“人工智能的運(yùn)算能力已經(jīng)超過(guò)人類(lèi)很多,但是在學(xué)習(xí)和理解的能力上還遠(yuǎn)遠(yuǎn)趕不上我們。只有充分搭建好深度學(xué)習(xí)的模型,更好開(kāi)放數(shù)據(jù)和信息共享,我們才能較快地看見(jiàn)人工智能更廣泛的應(yīng)用。”
4月28日,在GMIC領(lǐng)袖論壇上,百度副總裁李明遠(yuǎn)、微博CEO王高飛、獵豹移動(dòng)CEO傅盛和主持人長(zhǎng)城會(huì)創(chuàng)始人文廚展開(kāi)了一番精彩的對(duì)話。在談到已成為社會(huì)話題和全民猜想的“人工智能發(fā)展”話題時(shí),李明遠(yuǎn)道出了這個(gè)觀點(diǎn)。
百度是本場(chǎng)對(duì)話中唯一在人工智能領(lǐng)域有全面研發(fā)和深度應(yīng)用背景的企業(yè)。因此李明遠(yuǎn)的發(fā)言格外受到在場(chǎng)嘉賓和場(chǎng)下聽(tīng)眾的重視。
在回答主持人文廚關(guān)于“人工智能的時(shí)代真的來(lái)了嗎”這個(gè)問(wèn)題時(shí),李明遠(yuǎn)首先提出:從運(yùn)算能力來(lái)看,機(jī)器和人工智能系統(tǒng)早已經(jīng)超過(guò)人類(lèi)。但是現(xiàn)在人工智能的學(xué)習(xí)和理解能力是很受限的。機(jī)器不會(huì)明白運(yùn)算的目的,以及用什么方法去運(yùn)算。這些都需要人類(lèi)給予指定。所以人工智能的發(fā)展必需突破機(jī)器學(xué)習(xí)、理解的維度,讓機(jī)器接管整個(gè)運(yùn)算流程中更多的部分,最終突破人類(lèi)對(duì)數(shù)據(jù)的一些理解模式。“所以人工智能要獨(dú)當(dāng)一面,還需要好幾年時(shí)間。”李明遠(yuǎn)認(rèn)為。
傅盛對(duì)李明遠(yuǎn)關(guān)于對(duì)人工智能的觀點(diǎn)表示贊同。他說(shuō)“前段時(shí)間我看完幾場(chǎng)阿法狗戰(zhàn)勝人類(lèi)棋手的直播感覺(jué)十分震撼。圍棋下到很高的層次是一般人學(xué)不來(lái)的本事,而人工智能在這方面卻做得這么好。后來(lái)我認(rèn)真研究了一下深度學(xué)習(xí),發(fā)現(xiàn)只要有足夠理想的深度學(xué)習(xí)模型搭建,就能完成以前的算法怎么也解決不了的問(wèn)題。人工智能未來(lái)確實(shí)有可能產(chǎn)生極速的突破。”
李明遠(yuǎn)還對(duì)方興未艾的人工智能行業(yè)發(fā)展提出了建議。他舉例道,以前汽車(chē)行車(chē)電腦里積累的數(shù)據(jù)可能很少拿給人工智能算法工程師去分析。在智慧汽車(chē)和無(wú)人車(chē)時(shí)代,這樣業(yè)務(wù)口彼此封閉的做法肯定不行。我們必須做到打破產(chǎn)業(yè)應(yīng)用中各工作端的交流邊界,打破人跟機(jī)器間的數(shù)據(jù)邊界,甚至打破互聯(lián)網(wǎng)行業(yè)和汽車(chē)行業(yè)的邊界。
“只有充分共享信息和數(shù)據(jù),才能突破人工智能現(xiàn)存的一些發(fā)展瓶頸,提升算法的準(zhǔn)確度,進(jìn)而提升整個(gè)人工智能的應(yīng)用水平。”李明遠(yuǎn)強(qiáng)調(diào)。
以下為演講實(shí)錄:
文廚:
前一段時(shí)間Alpha Go的對(duì)弈,Alpha Go最終勝出,人工智能的時(shí)代真的來(lái)了嗎?昨天看到很多新聞,說(shuō)獵豹的機(jī)器人公司,傅盛你先說(shuō)一說(shuō)。
傅盛:
