在講人工智能之前，我想向大家介紹一下我的一些背景：在30多年前，我就進(jìn)入了人工智能領(lǐng)域。我是在1980年首先做的自然語言處理，1982年做的計(jì)算機(jī)視覺，1983做的語音識(shí)別，1985年做的人機(jī)對弈，1996年做的VR/AR……那時(shí)候我的這些選擇基本上都是非常“糟糕錯(cuò)誤”的職業(yè)選擇，因?yàn)槊恳患虑?，我都是在它的黃金時(shí)代之前。從這個(gè)事情上，其實(shí)我也想說，做計(jì)算機(jī)研究這個(gè)領(lǐng)域，還要在正確的時(shí)候選擇正確的事情。
但現(xiàn)在是人工智能的黃金時(shí)代。為了說明這個(gè)問題，我還帶一些實(shí)際的數(shù)據(jù)來跟大家分享。人工智能有很多分支，其中之一是機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)里面還有一個(gè)分支是深度學(xué)習(xí)，今天我更多的會(huì)用深度學(xué)習(xí)作為案例。
人工智能是一種工具
最近人工智能成為全球熱門新聞話題，很多是因?yàn)榇蠹铱吹紸lphaGo在幾個(gè)月前擊敗了李世石，最近在網(wǎng)上還傳出年底之前它要挑戰(zhàn)柯杰的消息。但有一點(diǎn)讓我覺得很可惜：大家對這個(gè)話題討論的重心都放在了人工智能是不是在模仿人腦，“奇點(diǎn)”是否即將來臨這樣的問題上，卻沒有真正關(guān)注人工智能對我們的現(xiàn)實(shí)影響。
“奇點(diǎn)”認(rèn)為未來機(jī)器將有各種的智能、人類必須做一些事情來保護(hù)自己。但我認(rèn)為人工智能要取代人還是一個(gè)非常遙遠(yuǎn)的事情。我們需要更關(guān)注的事情是人工智能是今天能夠拿來用的工具，它能幫助人類解決問題，能取代重復(fù)性的工作，能創(chuàng)造商業(yè)價(jià)值。正因?yàn)檫@個(gè)理由，我認(rèn)為今天我們進(jìn)入了人工智能的黃金時(shí)代。
幾乎所有思考模式可以被理性推算的工作崗位，在有足夠數(shù)據(jù)支撐的時(shí)候，都會(huì)被取代。為什么AlphaGo這么厲害？就是因?yàn)樗梢詣?dòng)用到幾千臺(tái)機(jī)器每天和自己對弈上萬盤的圍棋；以后為什么自動(dòng)駕駛會(huì)這么厲害呢？因?yàn)樗梢杂盟母鞣N的sensor在路上搜集數(shù)據(jù)，這不是任何一個(gè)司機(jī)可以匹敵的。
科普深度學(xué)習(xí)
深度學(xué)習(xí)是一種神經(jīng)網(wǎng)絡(luò)，它的特點(diǎn)是使用了多層網(wǎng)絡(luò)，能夠?qū)W習(xí)抽象概念，同時(shí)融入自我學(xué)習(xí)，而且收斂相對快速。
收斂快速可能是一種技巧。簡單的來說，如果我們有很多笑臉，輸入到一個(gè)神經(jīng)網(wǎng)絡(luò)里面去，最后你希望讓機(jī)器能識(shí)別這是姚明，那是馬云。但是要一次性學(xué)會(huì)這么多會(huì)比較困難，所以就需要用到一個(gè)比較快速收斂的技巧——自我學(xué)習(xí)。通過自我學(xué)習(xí)，機(jī)器會(huì)逐步從大量的樣本中逐層抽象出相關(guān)的概念，然后做出理解，最終做出判斷和決策。
比如它可以有好幾層的nodes和connection，經(jīng)過這些nodes和connection，它在每一個(gè)層次會(huì)感知到不同的抽象特征，且一層比一層更為高級。經(jīng)過自我學(xué)習(xí)，從一個(gè)臉輸進(jìn)去再從同樣的一個(gè)臉輸出來，它就從里面抽象的學(xué)習(xí)到了一個(gè)人的臉重要特征。
