尘器吗？哈萨比斯：我有一个，但它不是非常管用。拜福德：我也有一个，它的确不是特别有用，但我发现自己好像已经习惯了使用它，因为我很懒惰，其带来的好处显而易见。因此，我想知道我们何时能够获得更先进的机器人？足够好的机器人的临界点在何处？ 哈萨比斯：我认为每个人都可能购买定价合理的机器人，它可帮你清洗盘子和整理屋子。这些漂亮的真空吸尘器非常受欢迎，但它们还没有智力。因此，我认为每次改进都将促使更先进的机器人诞生。拜福德：你对人类、机器人以及人工智能将来的互动持何种愿景？哈萨比斯：我本人没有太多考虑过机器人的问题。但我对在科学中使用这种人工智能感到兴奋，它可以促使科学以更快步伐前进。我希望看到人工智能辅助科学，你可以有效地使用人工智能助手，帮你完成单调乏味的工作，寻找看起来有趣的文章，在大量数据中发现规律，帮助人类科学家更快取得突破等。我认为，如果将来人工智能可以参与到发现新粒子的研究中，那将非常酷。（风帆）
正在加载...
推广：微信搜索关注“好多娱”公众号，聚焦新文娱领域，聊八卦、看趋势。你的娱乐圈，我的科技圈。
[责任编辑：sayaliu]
您认为这篇文章与"新一网（08008.HK）"相关度高吗？
Copyright & 1998 - 2016 Tencent. All Rights Reserved
还能输入140字百度吴恩达：为何如今人工智能发展加快？
腾讯科技讯 3月22日，2015年中国（深圳）IT领袖峰会在深圳召开。首席科学家吴恩达做了《深度学习与人工智能》的主题演讲。吴恩达表示，深度学习带来的影响越来越深远。而现在，人工智能的发展非常迅速。人工智能发展加速吴恩达认为，很多年前，当深度学习这个概念刚刚开始的时候，更多的是使用CPU技术，构建小的神经元网络只有100万或1000万的连接。在2008年，GPU技术的发展了，连接数目也发生了巨大的增长，GPU是手机上、Pad上的硬件来帮助你做计算，有些人意识到硬件对我们加速深度学习非常重要，发挥着非常重要的作用。我们借助GPU可以构造越来越大的神经元网络。再往后，像()的深度学习项目，使我们更多地了解相关的知识，有了更多的云，更多的CPU来推动相关的发展。而现在则要感谢云技术，或者说仅仅利用纯技术跳到HPC或者叫高性能的计算技术，超性能的计算技术。这是对语音识别的介绍，下面再看一下最后一个部分，也就是行为这块。 行为识别的改变与机会很多技术公司能够获取到一些大数据，以此来了解人们在互联网中究竟是什么样的行为，这是技术的发展。可以从这些数据当中挖掘更多的价值。以百度为例，百度的广告在人工智能方面下了很大的工夫，很多数据是关于人的行为的。而深度学习可以了解人们的行为是什么样的，他们倾向于做什么事情，他们喜欢做什么事情。很多数据搜集起来，了解的不仅仅是人的行为，还有机器人行为。今天的深度学习是一个非常强大的工具，使我们可以了解机器在做什么，来更好地管理数据中心。也可以使用深度学习来提高计算机的安全性。人工智能给我们带来什么？深度学习之所以能带来更多的价值，是因为我们现在可以从越来越多的数据当中受益，获得越来越好的结果，开发越来越多的潜能。所以，深度学习确实改变着人们的生活，改变着传统的人工智能。对于人工智能的机会来说，远不止图像、语音和行为这三个方面，在自然语言的处理方面，有很多的事情可以做，在技术方面，人工智能也有很多东西可以做，这些创新都在发生的过程当中，人工智能也可以更多地被应用到机器人的开发。未来的工业革命给我们带来的影响会非常深远。工业革命可以把人们从日常重复繁重的工作当中解放出来，把人性解放出来，把人的思想解放出来，使人们不再成为思想的奴隶。工业革命将会使生产力获得极大的提升。