其實(shí)我當(dāng)過(guò)一段極不合格的程序員,大概寫(xiě)幾個(gè)月的程序?qū)懖幌氯ブ缓酶男?但我對(duì)技術(shù)還是有很多熱情的,從去年年初獵豹上市我當(dāng)時(shí)做國(guó)際化,我在硅谷、以色列看到很多科技初創(chuàng)公司,當(dāng)時(shí)發(fā)現(xiàn)一個(gè)驚人的現(xiàn)象,以前我認(rèn)為很復(fù)雜的技術(shù),或者說(shuō)我根本沒(méi)有想到能做到的技術(shù)他們已經(jīng)開(kāi)始展示出來(lái)了,當(dāng)時(shí)我不知道后邊有深度學(xué)習(xí)的東西,一直到Alpha Go出現(xiàn)的時(shí)候,當(dāng)時(shí)我隱約地預(yù)感,很多技術(shù)壁壘是不是在突破,比如說(shuō)視覺(jué),計(jì)算機(jī)看數(shù)很擅長(zhǎng),看一張圖看不懂。視覺(jué)不管是一只貓還是開(kāi)車(chē),判斷前方的障礙物,雖然沒(méi)有到全智能。我最近買(mǎi)了一輛P90D,特斯拉的,在五環(huán)雙手離開(kāi)方向盤(pán)還直播,后來(lái)看到Alpha Go之后當(dāng)時(shí)很被震撼,圍棋屬于我智商學(xué)不下去的棋種,后來(lái)知道他贏這么成功,我認(rèn)真研究了一下深度學(xué)習(xí),可能李明遠(yuǎn)更了解一些。只是通過(guò)一些模型的搭建就能完成以前的算法怎么也解決不了的問(wèn)題。想做一個(gè)機(jī)器人公司,機(jī)器人的核心是和人的交互和對(duì)世界的理解,他站在這里他知道誰(shuí)是誰(shuí),能夠有怎樣的任務(wù)。
而且Alpha Go代表一個(gè)時(shí)代,所有重復(fù)性的腦力勞動(dòng),比如說(shuō)下圍棋、下象棋,天天掃地,都應(yīng)該被機(jī)器人代替,這樣我們可以解脫出來(lái)踏向詩(shī)和遠(yuǎn)方。
李明遠(yuǎn):
機(jī)器的算力超過(guò)人已經(jīng)很長(zhǎng)時(shí)間了,人工智能從運(yùn)算角度,所有能計(jì)算出算法的東西機(jī)器一定比人強(qiáng),毋庸置疑。這兩年,機(jī)器跟人的互動(dòng)程度確實(shí)是在不斷地提升,機(jī)器過(guò)去的問(wèn)題運(yùn)算力很強(qiáng),但機(jī)器始終不明白為什么算,或者說(shuō)用什么方法去算好。人對(duì)機(jī)器學(xué)習(xí)理解程度的提升其實(shí)是一個(gè)很大的突破,使得我們運(yùn)算能力大大地提高。
未來(lái)一段時(shí)間,跟運(yùn)算力有關(guān)的東西,機(jī)器的接管程度會(huì)很高,更大程度地突破我們現(xiàn)在對(duì)于數(shù)據(jù)的理解,對(duì)于數(shù)據(jù)與數(shù)據(jù)關(guān)系之間的理解。我們以前很多數(shù)據(jù),可以說(shuō)拿不到,拿到以后其實(shí)也很難真的弄明白這個(gè)層次的數(shù)據(jù)和下個(gè)層次之間的數(shù)據(jù)關(guān)系,所以讓機(jī)器理解這個(gè)事,讓它彼此之間迭代。
現(xiàn)在的趨勢(shì)往實(shí)踐化方向發(fā)展,使得我們對(duì)這個(gè)事的理解變深。比方說(shuō)圍棋是算力體現(xiàn)比較深的。我們現(xiàn)在做的比較多的是圖像識(shí)別、語(yǔ)音識(shí)別,靠過(guò)去的無(wú)限的算力畢竟還是影響效率,對(duì)于聯(lián)網(wǎng)的體驗(yàn)是不好的。未來(lái)還是要把深度學(xué)習(xí)的模型越做越好,使得算力的優(yōu)勢(shì)真正被釋放出來(lái)。我們做自動(dòng)駕駛,你想讓機(jī)器接管駕駛員,這個(gè)其實(shí)還真的需要好幾年的時(shí)間,但如果說(shuō)由于人工智能、由于機(jī)器的接入使得人的駕駛變得更安全,就是現(xiàn)在進(jìn)行時(shí),立刻就能變得很強(qiáng)。以前汽車(chē)工程師他知道汽車(chē)?yán)锂a(chǎn)生的數(shù)據(jù)是什么,但算法工程師根本搞不明白,不知道、不理解這些數(shù)據(jù),彼此其實(shí)是封閉的?，F(xiàn)在這些邊界被打破,人與機(jī)器的邊界、數(shù)據(jù)與數(shù)據(jù)的邊界、行業(yè)與行業(yè)的邊界,算力會(huì)改變我們生活很多。
王高飛:
從微博的角度看,還是做很多基于學(xué)習(xí)在實(shí)際業(yè)務(wù)中的使用,剛才傅總說(shuō)到的圖象識(shí)別,這樣對(duì)我們?cè)泄ぷ鲿?huì)提升很大的效率,我們很大一部分工作由機(jī)器去完成了。對(duì)微博來(lái)講更關(guān)注如何把機(jī)器的運(yùn)算能力和人的海量用戶之間的協(xié)同效應(yīng)能做到讓我們的一些用戶行為去指導(dǎo)機(jī)器優(yōu)化它的算法,這是我們?cè)谘芯康南鄳?yīng)來(lái)講更關(guān)鍵的一個(gè)方向。
