<mark id="oztn4"></mark>
1
| 本文作者： 張偉 | 2016-08-12 23:14 | 專題：CCF-GAIR | 全球人工智能與機(jī)器人峰會 |
機(jī)器學(xué)習(xí)大潮氣勢如虹，科技巨頭們?nèi)绾纬孙L(fēng)破浪？CCF-GAIR大會首場圓桌論壇圍繞這個話題進(jìn)行了熱議。微軟亞洲研究院主管研究員鄭宇擔(dān)綱主持，小米聯(lián)合創(chuàng)始人黃江吉先生、360人工智能研究院院長顏水成博士、騰訊優(yōu)圖創(chuàng)始人黃飛躍博士、今日頭條科學(xué)家李磊博士參與討論。（內(nèi)容有刪減）
鄭宇：分享一下360最近在人工智能領(lǐng)域取得了哪些進(jìn)展，并且在未來有什么樣的布局。
顏水成：我加入之前360在人工智能方面已經(jīng)做了很多事情，基本視覺、語音、語義還有大數(shù)據(jù)。除了傳統(tǒng)業(yè)務(wù)以外，還有兩個業(yè)務(wù)對人工智能的使用非常多，一個是智能硬件，一個是老周特別喜歡的直播。
從研發(fā)角度來說，我們主要做了兩件事：一方面是當(dāng)我們有了大數(shù)據(jù)之后怎樣更加快速的把這個模型訓(xùn)練出來？另外是從智能硬件的層面來說，除了傳統(tǒng)的人工智能，在云上的使用還有一個很重要的場景是端上的人工智能。
端上的人工智能有兩個層面可以做事情，一個層面是你怎么樣從算法的角度把模型變得更好，把復(fù)雜度降到更低，用很少的資源把好的人工智能用到端上；另外是從面上，比如提升深度學(xué)習(xí)芯片的計(jì)算能力。但是在中國的特定場景下，用戶對產(chǎn)品的價值很在意，在我個人來看，從算法上降低計(jì)算的復(fù)雜度是非常有價值的，所以在過去一段時間我們在這方面花的時間和精力非常多。
對于將來的布局，我覺得主要有兩個層面：一個是業(yè)務(wù)層面，繼續(xù)圍繞360公司的核心基因安全業(yè)務(wù)，用人工智能為其提供服務(wù)。從研究的層面來說，一方面我們會繼續(xù)專注打造更好的模型、算法提升端上人工智能的能力；另一方面利用大數(shù)據(jù)來提升深度學(xué)習(xí)的能力。
360人工智能研究院院長顏水成
鄭宇：第二個問題我想問騰訊優(yōu)圖黃飛躍博士，聽眾們對這個部門并不是很了解，請你先介紹一下這個部門，以及在人工智能領(lǐng)域你們都做了什么工作及其特點(diǎn)。
黃飛躍：優(yōu)圖現(xiàn)在是騰訊旗下的部門，團(tuán)隊(duì)成立于2012年，最初的是社交網(wǎng)絡(luò)事業(yè)群下面的一個團(tuán)隊(duì)，到今天我們已經(jīng)自發(fā)成長為一個部門，我們是做人工智能和相關(guān)算法的研發(fā)和業(yè)務(wù)落地，目前已經(jīng)擁有數(shù)十項(xiàng)先進(jìn)的技術(shù)以及數(shù)千億規(guī)模的圖像計(jì)算的能力……
優(yōu)圖雖然是定義做相關(guān)研發(fā)，但我們的所有研發(fā)都是依托業(yè)務(wù)的實(shí)際需求，這樣會形成一個比較良好的業(yè)務(wù)、算法落地的閉環(huán)，可以及時知道我們業(yè)務(wù)的好和壞，及時更新我們的算法。
現(xiàn)在團(tuán)隊(duì)比較看好的方向和主要從事業(yè)務(wù)有識別類的相關(guān)領(lǐng)域。比如說像生物特征識別，我們比較看好的首先是人臉識別、聲紋識別，再往后到指紋識別等一系列的識別：內(nèi)容識別、圖片和語音識別等等。人臉識別技術(shù)層面上我覺得相對比較成熟，相信在往后的幾年中人臉驗(yàn)證有機(jī)會從互聯(lián)網(wǎng)走到線下，這樣的識別場景比現(xiàn)在的人臉識別有更大的價值。又比如圖像識別，它的概念和領(lǐng)域相對更廣，我相信后幾年圖像識別會有一個爆發(fā)式的增長。
最新的像增強(qiáng)現(xiàn)實(shí)、聊天機(jī)器人這些技術(shù)也是我比較看好的，這些技術(shù)真實(shí)改善了人類的生活體驗(yàn)，同時它也能夠在線下和線上有非常好的結(jié)合，更貼近應(yīng)用，更容易產(chǎn)生比較實(shí)際的價值和成果。