以下是吴恩达的演讲全文：吴恩达：大家好！我还是每天学习一点中文，不过我现在普通话还是不够好，所以如果有这个耳机，我今天还是讲英语，请翻译者帮我翻译。我们看到新的人工智能技术出现，我们把它称为深度学习，深度学习给我们带来了巨大的价值，也给很多的IT公司也带来巨大的价值。我相信人工智能，我指的是新的人工智能，也就是深度学习给我们带来的影响将会越来越深远。在座的各位很多是企业的领袖，所以，未来大家可能会在你所在的组织或单位做出很多重要且有利的决定，可能是在公司，也可能是在大学，这都是在深度学习方面的，所以我想分享一些对大家有用的东西。首先我讲一下为什么现在人工智能的发展非常迅速，其次是怎样进行投资来推动人工智能的发展，然后是全球人工智能的发展趋势，以及我们面临的机会和挑战。我希望在我的演讲当中关注三个领域，我觉得这三个领域正在发生重大的创新，一个是图像，第二个是语音，第三个是行为。我们先从图像开始，很多年前我还在斯坦福大学教课的时候，我给学生提了一个问题，让他们就用当时人工智能的技术去识别和寻找一个咖啡杯。结果非常糟糕，智能系统觉得整个厨房台面上放的都是咖啡杯。可是，过去的几年里技术已经取得了巨大的发展。在这些年当中，人工智能的发展曾经一度比较低迷或者说比较慢。而在最近几年当中，有一类新的人工智能技术出现，我们把它称为深度学习，也就是让计算机学习了人类的神经系统，来更好地解决类似图形识别的问题。我们有时候不是很清楚人脑究竟是如何工作的，而我们要真正把深度学习做好，就必须要了解人脑在做什么，人脑当中发生了什么，这对我们来说是非常重要的。我们使用这些计算的结果，我们可以给智能系统提供大量的数据，比如咖啡杯图像的数据，这样我们可以获得更好的计算机视觉系统，来做更好的辨识。我们对于神经网络和人工智能的研究进行了好多年，有些人问我为什么到了最近的几年，比如最近五年才发展速度才变得比较快？要回答这个问题，我需要打一个比方。这就像是造火箭。火箭包括两个部分：一个是发动机，另外一个是燃料，这两部分都非常重要，必须同时做好，才能顺利发射到太空中。发动机太小，燃料太大不行；发动机太大燃料不够也不行。所以各部分的比例要非常好才能够确保火箭准确地发射到轨道当中，这给我们研究深度学习也带来了一些启示。我们像研究火箭一样研究深度学习，研究巨大的神经网络在我们的社会当中每天都发生着何种巨大的活动。而且今天的人们大多数活动都是围绕着他们的手机和电脑来开展的，我们如何利用这种新的情况呢，或者新的环境如何更好地帮助我们了解巨大的神经网络呢？我们的社会变得越来越数据化，或者说数字化，正如我刚才提到的，人们很多生活都是围绕着手机和电脑来开展的。我想和大家分享一下我过去的一些经验，在IT世界发生什么，来构造更好的IT行业的“发动机/燃料”配比。在很多年前，当深度学习这个概念刚刚开始的时候，更多的是使用CPU技术，构建小规模神经元网络，只有100万或1000万的连接。我所说的是计算机连接的数目，之后我们取得了一些进展。到了2008年，GPU技术的发展，让连接的数目也发生了巨大的增长。通过手机上、Pad上的GPU硬件，可以帮助你做计算，大家意识到硬件对我们加速深度学习非常重要。我们借助GPU可以构造越来越大的神经元网络。再往后，我们看到了更多大规模的发展，像谷歌的深度学习项目，使我们更多地了解相关的知识，我们有了更多的云，更多的CPU来推动相关的发展。现在我们看到的，也是我所认为的下一阶段的趋势，就是我们要从云技术，或者说仅仅利用纯技术跳到HPC或者叫高性能、超高性能的计算技术。我不想讲过多的细节，因为它会偏重于技术，让我们更多地来看今天所关注的话题，HPC和云，这可能是两个比较分离的社区，研究云和研究HPC的人也是两类人。