深度學(xué)習(xí)的分層無監(jiān)督訓(xùn)練
經(jīng)過這個(gè)學(xué)習(xí)之后，再去做監(jiān)督訓(xùn)練，對不足之處進(jìn)行微調(diào)。例如，如果我輸入了馬云的臉，出來的卻是王寶強(qiáng)，那訓(xùn)練系統(tǒng)就會(huì)報(bào)告錯(cuò)誤，進(jìn)行微調(diào)后，以便于下一次機(jī)器正確概率更高。
分層無監(jiān)督訓(xùn)練
但也要注意overtraining的問題，我們就對整個(gè)數(shù)學(xué)公式做一點(diǎn)微調(diào)，用大量的數(shù)據(jù)，不斷重復(fù)。
深度學(xué)習(xí)在最初，訓(xùn)練速度慢，所以難進(jìn)入工業(yè)級別或者應(yīng)用級別，但現(xiàn)在，我們的計(jì)算機(jī)變的越來越快，另外也有了更多取巧的訓(xùn)練和識(shí)別做法，深度學(xué)習(xí)能被應(yīng)用的領(lǐng)域越來越寬。人工智能大規(guī)模應(yīng)用的時(shí)機(jī)已經(jīng)到了。一個(gè)很簡單的評估標(biāo)準(zhǔn)就是，我們的深度學(xué)習(xí)的機(jī)器，是不是超越人類的能力表現(xiàn)。
深度學(xué)習(xí)的應(yīng)用領(lǐng)域
在過去的五年，深度學(xué)習(xí)的準(zhǔn)確度從75%多提升到了97%左右，而人的表現(xiàn)準(zhǔn)確率大概是95%。從95%到97%聽起來只進(jìn)步了2%，但實(shí)際上是把錯(cuò)誤率降低了40%。如果這種進(jìn)步持續(xù)，未來人工智能可以進(jìn)入一些可應(yīng)用的領(lǐng)域。這就是今天我講人工智能進(jìn)入黃金時(shí)代的證據(jù)：在很多領(lǐng)域，包括face++的人臉識(shí)別，Apple、Google，科大訊飛的語音識(shí)別，它們的認(rèn)知水平將在未來幾年的時(shí)間內(nèi)超過人類。
深度學(xué)習(xí)的應(yīng)用領(lǐng)域舉例
深度學(xué)習(xí)首先可以應(yīng)用于識(shí)別，包括人臉識(shí)別和語音識(shí)別等，這些可以用于安防，安檢等。
人臉語音的數(shù)據(jù)來之不易，但是BI，商業(yè)的流程、互聯(lián)網(wǎng)的數(shù)據(jù)卻非常豐富。Google、百度很早就已經(jīng)在搜索廣告以及推薦系統(tǒng)里面充分使用了類機(jī)器學(xué)習(xí)技術(shù)，解決該推薦什么商品，一個(gè)商品怎么定價(jià)，在什么位置會(huì)賣的最多，應(yīng)該把這樣的產(chǎn)品賣給誰等問題。這一類的推銷可以直接產(chǎn)生經(jīng)濟(jì)價(jià)值。
將智能用于炒股其實(shí)也是一個(gè)不錯(cuò)的選擇。利用智能，可以隨時(shí)來算一籃子股票和期貨應(yīng)該如何對沖。機(jī)器可以二十四小時(shí)不睡覺，每天都在算怎么能賺最多的錢。除此之外，深度學(xué)習(xí)的技術(shù)可以把各種的因素都融合進(jìn)來，比如公司的高管變動(dòng)，即時(shí)新聞，行業(yè)里變動(dòng)……甚至你可以對一個(gè)智能系統(tǒng)說如果明天巴西發(fā)生了地震，什么股票該被購買。
銀行保險(xiǎn)方面，比如說貸款審批，可以通過機(jī)器來判斷；醫(yī)學(xué)方面，在診斷的完善上，是可以用機(jī)器學(xué)習(xí)來做。
