先知面向?qū)嶋H問題能提供更好的應(yīng)用型解決方案，從業(yè)人員利用這個平臺，1-2個月就能成為數(shù)據(jù)科學(xué)家。創(chuàng)始人戴文淵因此開玩笑說：“我們的愿景就是讓我們自己的科學(xué)家失業(yè)。”

 

　　第四范式號召“AI for everyone”，想要打破AI小圈子的限制。戴文淵說：“我們不是要成立一個小圈子，我們這些人在這個小圈子里面玩AI，而是我們要讓AI的門檻降低，讓每個人都能夠參與進來。”而第四范式首席科學(xué)家楊強也把““規(guī)避人工智能被某些集團壟斷、引導(dǎo)人工智能走向大眾”當(dāng)成自己作為一個科學(xué)家的使命。
 

　　在今天的發(fā)布會上，第四范式請來了創(chuàng)新工場創(chuàng)始人李開復(fù)、第一財經(jīng)首席執(zhí)行官周健工，紅杉資本創(chuàng)始合伙人沈南鵬因為惡劣天氣耽誤了航班，但也在發(fā)布會進行到一半時趕到了會場，每個嘉賓都有備而來，各自做了主題演講。加上戴文淵和楊強兩人，這次發(fā)布會的規(guī)格撐得起四分之一場人工智能峰會了。

 

　

 

　　發(fā)布會結(jié)束后，記者和第四范式首席科學(xué)家楊強教授聊了更多關(guān)于“先知”和遷移學(xué)習(xí)的問題。楊強教授是香港科技大學(xué)計算機與工程系主任，首位美國人工智能協(xié)會（AAAI）華人Fellow，唯一AAAI華人Councilor， 國際頂級學(xué)術(shù)會議KDD、IJCAI等大會主席，曾創(chuàng)建華為諾亞方舟實驗室并任主任科學(xué)家。

 

　　記者：楊教授你說數(shù)據(jù)是資本是石油，有數(shù)據(jù)的人能提供越來越多的服務(wù)，這句話是不是意味著在AI領(lǐng)域平臺性的公司還是留給大公司？

 

　　楊強：其實任何成功的人工智能應(yīng)用離不開自學(xué)習(xí)，有足夠多的數(shù)據(jù)、有足夠多的需求、龐大的計算資源，同時要有頂尖的數(shù)據(jù)科學(xué)家來建立系統(tǒng)，這些都是必要條件，是必不可少的。如果我們這樣走下去，沒有任何新的措施、技術(shù)和平臺，我們就會看到富人越來越富。富是什么意思？科學(xué)家越來越多；像現(xiàn)在大學(xué)教授不斷地辭職去哪里？去Google；數(shù)據(jù)也不斷地積累，積累到哪里？Google、百度；就形成了這樣“富者愈富”的局面。

 

　　現(xiàn)階段是這樣的，因為只有大公司才有能力收集這些數(shù)據(jù)，而且這個現(xiàn)象會越來越嚴重。他有能力收數(shù)據(jù)，他的數(shù)據(jù)越來越多，他通過數(shù)據(jù)又可以產(chǎn)生新的服務(wù)，反過來這些數(shù)據(jù)又可以吸引更多的數(shù)據(jù)，所以雪球越滾越大，這不是很健康的事情。我們也想突破這一點，使得那些不是大公司的、沒有具有那么大的財力的公司也可以享受到人工智能的益處，這個我們叫AI for someone，對某些人來說AI是可以產(chǎn)生盈利的，這個比以前的AI for no one還是有進步的，我們的理念是AI for everyone。

 

　　記者：這個領(lǐng)域有希望出現(xiàn)獨角獸么？

 