随着云技术的发展，你可以同时使用上千台计算机，而不用担心这么多计算机会发生崩溃，这种情况是不会发生的，事实已经证明了这点。而HPC技术是数目比较小，但是更贵、更高性能的硬件，这对于我们构造更好比例的“火箭引擎”也是更佳的一个解决方案。在中国，我们其实在一些领域是比较领先的，甚至领先于世界上很多其他先进国家。HPC到深度学习的跳越，其他国家也在进行大量的投资，这是需要我们注意的。我还想给大家举一个这样的例子，看我们究竟能做什么。比如说计算机系统对人脸的识别，这对我们来说也是比较重要的计算机应用。比如针对安全的目的，还有保安的目的，这都是在未来会越来越多的应用。大家对这张脸很熟，美国著名的影星，通过人脸识别可以告诉我们是同一张脸。这当然是最佳的结果，不同的组织使用不同的技术，他们得到的结果也是不一样的，这是因为有时候这个软件的计算也会发生不同。大家可以参考一下这个柱状图来了解相关的计算结果，我们是这周才宣布我们能够在这方面表现得比其他大多数公司都要好。谢谢大家的掌声！和其他公司相比，比如说和谷歌、脸书相比，谷歌和脸书的火箭燃料比我们多，也就是他们的数据比我们多。但是我们在发动机上的投资比他们多，我们在发动机上的投资多给我们带来巨大的好处。我们在发动机和燃料的比例方面要做得好，才能确保造出一个好的火箭。我们正是在发动机方面进行大量的投资，所以我们才在人脸识别领域和其他一些领域比其他国际上领先的大公司要做得好。我们在人脸识别只有0.3几的错误率，大家可以看到我们的比例多么高，我给大家演示一下我们所发生的错误。看一下这张脸，你觉得哪两张脸是同一个人的脸，还是都不同的？比如说在左边的女人的脸，和其他哪张脸是相同的，大家能告诉我吗？我们所犯的9个错误，其实就是发生在这里面，这些都是一个人，大家根本想象不到，他们都是一个人，发生的错误可能是由于样本数据的关系，不是我们自身的关系。而下面是不同的人，大家能看出来了。我刚才提到了识别，像咖啡杯，还有人脸，电脑除了能够识别这些，它还能够理解很多其他图片，如果我们能够在这方面做得很好的话，一张图片能够告诉我们很多东西。比如我们看左边，如果要求你添加字幕的话会怎么写呢？你可能会写有一辆黄色的车在路上开着。如果要为右边的图片写字幕的话会怎么写呢？你可能会写起居室充满了下午的阳光。这个还不够充满激情，我们还可以通过深度学习让你了解更多的信息来写出更有吸引力的字幕。一个计算机能不能了解你我所了解的图片内在信息呢，或者能不能像人脑一样工作来了解我们想了解的信息呢。可能结果是非常让大家吃惊的。现在我在图片上显示的字幕并不是人写的，而是机器写的，这就是我们百度可以提供的技术，也是我们起步的技术。而其他公司甚至还没有搞清相关的概念，他们只有一个笼统的想法要提高电脑图像的识别。在过去几年，具体来说大概三年的时间内，计算机图像的技术发展非常迅速，现在计算机在图像识别上，比多年以前要做得好得多。现在很多计算机甚至能够做到比很多人用眼睛一眼看上去了解的信息还多。我们有一些想法、有一些产品，也有一些技术，我想说的是这些技术给我们开启了无限的可能，可以使我们来了解一下哪些产品领域是大有可为的。我们可以从图中了解一些相关的领域，比如百度还有其他的搜索引擎正在做的事情。我还不清楚清晰的路线图应该是怎样的，或者哪个领域会发展得更加迅速。比如百度在衣服的搜索方面做很多东西。还比如对老年人的照顾方面，我们也做了一些探索，因为中国现在面临人口老龄化的问题。还有在可穿戴设备方面也有一些新的举措。我们希望在这些新领域的探索开启更多的机会，使我们可以创造更大的产业。来看一下计算机的发展，我想跟大家分享一下我们在第二个领域，语音识别方面做的东西。