我們希望通過用人工智能的一些技術(shù)真正改變互聯(lián)網(wǎng)用戶的生活品質(zhì)。與此同時，我們也將把最新的一些研發(fā)成果通過開發(fā)平臺和騰訊云對外輸出，保證相關(guān)的技術(shù)能夠真正給互聯(lián)網(wǎng)用戶帶來生活品質(zhì)的提升。
騰訊優(yōu)圖創(chuàng)始人黃飛躍博士
鄭宇：李磊是交大畢業(yè)，剛開始去的是百度，現(xiàn)在到了今日頭條，從你個人的角度看在人工智能這個領(lǐng)域里，百度和今日頭條各有什么優(yōu)勢和不足，尤其是不足要講清楚。
李磊：我到頭條之前在百度的深度學(xué)習(xí)研究院工作了兩年，工作的內(nèi)容基本上圍繞深度學(xué)習(xí)和自然語音理解，到了頭條之后我在頭條實(shí)驗(yàn)室工作，工作的內(nèi)容是圍繞深度學(xué)習(xí)、自然語音理解和計(jì)算機(jī)學(xué)習(xí)，前后比較，內(nèi)容上我現(xiàn)在做得更多了。
我覺得兩家公司最大的共同點(diǎn)是它們都是人工智能為主的公司。百度毫無疑問，在人工智能方面投入非常大，語音識別和無人駕駛都是代表；大家傳統(tǒng)的觀念認(rèn)為今日頭條是新聞客戶端，但如今頭條是所有信息、內(nèi)容分享創(chuàng)作的平臺。這個平臺的一邊是內(nèi)容創(chuàng)作者，另一邊是內(nèi)容消費(fèi)者，為了把最好的內(nèi)容推薦給最需要的讀者，需要的是機(jī)器學(xué)習(xí)的技術(shù)。從這一點(diǎn)上來講這兩家公司都是以人工智能技術(shù)為核心的公司。
不同點(diǎn)主要在于發(fā)展階段和體量。百度和谷歌、微軟步調(diào)一致，很早就已經(jīng)開始在這個領(lǐng)域進(jìn)行研究：微軟在2009年開始語音識別；谷歌在2012年用1000臺計(jì)算機(jī)，16000個CPU做貓臉識別；百度做深度學(xué)習(xí)研究所，做的事情是語音識別和圖像識別，幾乎可以做人工智能所有領(lǐng)域。
今日頭條和這幾家公司不一樣，自2012年創(chuàng)立至今只有4年，大家可以想想成立4年的時候那些大公司在做什么？Facebook有研究院；百度沒有實(shí)驗(yàn)室；谷歌還在做搜索。今日頭條在2014年的時候整個團(tuán)隊(duì)就有這個意識說要在最前沿的技術(shù)上做非常大的投入。在人工智能這個前沿技術(shù)上，不管是現(xiàn)在立刻能用到，還是說為了技術(shù)儲備而做前沿研究，這點(diǎn)上今日頭條的理念是非常非常好的。
今日頭條科學(xué)家李磊
鄭宇：小米很多都是人工智能，但是我們想知道小米有哪些不是人工智能，是非常的爛的？因?yàn)樵谧挠泻芏嗟男」敬恚銈冏霾缓玫牡胤娇赡苁撬麄兊臋C(jī)會。你就說說什么東西你想做，但是做不好，很難做，不足是什么？
黃江吉：這是個很好的問題。很多人說現(xiàn)在是人工智能的春天，對很多創(chuàng)業(yè)公司來說是彎道超車的好機(jī)會，我覺得這個是一個事實(shí)。但是其實(shí)這個彎道和過去任何一個彎道一樣本質(zhì)上并沒有改變創(chuàng)業(yè)的難度。我認(rèn)為如果要創(chuàng)業(yè)成功你依然要很深刻的了解用戶的痛點(diǎn)是什么，如何讓你的產(chǎn)品更好地滿足用戶的痛點(diǎn)。不是因?yàn)閮H僅掌握了一種新技術(shù)，就可以自然而然地獲取海量用戶。我覺得今日頭條是一個很好的案例，不斷使用新技術(shù)去解決用戶的痛點(diǎn)。這是我對創(chuàng)業(yè)公司機(jī)會的理解。
再回答剛才鄭宇的問題，我覺得不是說小米在人工智能領(lǐng)域的哪些方面做得比較爛，我覺得大家應(yīng)該問的是我們在哪些現(xiàn)有我們做的產(chǎn)品上面功能也好，用戶體驗(yàn)也好，整體的產(chǎn)品的滿足度，哪些做得比較爛，我認(rèn)為這些都是機(jī)會。如果你關(guān)起門來問我的話，我覺得全部產(chǎn)品做得都不夠智能，我們做的只是冰山一角，還有很長的路要走。
小米聯(lián)合創(chuàng)始人黃江吉
微軟亞洲研究院主管研究員鄭宇
鄭宇：很多高校的老師或者是在研究機(jī)構(gòu)的人想去工業(yè)界做，但是心中有很多的忐忑，我去了以后能不能活下來，所以我想問一個挑釁一點(diǎn)的問題，你覺得360做人工智能有哪些制約或者你不滿意的地方？
