鄭宇、沈抖領(lǐng)銜共話 AI 業(yè)界應(yīng)用挑戰(zhàn) | IJCAI 2019

雷鋒網(wǎng) AI 開(kāi)發(fā)者按：8 月 10 日至 16 日，IJCAI 2019 在中國(guó)澳門(mén)隆重召開(kāi)。盡管作為一場(chǎng)學(xué)術(shù)會(huì)議，以綜合性為長(zhǎng)的 IJCAI 在會(huì)議中也有探討 AI 工業(yè)應(yīng)用的部分，其中就有一場(chǎng)由工業(yè)界帶來(lái)的 Panel「AI Challenges in Industries」，圓桌會(huì)議邀請(qǐng)了索尼研發(fā)副總裁藤田昌宏（Masahiro Fujita）、滴滴副總裁郄小虎、微軟首席研究員 John Langford、百度副總裁沈抖來(lái)一同探索 AI 在工業(yè)應(yīng)用中所面臨的挑戰(zhàn)，本次圓桌會(huì)議的主持人由京東副總裁鄭宇擔(dān)任。AI 開(kāi)發(fā)者為大家?guī)?lái)這場(chǎng) Panel 的現(xiàn)場(chǎng)報(bào)道。

 

技術(shù)與方法

鄭宇：眾所周知，AI 并非對(duì)于所有問(wèn)題都有效，有時(shí)有用有時(shí)沒(méi)用，那各位所在公司如何判斷 AI 是否適用于解決某個(gè)問(wèn)題呢？

沈抖：當(dāng)然，我們?nèi)魏我患夜径紵o(wú)法說(shuō) AI 可以解決所有問(wèn)題。大家在很多會(huì)議上，都會(huì)聽(tīng)到 AI 能解決很多問(wèn)題，然而現(xiàn)在 AI 還無(wú)法做到這種程度，原因有 3 個(gè)：

第一，當(dāng)下的 AI 技術(shù)可能會(huì)存在很大的局限性，因而對(duì)于很多問(wèn)題，AI 技術(shù)都無(wú)法很好地解決；

第二，我們可能無(wú)法將一些現(xiàn)實(shí)問(wèn)題轉(zhuǎn)述成 AI 問(wèn)題；

第三，工業(yè)界可能沒(méi)有足夠的資源或者工程師去解決 AI 問(wèn)題以及實(shí)施 AI 解決方案，尤其有時(shí)候的一些問(wèn)題首先需要我們?nèi)祟?lèi)去解決，當(dāng)我們自己找到解決方法的時(shí)候，我們才能利用好 AI 技術(shù)去解決這些問(wèn)題。

John：我認(rèn)為，這個(gè)問(wèn)題具象化到某個(gè)具體的項(xiàng)目，某種程度上要看是否能夠給 AI 提供指導(dǎo)解決問(wèn)題的信息，有時(shí)可以是給數(shù)據(jù)做標(biāo)注，有時(shí)可以讓 AI 系統(tǒng)從有用的語(yǔ)料庫(kù)中學(xué)習(xí)或通過(guò)強(qiáng)化學(xué)習(xí)從現(xiàn)實(shí)世界得到反饋。如果這些方法可行的話，你可以嘗試讓 AI 去解決某個(gè)問(wèn)題。

郄小虎：針對(duì)工業(yè)界如何判斷某項(xiàng) AI 技術(shù)是否對(duì)解決某個(gè)問(wèn)題有效，這里有三個(gè)可以考量的問(wèn)題：第一個(gè)是是否有足夠可用的大數(shù)據(jù)來(lái)訓(xùn)練模型；第二個(gè)是能夠?qū)?wèn)題轉(zhuǎn)述成機(jī)器學(xué)習(xí)所能理解的語(yǔ)言，比如說(shuō)如何將匹配司機(jī)和乘客的問(wèn)題轉(zhuǎn)化為某種圖表或特征從而讓 AI 可以用來(lái)進(jìn)行匹配；第三個(gè)是我們需要意識(shí)到 AI 無(wú)法做到非常完美，一旦遇到它們此前未見(jiàn)過(guò)的場(chǎng)景，可能就會(huì)失效。