在移动互联网方面，大家对互联网的使和手机越来越多的结合起来。我们过去是用键盘，包括手机键盘来敲字，这是比较浪费时间的，大家现在用语音来进行沟通，所以语音识别是一个非常重要的发展方向。大家可以试一下百度上面有相关的应用，现在已经做得比较好了。而大家现在普遍反应，在手机上进行语音通信的时候，如果手机离得比较远的话效果不是很好，要比较近的时候语音识别才做得比较好。我们在相关的IT技术方面也做一些探索，从传统领域来看，这是语音识别所做的事情，基本上所有做语音识别的公司都是使用非常复杂的方法来改善它的语音系统，突出声音特征，有一些不同的模块，不的的模块组合起来识别这个人到底讲了什么。我们百度做的是什么事情呢？我们把所有这些东西都替代掉，用先进的人工智能技术替代掉，用先进的深度学习技术来替代掉，这就是我们百度的深度语音，我们的火箭发动机。大家看到这个语音识别的结果如下，很多公司用的是依靠大量的数据，而百度的选择是忘掉那些数据，我们将用以万为级别的数据集进行人工智能处理，这就是我们的火箭燃料，我们形成了一些研究的结果。大家可以看到，基本上结果是不可想象的。 人们之前从来不会想到能利用这么多的数据，我们使用神经元系统以及数据燃料，我们发布了这样一个结果，我们可以极大地提高语音识别的准确性。根据我们的计算和调查结果，对于手机处理用户说话提出的要求，我们的接口做得越来越好了。我们可以很好地处理背景噪音，使手机更好地识别你自己讲出的话。我非常兴奋，我们能够在这方面做得越来越精确，做得越来越好。在百度，我们已经看到了使用语音识别的用户越来越多了。因此在这个领域，我们还有很多要提高的。很多人低估了95%的准确率和99%的语音识别准确率的差别。如果我们能够做到95%的话，也就是今天的状况，你说话要非常清楚，要离话筒非常近，必须这样才能识别出来。如果我们将来能做到99%的准确率的话，这和95%简直是天壤之别，这会彻底改变玩法。如果我们能真正做到99%，我们甚至可以把所有手机的接口做重新的设计和修改，使我们自己更加习惯于语音通话指令的发送方式，这可以推动这个领域的革新。你手里的东西将不是传统上的手机了。在手机之外，我觉得我们的语音识别还会推动物联网的革命，从汽车界面到家用设备，再到可穿戴设备将会发生很多的改变。我在家里有5个遥控可以控制的东西，我想再过几年再回过头来看，我们会觉得5个太少了，比如你只是遥控电视，只是遥控空调，简直不够了，看来都是小儿科的东西。在几年的时间内，或者在未来几年，我们将能够和电视通话，和更多的家电通话，这将是未来面临的发展，我们将有很多的路由器内置到这些机器当中。这是对语音识别的介绍，下面再看一下最后一个部分，也就是行为这部分。我们看到很多技术公司现在都能够获取到一些大数据来了解人们在互联网的环境当中产生了什么样的行为，这是技术的发展。我们可以从这些数据当中挖掘更多的价值。正如很多人都知道的，我们百度的广告也是在人工智能方面下了很大的工夫，我们有很多数据搜集过来是关于人的行为的，而这些深度学习可以使我们了解人们的行为是什么样的，他们倾向于做什么事情，他们喜欢做什么事情。因为我们的数据中心还搜集了很多其他数据，使我们不仅仅了解人的行为，还能了解机器的行为。今天的深度学习确实是一个非常强大的工具，使我们可以了解机器在做什么，来更好地管理数据中心。我们可以使用这方面我们了解的信息来更好地使机器运作。我们也可以更好地了解计算机是如何工作的，我们还可以使用深度学习来提高计算机的安全性。这是我们百度正在做的事情，我们觉得很多行为数据给我们带来的机会，包括人的行为，包括机器的行为，可能比我们今天所了解到的要广得多。