前一陣我在美國碰到了一些科學(xué)家，他們正在用機(jī)器學(xué)習(xí)的方法來發(fā)明新藥。將試驗(yàn)的排列組合交給機(jī)器，所有的實(shí)驗(yàn)都是通過機(jī)器學(xué)習(xí)精準(zhǔn)進(jìn)行。
在教育方面也有應(yīng)用。智能化的教育系統(tǒng)會(huì)識(shí)別你的學(xué)習(xí)水平，然后根據(jù)你的水平確定學(xué)習(xí)內(nèi)容。
人工智能將重塑億萬級別的領(lǐng)域
人工智能會(huì)重塑很多億萬級別的領(lǐng)域。當(dāng)然這個(gè)不是明天就會(huì)發(fā)生。比如，在我們的計(jì)算架構(gòu)上面，現(xiàn)在還是需要時(shí)間去做算法的改進(jìn)提升，需要去研究如何部署云端架構(gòu)，另外深度學(xué)習(xí)用時(shí)仍太長；有一些重要技術(shù)的推進(jìn)，實(shí)際上是因?yàn)橛辛碎_源或者API或者標(biāo)準(zhǔn)的出現(xiàn)，但現(xiàn)在仍有很多方面還沒有出現(xiàn)相關(guān)標(biāo)準(zhǔn)。當(dāng)然Google的TensorFlow等提供了一些開源的方法，但是其實(shí)他們還沒有真正的平臺(tái)化。
在一些領(lǐng)域中，很多技術(shù)性問題可以在兩三年內(nèi)得到解決，但是還有很多問題并非如此簡單，比如語義。語音識(shí)別是相對簡單的：音進(jìn)來，字出去，一個(gè)API就可以調(diào)動(dòng)。但是音進(jìn)來，確定是何種情境的語義出去就很難。
傳感器一定程度來說是價(jià)格的問題、如何普及的問題。GoogleCar雖然很牛，但是正傳感器實(shí)在太貴了。降低價(jià)格就需要量，但價(jià)格不下去量也起不來，要解決這個(gè)問題也需要一定的時(shí)間。
最后還有很多機(jī)械方面的問題。控制機(jī)械運(yùn)動(dòng)的算法，硬件運(yùn)動(dòng)后給出的回饋等等還需要一些開發(fā)。
人工智能幫助企業(yè)打造競爭力
深度學(xué)習(xí)的挑戰(zhàn)
但是深度學(xué)習(xí)以及機(jī)器學(xué)習(xí)還面臨很多挑戰(zhàn)。這里有幾個(gè)問題。
第一，目前仍然沒有統(tǒng)一的平臺(tái)。第二，深度學(xué)習(xí)的網(wǎng)絡(luò)太大，需要海量的數(shù)據(jù)。第三，計(jì)算特別慢。第四，機(jī)器無法用人的語言告知做事的動(dòng)機(jī)和理由。比如AlphaGo打敗李世石，你要問AlphaGo是為什么走這步棋，它是答不上來的。
即便有如此多的局限，我們還是認(rèn)為人工智能在很多領(lǐng)域可以迅速應(yīng)用，并且可以幫助企業(yè)打造競爭壁壘。
第一，壟斷大數(shù)據(jù)優(yōu)勢。關(guān)于數(shù)據(jù)需要注意的幾點(diǎn)是，首先壟斷性大數(shù)據(jù)不是公開的數(shù)據(jù)，不是剽來的數(shù)據(jù)，也不是買來的數(shù)據(jù)。其次，無標(biāo)簽的數(shù)據(jù)也不會(huì)給你帶來優(yōu)勢。再次，人工給數(shù)據(jù)設(shè)置標(biāo)簽太慢。最好的數(shù)據(jù)是閉環(huán)的數(shù)據(jù)，所謂閉環(huán)的數(shù)據(jù)就是在你應(yīng)用的時(shí)候可以捕捉到數(shù)據(jù)并且知道最終你的抉擇對不對。我們投資的face++，它有和美圖、阿里的合作，就一定程度形成了特別大的數(shù)據(jù)的優(yōu)勢。
第二，擁有龐大的機(jī)群。包括需要什么處理系統(tǒng)的支持，怎么去部署，用什么樣的計(jì)算架構(gòu)等。