顏水成：我一般解釋問題喜歡從武術(shù)的角度出發(fā)，我覺得在學(xué)術(shù)界，人工智能的研究的方法挺像，希望你是一個名門正派，打敗了別人，還能提煉一些招式出來，這些招式在和別人格斗時能打贏別人；在工業(yè)界這種招式變得不那么重要，重要的是你有一種武術(shù)，用一種合作的方式把別人打敗，把一個問題解決掉，這就是好的人工智能。
問題的重點(diǎn)是你要有人工智能的思想和方法把這個問題解決。我加入360是因?yàn)樗兴膬?yōu)勢，在當(dāng)前的特殊時期，我們可以說是網(wǎng)絡(luò)在人工智能領(lǐng)域稍稍有點(diǎn)領(lǐng)先學(xué)術(shù)界，人工智能的資源有很大的優(yōu)勢。
我加入360的時候，智能硬件是非常關(guān)鍵的業(yè)務(wù)，現(xiàn)在直播也是非常關(guān)鍵的業(yè)務(wù)，這些事情恰好是我想做的。如果說有什么弊端的話，就是互聯(lián)網(wǎng)的節(jié)奏比學(xué)術(shù)界要快得多，比如說在學(xué)術(shù)界半年或者是三個月有很好的成績出來，能有一篇很好的學(xué)術(shù)論文，但這顯然不適合工業(yè)界。
鄭宇：研究院更多的是看未來，老板有沒有給具體的指標(biāo)？
黃江吉：像微軟亞洲的研究院是沒有標(biāo)準(zhǔn)的，在中國一個好的研究院肯定是兩條腿同時并進(jìn)。當(dāng)你有什么成果的話需要快速支持現(xiàn)有的業(yè)務(wù)，讓人工智能的算法或者是思想在業(yè)務(wù)中發(fā)揮作用。另外你要有一個長遠(yuǎn)的想法，一年半或者一年以后產(chǎn)品需要什么樣的人工智能技術(shù)；或者自己去孵化這樣的業(yè)務(wù)，但要能在很短時間內(nèi)上線的。這是一個很好的方式，能保證研究院在名企內(nèi)部生存下來。
鄭宇：AI在語音和視覺上都取得了很大的進(jìn)步，但是在文本上沒有很大的進(jìn)步，有什么樣可能的技術(shù)方向去解決這個問題？
黃江吉：我的感受是用深度學(xué)習(xí)在處理自然語言和自然語言理解方面做出的成果是遠(yuǎn)遠(yuǎn)比以前多了，而且今年幾乎2/3以上的論文是用深度學(xué)習(xí)來做的，所以剛才那一個前提說我們好像沒有看到深度學(xué)習(xí)在自然語言方面像語音技術(shù)和圖像技術(shù)那樣有很大的成功，其實(shí)不是，只是晚了一些，現(xiàn)在有很大的進(jìn)步。
顏水成：我個人是做圖像和大數(shù)據(jù)做得比較多，對于自然語言的理解研究得不是特別多，人是怎么處理語言這一塊，跟我們現(xiàn)在所使用的方式其實(shí)還是不一樣的。從人的角度來說，現(xiàn)在的整個方向，跟人的方式是有本質(zhì)的差別，有很大的變革。另外一方面從圖像的角度，如果你想做一般性質(zhì)的這種圖像搜索的話其實(shí)還是非常困難的，無論是谷歌還是百度。
鄭宇：最后每位專家用一句話總結(jié)人工智能發(fā)展。
黃江吉：我認(rèn)為機(jī)器學(xué)習(xí)有可能改變了一個工程師開發(fā)產(chǎn)品的方法論，完全顛覆了，跟以前完全不一樣。
顏水成：人工智能讓學(xué)術(shù)界和工業(yè)界的人有了共同語言，這個是非常好的。
黃飛躍：大家不要將人工智能等同于機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)也不等同于深度學(xué)習(xí)。我們不應(yīng)該把我們的實(shí)業(yè)僅僅局限于一個問題上，而我們要解決的問題比有監(jiān)督的學(xué)習(xí)更復(fù)雜，我們要讓計(jì)算機(jī)去學(xué)習(xí)一些簡單的問題，但是也要讓計(jì)算機(jī)學(xué)會邏輯推理，學(xué)會在復(fù)雜的環(huán)境下怎么去跟環(huán)境交互，同時也學(xué)會怎么樣用最少的能量去掌握新的技能。
李磊：一句話就是潤物細(xì)無聲，人工智能就像十幾年前的互聯(lián)網(wǎng)融入我們生活一樣，它能夠融入我們?nèi)粘Ｉ睿軌蚋纳莆覀兊纳钇焚|(zhì)，而我們?nèi)藢o所不在的人工智能沒有察覺。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
專題