美国、中国和欧洲现在都越来越多使用深度学习来了解人的行为，了解机器的行为。在IT世界当中以及IT世界之外挖掘更多的机会，这也推动了我们未来的成功。我非常兴奋地了解到深度学习在上述三个领域都给我们带来了巨大的改变或者将会带来巨大的改变，我刚才用了火箭的引擎和燃料来做类比，使大家更生动地了解我们所面临的改变。最后我跟大家分享一个框架，人工智能能给我们带来什么，人工智能的循环发展是非常迅速的，在15年前，我们有这张图，我们有这个想法，这就是AI人工智能的良性循环。那时候我们如果能够构造优秀的产品可以吸引更多的用户，有了更多的用户就可以获得更加大量的数据。现在这个良性循环确实已经就位了，现实就是这样。而还没有发生的事情，我们以前想过但还没有发生的事情，更多的数据通过人工智能将被更好地利用，来推动更多的优秀产品被生产出来，而这个只是在最近几年我们才开始做。而我们的火箭引擎现在不够大了，我们的燃料变得越来越大了，现实世界就是这种情况。大家搜集到的数据越来越多了，可是引擎不够大，所以不能深度地利用这些数据。在我们搜集更多数据的过程中，推动更多应用发生的过程中，这是我们之前那些老的算法是连想都不会想的。而深度学习之所以能给我们带来更多的价值就是因为我们现在可以从越来越多的数据当中受益，获得越来越好的结果，开发越来越多的潜能。所以我说深度学习确实改变着我们的生活，改变着传统的人工智能，使我们最终可以把发动机和燃料的连接做得特别好，把产品、大量用户和海量数据之间的连接做得更加通畅。最后我想说的是，在这个介绍当中，我主要是关注了图像、语音和行为。但是对于人工智能的机会来说远不止这三个方面，我们看到在自然语言的处理方面有很多的事情可以做，在生物技术方面人工智能也有很多东西可以做，这些领域都有创新正在发生，人工智能也可以更多地被应用到机器人的开发。百度大脑大家都听过吧，还有这也是最近大家比较熟的中国大脑紧密联系起来的概念。在很多年前，百度可以从应用当中吸取更多的价值，在百度专门有一个团队，他是余凯和王晶领导的，这个团队主要是构建深度学习的内部平台，这个平台可以做的事情是什么呢？可以支持百度的工程师获取CPU、GPU和深度学习的平台资源，他们可以使用这些技术来推动他喜欢的应用。而这些在公司当中就推动了深度学习的繁荣发展。因为我们创造的东西那么多，我们人工智能很多应用的领域，我们甚至还想象不到，还不知道。我想面对未来，可能机会会更大，能想象到的和不能想象到的机会会更多。我们可以抓住的方面也很多，可以真正帮助我们重塑经济结构。面向未来，如果想看一下人工智能给我们带来的潜在影响的话，我不得不想到第一次工业革命，第一次工业革命是在英国，最后蔓延到整个欧洲的。我想这次工业革命在当时也是推动了一些新技术的发展，最初在英国，最后整个欧洲都采用了这些技术，这是一百多年前，快两百年的事情了。我也希望大家能把眼光放在未来的工业革命上面，它给我们带来的影响是非常深远的。这些工业革命也可以把人们从日常重复繁重的工作当中解放出来，把人性解放出来，把人的思想解放出来，使人们不再成为思想的奴隶。这些变革，这些工业革命将会使我们的生产力获得极大的提升。刚才我和大家分享了很多机会，我真的是很期待未来的发展，当那么多的人力，人的思想和大脑被解放出来之后，我们能做的事情很多。我非常兴奋能在百度继续进行大量的投资，投到人工智能方面，也希望我们做的东西能给大家有所帮助，能对社会有所帮助，谢谢！
[责任编辑：huitangdu]
您认为这篇文章与"新一网（08008.HK）"相关度高吗？
Copyright & 1998 - 2016 Tencent. All Rights Reserved
还能输入140字}