百度首席科學(xué)家：解析人工智能和大數(shù)據(jù)

百度首席科學(xué)家吳恩達(dá)（Andrew Ng）在硅谷的百度BIG TALK大會(huì)上發(fā)表演講。吳恩達(dá)表示，深度算法將和大數(shù)據(jù)結(jié)合，使新的人工智能算法越來越好，未來人工智能虛擬圈里完成整個(gè)循環(huán)。

恩達(dá)解釋道，以前人工智能的虛擬圈，比如做一個(gè)很好的產(chǎn)品，可以得到很多很好的用戶，這些用戶可以提供很多的數(shù)據(jù)。最后，用人工智能就可以讓很多的產(chǎn)品越來越好，讓你得到越來越多的用戶，如此產(chǎn)生人工智能的良性循環(huán)。

如今，人們溝通已經(jīng)從文字轉(zhuǎn)向圖像和語音，未來這方面將有很大機(jī)會(huì)。百度為此正在經(jīng)歷改變。吳恩達(dá)認(rèn)為這個(gè)給百度帶來了新的機(jī)會(huì)。不過，這些都需要電腦理解圖像基礎(chǔ)上進(jìn)行，而百度是第一個(gè)用神經(jīng)網(wǎng)絡(luò)技術(shù)寫的。

吳恩達(dá)指出，電腦視覺是深度學(xué)習(xí)帶來的革命。百度已經(jīng)建立了有效的深度學(xué)習(xí)的算法，改變整個(gè)人工智能的方法。而百度為什么能夠?qū)崿F(xiàn)深度學(xué)習(xí)，吳恩達(dá)給出了自己答案，就是百度擁有強(qiáng)大的數(shù)據(jù)收集能力，比如，用戶使用語音搜索，這個(gè)過程雖然簡(jiǎn)單，但是這是在百度綜合各種環(huán)境后，從7千萬語音數(shù)據(jù)中，從來總結(jié)出十萬多個(gè)小時(shí)的數(shù)據(jù)，通過這些數(shù)據(jù)，可以建立矩陣，跟其他的語音識(shí)別系統(tǒng)效果要更好。這背后秘訣就是百度擁有強(qiáng)大數(shù)據(jù)來支撐。

吳恩達(dá)認(rèn)為，語音會(huì)是一個(gè)改革互聯(lián)網(wǎng)很大的因素。中國其實(shí)領(lǐng)先于美國和其他國家很多，特別是在移動(dòng)互聯(lián)網(wǎng)方面。我們花很多時(shí)間在智能手機(jī)上，用打字的方式溝通，即使在嘈雜的環(huán)境中用語音溝通，可以通過講話就可以給另一半發(fā)消息，如果語音識(shí)別繼續(xù)改進(jìn)的話，以后這個(gè)技術(shù)可能改變我們的生活。此外，語音識(shí)別也會(huì)對(duì)互聯(lián)網(wǎng)，家用電器帶來很大的改革。

吳恩達(dá)演講全文：

非常高興大家可以在硅谷相聚，在過去幾年有一種人工智能已經(jīng)開始起飛了，對(duì)硅谷有很大的沖擊，就像Jason所講，今天你會(huì)聽到人工智能如何沖擊并改變醫(yī)療保險(xiǎn)、教育和其他領(lǐng)域。

這里面有很多種操作，今天我想和大家分享兩件事情，第一件，什么是，和什么不是深度學(xué)習(xí)，在二十分鐘的時(shí)間里面我們希望可以讓你知道這樣的技術(shù)是什么。第二點(diǎn)，對(duì)于在領(lǐng)先機(jī)構(gòu)里面的你們，你們能夠在策略上思考這些機(jī)構(gòu)—公司、學(xué)校、企業(yè)是否要做深度學(xué)習(xí)的技術(shù)。

多年以來，我們一直有這樣的創(chuàng)意，就是人工智能的虛擬圈，比如做一個(gè)很好的產(chǎn)品，可以得到很多很好的用戶，這些用戶可以提供很多的數(shù)據(jù)。最后，用人工智能就可以讓很多的產(chǎn)品越來越好，讓你得到越來越多的用戶，如此產(chǎn)生人工智能的良性循環(huán)。但是這樣的理念根本沒有成功，在這幅拼圖里面所缺失的最大一環(huán)，就是人工智能。來看早一代的人工智能算法，即使有很多的數(shù)據(jù)支持，但是表現(xiàn)功能不會(huì)越來越好，在我腦中有一個(gè)非常基本的原因。為什么深度學(xué)習(xí)沖擊世界，因?yàn)槲覀兌伎梢詼y(cè)量算法，所以在大數(shù)據(jù)里面，新的人工智能的算法越來越好，我們可以第一次在整個(gè)虛擬圈里完成整個(gè)循環(huán)。

過去時(shí)間，很多溝通都是通過文字，過去十年間網(wǎng)頁就是一堆文字。如今在百度，我們看到，特別是在移動(dòng)互聯(lián)網(wǎng)領(lǐng)域，溝通已經(jīng)改變成為了圖像和語音。百度已經(jīng)經(jīng)歷改變十五年了，現(xiàn)在就要跟大家分享在圖像語音方面的機(jī)會(huì)。因?yàn)樵诨ヂ?lián)網(wǎng)上的溝通，提供更好的服務(wù)，給各國和全世界使用?，F(xiàn)在談?wù)劙俣热绾卫斫鈭D像和語音。