鄭宇：現(xiàn)在有部分 AI 技術(shù)相對(duì)傳統(tǒng)方法表現(xiàn)出大熱的現(xiàn)狀，比如深度學(xué)習(xí)，但實(shí)際上很多人僅僅停留在談?wù)摰碾A段，這種現(xiàn)狀是機(jī)遇還是挑戰(zhàn)？

藤田昌宏：從某種意義上講，新模型的提出確實(shí)能夠?yàn)?AI 的研究賦能。但在開(kāi)發(fā)過(guò)程中，如何選擇模型，選擇使用怎樣模型；都是值得我們仔細(xì)思考的問(wèn)題。任何事情都有兩面性，但良好的決策有助于產(chǎn)生更高質(zhì)的產(chǎn)品。因此從公司的角度出發(fā)，我們需要帶著質(zhì)疑的眼光來(lái)看待這些問(wèn)題。

郄小虎：總體來(lái)看，我更傾向于將這種現(xiàn)象視為 AI 界的挑戰(zhàn)問(wèn)題。我們確實(shí)也看到了深度學(xué)習(xí)在實(shí)際過(guò)程中表現(xiàn)出的潛能，這也是它熱門(mén)的原因之一；但現(xiàn)實(shí)情況中，深度學(xué)習(xí)也存在很大的局限，很多問(wèn)題目前是無(wú)法通過(guò)深度學(xué)習(xí)得到解決的，有時(shí)僅僅是環(huán)境的改變，深度學(xué)習(xí)可能就無(wú)法起到效果。所以如果僅從優(yōu)勢(shì)的角度看待深度學(xué)習(xí)，這將可能對(duì)今后的研究過(guò)程產(chǎn)生極大的阻礙。

沈抖：在我看來(lái)，這件事沒(méi)有辦法去用好壞來(lái)衡量；站在團(tuán)隊(duì)的角度，我們把它視為懶惰問(wèn)題，即團(tuán)隊(duì)是否愿意去嘗試新事物。在我們團(tuán)隊(duì)，我非常鼓勵(lì)大家去了解不同的模型或方法，因?yàn)樾碌哪Ｐ屯惨馕吨鴻C(jī)遇。通過(guò)結(jié)合這些新模型與方法，我們或許能夠碰撞出更多好的想法，從而得到更多實(shí)用的模型。

AI 落地

鄭宇：現(xiàn)在公司的服務(wù)對(duì)象包括三個(gè)類(lèi)別：用戶（To C）、企業(yè)（To B）和政府（To G），那各位怎樣看待這三種類(lèi)型的模型在應(yīng)用 AI 方面的區(qū)別？

沈抖：一般而言，在 To C 中，我們能夠獲得用戶行為畫(huà)像，因此，AI 的表現(xiàn)非常不錯(cuò)，能夠解決大多數(shù)問(wèn)題；但是 To B 和 To G，我們所面臨的一個(gè)問(wèn)題和另一個(gè)問(wèn)題都是不同的，所以我們需要花很多時(shí)間去明確問(wèn)題并追蹤出現(xiàn)的問(wèn)題，這比應(yīng)用一個(gè)機(jī)器學(xué)習(xí)模型要難得多，因而 AI 在 To B 和 To G 的模型中應(yīng)用的難度要比 To C 更大。

郄小虎：我認(rèn)為三者之間的區(qū)別關(guān)鍵在于服務(wù)的對(duì)象群體不同，因而了解用戶的需求對(duì)于選擇正確的 AI 技術(shù)而言很重要。比如，用戶可能更注重便利性和安全性。所以我認(rèn)為三者最大的區(qū)別，在于理解三種類(lèi)型的客戶的不同需求。