比如說(shuō)我們之前也做過(guò)兩年在大數(shù)據(jù)方面相關(guān)推薦的研究,其實(shí)我們發(fā)現(xiàn)真正對(duì)海量數(shù)據(jù)的協(xié)同性的效應(yīng)其實(shí)可能還不如一個(gè)相對(duì)不夠海量的一個(gè)用戶群體,我們針對(duì)它的用戶行為和分析做一些更深層的計(jì)算,讓機(jī)器再去學(xué)習(xí)他的能力可能更有效果,這是我們?cè)趹?yīng)用中會(huì)更多地看這方面。
傅盛:
我補(bǔ)充一個(gè),剛才明遠(yuǎn)和高飛說(shuō)的數(shù)據(jù)這一方面,我最近有一個(gè)特別強(qiáng)烈的感受,以前我們老喊大數(shù)據(jù)、大數(shù)據(jù),后來(lái)覺(jué)得數(shù)據(jù)你用好就是大數(shù)據(jù),這些數(shù)據(jù)怎么用?今天我發(fā)現(xiàn)整個(gè)業(yè)界越來(lái)越傾向于怎么把現(xiàn)實(shí)世界轉(zhuǎn)換成數(shù)據(jù),這是一個(gè)和以前在思路上很不同的一點(diǎn)。因?yàn)橛幸淮挝胰ス韫?你知道谷歌做無(wú)人車(chē),一直一輛車(chē)在路上一直跑、一直跑,跑了很多年了,不停搜集路況在做,我聽(tīng)說(shuō)硅谷一個(gè)工程師說(shuō)特斯拉怎么辦呢?你買(mǎi)的每一輛特斯拉都不一樣,等第二代到P90D的時(shí)候就付諸于駕駛了,因?yàn)樘厮估L(zhǎng)了谷歌級(jí)了,我不知道百度是不是這樣,后來(lái)大家的路徑有點(diǎn)不一樣了。
王高飛:
我們讓機(jī)器學(xué)習(xí)海量數(shù)據(jù),還不如讓機(jī)器學(xué)習(xí)一些相對(duì)來(lái)講更有效的人的行為,這要快很多很多。
文廚:
我上個(gè)月在硅谷跟任宇翔還聊了這個(gè)方向,說(shuō)實(shí)際上特斯拉認(rèn)為它的這種方法、研究方向是比谷歌的研究方向更有效,而且硅谷的主流觀點(diǎn)也認(rèn)為,硅谷現(xiàn)在所有的無(wú)人駕駛技術(shù)研究方向,我用所有的一切都是最好的,最好的技術(shù)、最好的產(chǎn)品、最好的工程師,但是特斯拉這種方法可能他們認(rèn)為是一個(gè)最有效的方向,研究人的行為,因?yàn)樘厮估旧硪彩敲嫦虼蟊姷?所以它有海量的人的數(shù)據(jù),這個(gè)方向應(yīng)該會(huì)更有效。
傅盛:
我跟谷歌無(wú)人駕駛核心的人員深聊過(guò)兩次,當(dāng)然我的判斷可能不一定準(zhǔn),我覺(jué)得今天這個(gè)時(shí)代為什么我們有機(jī)會(huì)去做機(jī)器人?以前你積累了很多技術(shù)的路線,可能很容易被彎道超車(chē)掉。你說(shuō)谷歌那個(gè)是在彎區(qū)經(jīng)常跑,頂上那個(gè)東西70萬(wàn)人民幣,它需要高精尖地圖,它本身是用激光完成的,它是不會(huì)認(rèn)識(shí)這里是不是一個(gè)紅綠燈,或者收費(fèi)站,它是怎么做到的?他是在地圖上知道這里有一個(gè)收費(fèi)站、這里有一個(gè)路口、這里有一個(gè)紅綠燈,他經(jīng)過(guò)這里再找到那個(gè)位置停下來(lái),它特別依賴高精尖地圖,就會(huì)出現(xiàn)一些問(wèn)題,比如說(shuō)有些地方修路改規(guī)劃,因?yàn)樗曈X(jué)上比較弱,當(dāng)然它追求完美。
特斯拉像剛才我們說(shuō)先從輕的方式進(jìn),它拿了大量的數(shù)據(jù),這些數(shù)據(jù)有沒(méi)有可能突破我們對(duì)計(jì)算機(jī)視覺(jué)的理解?我們認(rèn)為它掌握起來(lái)很難,掌握突發(fā)的事件很難,其實(shí)是多條往前走,很多公司在用顛覆性的想法在做很多技術(shù)的突破,這種技術(shù)的突破如果不成就算了,如果一旦成,原來(lái)的積累就完了。