　　楊強：我覺得獨角獸基本已經(jīng)出現(xiàn)了，下面要看獨角獸是不是會持續(xù)出現(xiàn)，比如說Google就是一家獨角獸，因為搜索本身就是大數(shù)據(jù)和人工智能的結(jié)合，包括Google現(xiàn)在眾多的產(chǎn)品都是大數(shù)據(jù)在驅(qū)動的，另外我們看到的滴滴打車也是一個數(shù)據(jù)驅(qū)動的公司，因為只有數(shù)據(jù)他們才能更好地協(xié)調(diào)和調(diào)度。像阿里巴巴也是一個人工智能的獨角獸公司，因為它是利用了大量的電商數(shù)據(jù)去做更好的推薦平臺和運輸平臺。這樣的話它的服務(wù)就會越來越好，越來越有效率。

 

　　記者：剛剛在臺上戴總提到深度學(xué)習(xí)現(xiàn)在存在一些局限，局限表現(xiàn)在什么地方？

 

　　楊強：說深度學(xué)習(xí)有一些局限這個觀點是成立的。它的局限來自于幾個方面，因為一個模型畢竟是一個現(xiàn)實的反映，等于是現(xiàn)實的鏡像，它能夠描述現(xiàn)實的能力越強就越準確。但是我們看到深度學(xué)習(xí)有一個限制，因為機器學(xué)習(xí)都是用變量來描述世界的，深度學(xué)習(xí)能handle的變量數(shù)是有限的，深度也是有限的，另外它對數(shù)據(jù)的需求量隨著模型的增大而增大，我們現(xiàn)實中有那么大、那么質(zhì)量高的數(shù)據(jù)的情況還不多。實際上一方面是數(shù)據(jù)量，一方面是數(shù)據(jù)里面的變量，深度學(xué)習(xí)來描述數(shù)據(jù)的復(fù)雜度還不夠復(fù)雜，所以這方面還是有局限性的。

 

　　記者：但深度學(xué)習(xí)它是不是目前最好的機器學(xué)習(xí)的方法？

 

　　楊強：應(yīng)該說目前對某些問題是最好的，比方說人臉識別、語音識別，但是對其他的問題并不是最好的，比方說對于有延遲的反饋，比如機器人的行動。AlphaGo下圍棋也不是深度學(xué)期包打所有的，它還有強化學(xué)習(xí)的一部分，反饋是直到最后那一步才知道你的輸贏。還有很多其他的學(xué)習(xí)任務(wù)都不一定是深度學(xué)習(xí)才能來完成的。

 

　　記者：就現(xiàn)在的數(shù)據(jù)分析的水平，能不能準確地預(yù)測出世界杯或者是歐洲杯的結(jié)果？我之前看到有團隊預(yù)測歐洲杯結(jié)果，覺得似乎缺了一些科學(xué)性。

　　楊強：如果這些球員還有他們的對手還有裁判已經(jīng)掌握了大量的數(shù)據(jù)的話，還是可以預(yù)測的，但是對于每一個球隊來說我們掌握的數(shù)據(jù)還是比較少的，我們只能做一些推測比如說和巴西隊很相近的是阿根廷隊，跟德國隊很接近的可能是荷蘭隊，這種推測本身可能就有不準的地方。再乘以十幾年的數(shù)據(jù)積累，可能十幾年前的德國隊和現(xiàn)在的德國隊也有大的不同，另外他們遇到不同的裁判和教練，也許他們的表現(xiàn)就不一樣了，所以你說的科學(xué)性不夠還是因為數(shù)據(jù)不夠的原因。

 

　　記者：您剛剛在臺上也對無監(jiān)督學(xué)習(xí)做了一個判斷，現(xiàn)在有很多的科學(xué)家在致力于做這方面的研究，你說實際上有成功案例的不太多？

 

　　楊強：無監(jiān)督學(xué)習(xí)應(yīng)該說是在學(xué)術(shù)界很高的目標，但是在工業(yè)界成功的案例還不多，可是在工業(yè)界不多并不表明在學(xué)術(shù)界不應(yīng)該做，相反學(xué)術(shù)界正應(yīng)該去做，攻工業(yè)界沒有做的東西。但現(xiàn)階段來說，我們在很多的深度學(xué)習(xí)的領(lǐng)域還是有監(jiān)督的情況下任務(wù)完成得就好很多，無監(jiān)督的成功的案例還是比較少的。