鄭宇：從你們自身角度出發(fā)，你們認(rèn)為 AI 給我們的生活帶來(lái)了怎樣好的改變？

沈抖：盡管 AI 看似非常高大上的話題，但其實(shí)在日常生活中，我們能很容易發(fā)現(xiàn)它的影子。比如：用戶會(huì)使用網(wǎng)絡(luò)搜索時(shí)，往往會(huì)提出很多問(wèn)題，而問(wèn)題的檢索與解答，其實(shí)就是我們與 AI 發(fā)生聯(lián)系的時(shí)刻。在搜索方面，我們從以前的文字搜索到現(xiàn)在的圖片搜索，整個(gè)過(guò)程 AI 起著很大的作用，并且可以肯定的是，今后還會(huì)有更多更先進(jìn)的 AI 技術(shù)將用到搜索系統(tǒng)中。

John：從教育的角度來(lái)看，AI 技術(shù)的不斷更新，一定程度上也推動(dòng)了在線學(xué)習(xí)的發(fā)展。通過(guò)推廣在線教育，我們能夠?qū)崿F(xiàn)知識(shí)的有效傳播，而且大部分人都能夠接收到來(lái)自世界各地更多元的知識(shí)，這是我所看到的 AI 帶給我們的益處之一。

郄小虎：AI 的確正在慢慢滲透我們的生活，并且讓我們更好去享受生活。AI 在滴滴中的應(yīng)用，也能夠更好的幫助乘客與司機(jī)建立有效的聯(lián)系。其中，我認(rèn)為 AI 讓滴滴出行更加人性化，尤其對(duì)于高峰期間乘車(chē)問(wèn)題，無(wú)論是訂單的快速建立與取消，還是有效減少乘客等待時(shí)間的智能匹配方面；都給司機(jī)與乘客帶來(lái)了極大的便利，這些大的改進(jìn)都離不開(kāi) AI 技術(shù)的幫助。

聚焦 AI 國(guó)際

鄭宇：本次的四位嘉賓來(lái)自全球 GDP 最高的是哪個(gè)國(guó)家——美國(guó)、中國(guó)和日本，那三個(gè)國(guó)家在 AI 領(lǐng)域所面臨的挑戰(zhàn)有何不同，各自的優(yōu)勢(shì)以及挑戰(zhàn)都有哪些？

藤田昌宏：相比美國(guó)和中國(guó)，日本確實(shí)現(xiàn)在處于了落后的境地。而目前日本面臨的比較大的挑戰(zhàn)是，日本的很多公司在 AI 技術(shù)的產(chǎn)品落地方法，積極性不是很高。

郄小虎：美國(guó)、中國(guó)和日本的論文發(fā)表數(shù)量都是世界領(lǐng)先的。而中國(guó)的優(yōu)勢(shì)，第一是擁有非常大的市場(chǎng)，無(wú)論是數(shù)據(jù)還是應(yīng)用，相比之下都具有很大的優(yōu)勢(shì)；第二是中國(guó)在機(jī)器學(xué)習(xí)領(lǐng)域擁有大量的人才儲(chǔ)備，中國(guó)在各個(gè) AI 會(huì)議上的論文發(fā)表數(shù)量都是領(lǐng)先的；第三是中國(guó)政府針對(duì)創(chuàng)新推出的支持政策對(duì)于 AI 領(lǐng)域的企業(yè)和初創(chuàng)企業(yè)的幫助巨大，這能夠很好地推動(dòng)中國(guó) AI 的發(fā)展。

沈抖：關(guān)于這個(gè)問(wèn)題，我最想強(qiáng)調(diào)的一點(diǎn)是，無(wú)論是學(xué)術(shù)界還是工業(yè)界在 AI 研究中，要更多地關(guān)注長(zhǎng)遠(yuǎn)的利益，而非短期的結(jié)果。

John：在之前，美國(guó)的教育體系是開(kāi)放的，吸引了來(lái)自世界范圍的 AI 人才前往就學(xué)，也為美國(guó)的 AI 發(fā)展做出了貢獻(xiàn)。然而現(xiàn)在美國(guó)的教育有了很多限制，將很多來(lái)自其他國(guó)家和地區(qū)的人才拒之門(mén)外，導(dǎo)致美國(guó)的人才儲(chǔ)備受到影響，并且這種影響已經(jīng)蔓延到了我的工作中。

雷鋒網(wǎng) AI 開(kāi)發(fā)者 雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。