近日來，資本領(lǐng)域的第三方獨立調(diào)研機構(gòu)弘則研究在上海舉辦了針對新興產(chǎn)業(yè)的年終策略會，會上，來自TMT、醫(yī)療及高端設(shè)備在內(nèi)的行業(yè)專家，分享了相關(guān)領(lǐng)域發(fā)展現(xiàn)狀和未來的發(fā)展方向，其中聚熵智能CEO何永作為人工智能領(lǐng)域的專家，向與會者分享了自己對于人工智能的理解和思考。
人工智能近期成為熱門話題，人們甚至擔心人工智能超過人類智能以后的倫理問題。而何永認為這個討論還為時過早。下面是何永關(guān)于人工智能的一些分享：
數(shù)學還是倫理：人工智能將成為倫理問題？
近期關(guān)于人工智能的討論很多，比如說人工智能會不會超越人類等比較哲學的討論，更有甚者，把機器人智能問題上升到了倫理高度。
對此，專注于人工智能領(lǐng)域創(chuàng)業(yè)的何永認為，就目前來看，人工智能更多的是數(shù)學問題，還沒到需要上升到倫理討論的階段。
目前的人工智能在一些邏輯推理方面可以說已經(jīng)超過人了，比如下象棋，大多數(shù)人已經(jīng)無法戰(zhàn)勝計算機了。不過在認知領(lǐng)域人工智能還有很多路要走，機器人在理解這個世界，認知情感、做出決策等領(lǐng)域可以的事情還非常有限。
何永認為，這幾年人工智能技術(shù)相對于之前是有長足的發(fā)展的。這主要取決于軟件和硬件下面幾個方面的發(fā)展。
一，隨著摩爾定律，硬件成本不斷的降低，海量計算和存儲變得廉價。
二，隨著云計算的普及，大規(guī)模分布式計算變的非常容易，任何公司都可以非常容易的構(gòu)建自己的數(shù)據(jù)中心。
三，像神經(jīng)網(wǎng)絡(luò)這樣的機器學習算法的的發(fā)展，讓之前很多的不可能變成可能。大家都知道谷歌之前讓機器自發(fā)認識一只貓，只要你用足夠多貓的數(shù)據(jù)訓練你的系統(tǒng)。這個放在其他領(lǐng)域也成立，通過大數(shù)據(jù)訓練，機器可以做很多此前只有人才能做的事情。
四、因為前面這些先決條件，海量的數(shù)據(jù)可以被積累下來并進行處理分析。
通過現(xiàn)在的人工智能，在限定的領(lǐng)域已經(jīng)可以很好完成相關(guān)的工作。我們聚熵是最早做手機語音助手的企業(yè)，從2012年開始，裝機有千萬等級。通過語音助手，我們積累的大量的用戶數(shù)據(jù)，這讓聚熵可以做很多的事情。
技術(shù)現(xiàn)狀：語音突發(fā)猛進、語義難度不小
目前語音識別和語義理解是當下人工智能領(lǐng)域最熱門的話題。據(jù)何永介紹，聚熵智能在這兩方面比較有經(jīng)驗的。
識別技術(shù)在過去的幾十年里，一直沿用和優(yōu)化的模型是HMM模型，就是所謂的隱馬爾科夫模型，無論是學術(shù)界還是工業(yè)界都是以HMM為根基而展開工作，雖然也能夠?qū)崿F(xiàn)語音識別的功能，但在精確度上已經(jīng)達到了一個瓶頸，可以優(yōu)化的空間已經(jīng)被挖掘的很小了。
2006年的時候，加拿大多倫多大學的Hinton教授首次提出了深度學習的概念，建立在這個概念之上，產(chǎn)生了許多高效的算法，如深度神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)等等。研究發(fā)現(xiàn)這些算法對語音識別和圖像識別的效果提升特別顯著。
深度學習的概念提出來之后，特別是當時的DNN，就是常說的深度神經(jīng)網(wǎng)絡(luò)，給語音識別帶來了驚喜，不但突破了瓶頸，而且精度提升了一個量級，所以像谷歌，微軟等也都開始轉(zhuǎn)向使用深度學習的框架訓練模型。聚熵目前也采用DNN訓練我們的語音模型，并且取得了非常好的識別效果。
目前語音識別的難度第一在于模型的訓練調(diào)參，另外模型訓練出來的好壞也有不確定性，這就需要大量的試驗。因為每次調(diào)參后都要重新訓練，訓練中的計算量非常龐大，訓練的周期會相對來說比較長。這些是目前在識別領(lǐng)域遇到的問題。