 

　　記者：我知道您在做讓AI有情緒的研究，您介紹一下您的研究進展么？

 

　　楊強：我們現(xiàn)在跟人機交互的一些教授，我們那邊有一個人機交互的實驗室，有一些教授在研究說怎么樣去識別人的情緒，比如說通過計算機圖像、語音和人的姿態(tài)可以識別這個人是高興還是累了還是厭倦了，同時也可以通過規(guī)則和機器學(xué)習(xí)的方法讓機器人針對人的感情疏解他的煩惱，或者是增強他的快樂，我們在做這些方面的研究，然后應(yīng)用在機器人尤其是對話系統(tǒng)上。

 

　　記者：其實AI本身是不可能具備情感的是么？

 

　　楊強：對，它本身是沒有情感的，它的情感是我們?nèi)嗽O(shè)計進去的，所以在別人看來它好象有情感，可是我們設(shè)計者只有它是沒有的，我們是自己一個數(shù)學(xué)公式放進去的。

 

　　記者：這個情感識別技術(shù)現(xiàn)在成熟么？

 

　　楊強：我覺得這個還不夠成熟，是因為這方面的數(shù)據(jù)收集不夠多，可能有一些小的例子，在這些例子上成功地展示有情緒、有情感的機器人，但是通用的我覺得我們還有待時日來收集這些數(shù)據(jù)。

 

　　記者：關(guān)于知識遷移我在網(wǎng)上找到的信息不大多，應(yīng)該是英文的資料比較多一些，（非專業(yè)的人理解起來有些困難），您能簡單介紹一下它主要是解決哪些問題的么？

 

　　楊強：它主要解決兩個問題，比方說我們新開一個網(wǎng)店，我們賣一種新的糕點，可能我們沒有任何的數(shù)據(jù)，這樣的話我們就沒有辦法對用戶進行推薦。但如果我們知道用戶在另外一個領(lǐng)域比方說飲料，已經(jīng)有了很多很多的數(shù)據(jù)，我們利用這個數(shù)據(jù)建了一個模型，我們就知道用戶飲料的習(xí)慣和糕點的習(xí)慣可能是有關(guān)聯(lián)的，我們就可以把飲料的推薦模型給成功地遷移到糕點的領(lǐng)域，使得對于糕點隨著數(shù)據(jù)不多，但是可以成功的推薦一些用戶可能喜歡的糕點。

 

　　一個領(lǐng)域已經(jīng)有很多的數(shù)據(jù)，能成功地建一個模型，另一個領(lǐng)域數(shù)據(jù)不多，但是和前面那個領(lǐng)域是關(guān)聯(lián)的，我們就可以把那個模型給遷移過來。這個解決的問題是數(shù)據(jù)少的問題。

 

　　第二個能解決的問題是個性化的問題，我們每個人都希望自己的手機能夠記住我們的一些習(xí)慣，這樣不用我們每次都去設(shè)定它，我們怎么才能讓手機記住這一點呢？其實可以通過遷移學(xué)習(xí)把一個通用用戶的使用手機的模型遷移到個性化的數(shù)據(jù)上面。這個以后會用得越來越多。

 

　　楊強教授是我們下個月在深圳舉辦的CCF-GAIR人工智能與機器人峰會的主講嘉賓，關(guān)于遷移學(xué)習(xí)、強化學(xué)習(xí)、情感識別等等更多的研究進展和應(yīng)用狀況，我們留待大會透露?，F(xiàn)在購票參會將立享7折優(yōu)惠；如果能夠湊齊5人參會，還可以選擇更多優(yōu)惠的5折團體票。