第三，你要有一批特別懂的人。沒有平臺(tái)的時(shí)候，你就只能把一批人丟進(jìn)去，讓他們?nèi)ソ鉀Q特別大的問題。
第四，利用算法調(diào)節(jié)彌補(bǔ)平臺(tái)缺失。當(dāng)然這構(gòu)成一個(gè)短期的競爭優(yōu)勢，從長期看，一旦大的人工智能平臺(tái)出來，這種優(yōu)勢就不存在了。
人工智能如何快速商業(yè)化
第一，不要用人工智能去取代人。很多情況之下他只要能輔助人就可以了。
第二，要聰明的找到容錯(cuò)的用戶界面。搜索引擎的精確度其實(shí)是很低的，但它在界面中給用戶提供很多結(jié)果，而用戶只要能找到他滿意的那個(gè)，就會(huì)認(rèn)為搜索引擎很棒。
第三，讓用戶提供自然的大數(shù)據(jù)。很多人把Siri當(dāng)成一個(gè)搞笑工具，會(huì)問它諸如“你是男是女”這種無聊問題，蘋果就把這些無聊的問題深度分析了一下，用于優(yōu)化Siri，讓它對正常問題的解答能讓人們在一定程度上得到滿足。人們滿足了以后，就會(huì)繼續(xù)的問，蘋果也就可以得到更多的數(shù)據(jù)。
第四，關(guān)注局限領(lǐng)域。Google很偉大，它要做全天候全路況的無人駕駛，但我們完全可以先做一個(gè)用于局限領(lǐng)域的無人車，然后我們通過它獲取數(shù)據(jù)，學(xué)習(xí)教訓(xùn)，不斷改進(jìn)。GoogleCar表現(xiàn)優(yōu)異，但是它碰到一些極端的情況，比如大風(fēng)大雨的漆黑天，就沒轍了。既然如此，為什么我們不先考慮做一些可控環(huán)境下的商業(yè)駕駛項(xiàng)目？
人工智能的未來藍(lán)圖
大數(shù)據(jù)應(yīng)用方面，現(xiàn)階段我們已經(jīng)看到很多互聯(lián)網(wǎng)應(yīng)用，BI、商業(yè)自動(dòng)化馬上也會(huì)使用相關(guān)的技術(shù)，未來幾年，離錢最近、產(chǎn)生用戶最多、產(chǎn)生價(jià)值最大的領(lǐng)域可能就是金融、醫(yī)療、教育，當(dāng)然也包括任何有大數(shù)據(jù)的行業(yè)。
在感知方面，今天的人臉識(shí)別、語音識(shí)別已經(jīng)做的蠻好。對于VR/AR，我們在短期還不是太樂觀，但是隨著它三五年以后慢慢得到普及，一定需要非常多的新的自然語言的界面。此外，我們大膽預(yù)測三到五年之內(nèi)會(huì)有一個(gè)人工智能平臺(tái)出現(xiàn)。
我們并不認(rèn)可家庭機(jī)器人會(huì)很快出現(xiàn)，理由是消費(fèi)者的期望值是最高的，今天機(jī)器人的技術(shù)，有時(shí)候會(huì)看起來太傻，另外價(jià)格也太貴，感應(yīng)器不夠靈敏。任何行業(yè)都要有經(jīng)濟(jì)理由來投資這個(gè)領(lǐng)域，不斷迭代優(yōu)化它的技術(shù)，再進(jìn)入下一個(gè)階段，所以機(jī)器人簡單來說應(yīng)該是工業(yè)、商業(yè)，最后普及到家庭，所以今天很多對家庭機(jī)器人過火的觀點(diǎn)和做法我們是不認(rèn)可的。
關(guān)于無人駕駛，我們的觀點(diǎn)是雖然GoogleCar很偉大，但是因?yàn)樗ミm應(yīng)各種路況。我們認(rèn)為可以先在局限環(huán)境中慢慢推進(jìn)無人駕駛。
從長期看，未來人工智能會(huì)在所有的領(lǐng)域徹底改變?nèi)祟?，產(chǎn)生更多的價(jià)值，會(huì)讓很多現(xiàn)在重復(fù)性的工作被取代，然后讓人去做人真正應(yīng)該去做的事情。