為了應對上面所說的問題，主要有這么幾個解決方案。
一，加大對算法的研發(fā)投入，不斷對算法進行調(diào)優(yōu)，我們現(xiàn)在有很多專業(yè)的研究人員專門進行算法的研究。
二、如之前所說的計算資源的成本下降，所以現(xiàn)在非常流行高性能并行計算，會用機群去跑模型，減少所用時間。
三、探索新硬件的應用，目前流行的除了CPU還會使用GPU去跑模型，減少訓練周期從而達到最好的訓練效果。
總體來說，現(xiàn)在的算法和硬件已經(jīng)可以比較好的解決語音識別的問題。
雖然深度學習在語音識別和圖像識別中都達到了非常好的效果，但在語義理解中的貢獻卻沒有那么大。語義理解也是一門非常難的科目，對同一個意思每個人的表達都會不一樣，特別是中文博大精深，表達同一句話的時候也不見得每次都是一個意思，而且在口語中，中文的語法省略又是特別嚴重的，所以在中文的語義理解里面挑戰(zhàn)非常大。中文可以說是最難做的語義識別的語言。
語義理解在全領(lǐng)域中的發(fā)展的確比較緩慢，如果沒有給定的限定環(huán)境，計算機不能夠很好理解用戶的意圖，總是給人文不對題的感覺。從算法層面上其實也很難去解決一個無限集合的有限化的問題。
幸運的是聚熵智能發(fā)現(xiàn)在某個特定領(lǐng)域中的現(xiàn)在機器的語義理解的表現(xiàn)還是非常不錯的，比如我們的音樂領(lǐng)域，經(jīng)過我們的技術(shù)優(yōu)化，目前小智管家機器人在音樂領(lǐng)域、紫能家居控制領(lǐng)域的識別率可以到達99%，這個是非常難得的。
聚熵之所以可以做語音和語義，是因為我們有比較好的積累，包括數(shù)據(jù)上和技術(shù)上。之前說了，訓練模型需要大量的數(shù)據(jù)，在這方面我們有很好的積累，除了業(yè)界通過的訓練樣本，我們還有大量真實用戶積累下來的海量數(shù)據(jù)。另外聚熵最早進入了相關(guān)領(lǐng)域，為自己積累了相關(guān)的數(shù)據(jù)來研究相應的算法。
突破與瓶頸：理論突破帶來應用爆發(fā)
和上面所談及的語義以及語音的發(fā)展相輔相成的在廣義的人工智能領(lǐng)域，將會呈現(xiàn)類似的情況，各種“識別”由于理論的突破，將迎來應用的爆發(fā)期。在限定領(lǐng)域，通過算法的優(yōu)化，機器將可以做更多的事情。而在更加深層次的、類似人類情感的人工智能上，突破還有賴于新的算法或者硬件上的新的發(fā)現(xiàn)。
在可以預見的將來，人工智能在傳統(tǒng)的“模式識別”領(lǐng)域?qū)⒗斫庥瓉泶罅康耐黄坪蛻谩C器在試驗環(huán)境中已經(jīng)能很好的識別各種聲音、文字、圖片甚至是行為。未來幾年，這些技術(shù)將大范圍的實際的應用結(jié)合，為人們生活帶來巨大的改變。
未來幾年，語音、計算機視覺技術(shù)將成為很多相關(guān)行業(yè)的標配。很可能5年內(nèi)，遙控成為歷史，按鍵和觸摸屏的使用也大大減少，語音成為主要的控制方式。而在安防等領(lǐng)域，基于模式識別和行為預測的人工智能將大大減少安防領(lǐng)域的人力配置，但提供更好的監(jiān)控和預警。包括自動駕駛這樣集成多種人工智能技術(shù)的綜合應用將大大方便人們的生活。
在模式識別和專業(yè)領(lǐng)域之外，新的算法和硬件可能為人工智能帶來突飛猛進的變化。目前谷歌已經(jīng)宣稱通過量子計算機將某些計算的速度提高到現(xiàn)有硬件的一億倍。配合硬件的發(fā)展，將有大量的新的算法和應用開發(fā)出來，就像目前大規(guī)模并行計算使得深度神經(jīng)網(wǎng)絡(luò)算法成為主流，相信新的硬件也會帶來新的軟件算法。
另外，人工智能和生命科學的結(jié)合，也可能帶來意想不到的結(jié)果。也許在某個時間點，人和機器將結(jié)合成為一種新的生命形態(tài)。當然這些可能有點扯遠了，但隨著技術(shù)的發(fā)展，一切都有可能。