七年前，在斯坦福，我讓我的學(xué)生寫程序識(shí)別咖啡杯的圖像，他們用了當(dāng)時(shí)最好的圖像和算法，這就是他們得到的結(jié)果。他們發(fā)現(xiàn)到處都是咖啡杯，為什么識(shí)別咖啡杯這么困難？當(dāng)我們放大以后繼續(xù)來看。把他當(dāng)成紅的方塊。電腦的問題就是看到這些數(shù)據(jù)，色素的強(qiáng)度，告訴我們這些數(shù)據(jù)定義了咖啡杯，所以長(zhǎng)久以來這是在電腦圖像方面不足的地方。神經(jīng)元網(wǎng)絡(luò)的技術(shù)很有前景，人腦的工作被激發(fā)開來，因此模擬神經(jīng)元的信號(hào)，用算法讓他更具有智能。在深度學(xué)習(xí)，剛才講的熱磁，來模擬人腦，很多研究人員想用這個(gè)熱磁。可是神經(jīng)學(xué)家知道根本不可能知道人腦如何工作。我的朋友開玩笑說，神經(jīng)網(wǎng)絡(luò)好像用卡通畫腦子。過度簡(jiǎn)單的用卡通描述腦子，因此對(duì)大腦不是非常了解。這些程序可以了解這些物體，能做的就是說照張相，給神經(jīng)網(wǎng)絡(luò)很多數(shù)據(jù)，很多咖啡杯圖像，可以來學(xué)習(xí)，可以來說這是咖啡杯。這只是識(shí)別咖啡杯，是個(gè)相對(duì)容易，但是計(jì)算機(jī)視覺比這個(gè)要復(fù)雜得多，但我們看這個(gè)圖像，看到很多東西。如果要給很多注解的話，你就說，黃色大巴開在路上，右邊的畫，你就說，一間起居室，很多陽光照進(jìn)來，而你寫這個(gè)注解的能力，就是對(duì)這個(gè)圖像的深度理解。那么，可不可以讓電腦理解圖片和我們做的一樣？如果要讓你用中文來注解這張圖片，同樣，你就看這個(gè)圖片，說，這個(gè)棒球運(yùn)動(dòng)員準(zhǔn)備擊球，一個(gè)人在沖浪，一個(gè)車停在現(xiàn)場(chǎng)。

所以，電腦是否可以理解圖像，好像我們有這個(gè)能力寫注解。所以我給你們一個(gè)驚喜，這個(gè)字幕不是人寫出來的，是電腦寫的，百度是第一個(gè)用神經(jīng)網(wǎng)絡(luò)技術(shù)寫的?，F(xiàn)在還有其他好多公司來尾隨我們。所以我們今天在的位置在哪里呢？在計(jì)算機(jī)視覺我們已經(jīng)建立了一個(gè)很好的技術(shù)來建立圖像。我們?cè)趯?duì)美國聽眾展示用中文寫的字幕。既然已經(jīng)有非常復(fù)雜的電腦技術(shù)，現(xiàn)在就是應(yīng)用是什么。電腦可以了解在過去五年有長(zhǎng)足的發(fā)展。應(yīng)用是什么？醫(yī)學(xué)影像，圖像的搜尋，買什么衣服，百度還有其他公司有這樣的計(jì)算機(jī)視覺技術(shù)，嘗試產(chǎn)品和技術(shù)，今天也不知道最好的應(yīng)用是什么，未來幾年會(huì)改變這方面的情況。

所以，電腦視覺是深度學(xué)習(xí)帶來的革命。為什么深度學(xué)習(xí)，也就是神經(jīng)網(wǎng)絡(luò)如今有迅猛的發(fā)展？這就是我們來建立了有效的深度學(xué)習(xí)的算法，改變整個(gè)人工智能的方法。舉個(gè)例子。建造火箭，需要兩個(gè)部分組成，很大的引擎，很多燃料，好像宇宙火箭，如果有很大的引擎，很少的燃料，這是無法工作的，反之亦然。所以需要有一個(gè)很大的引擎和很多的燃料才行的通，算法的時(shí)候也是，建立一個(gè)很大很大的神經(jīng)網(wǎng)絡(luò)。另外數(shù)據(jù)就是燃料，在整個(gè)人類社會(huì)的數(shù)據(jù)化，可以看到很多以前拿不到的數(shù)據(jù)。這就是很大的可以騰飛的火箭。因此未來的最近今年的深度學(xué)習(xí)就是讓火箭可以騰飛。大概是2010，五年前，最大的神經(jīng)網(wǎng)絡(luò)有一千萬的連接點(diǎn)，幾年后我就開始了在google云項(xiàng)目，用一千個(gè)電腦建立的一億個(gè)神經(jīng)元的網(wǎng)絡(luò)，這其實(shí)為深度學(xué)習(xí)帶來很大進(jìn)展。后來我意識(shí)到這是一個(gè)非常昂貴的技術(shù)，有朋友就意識(shí)到用不同的技術(shù)，用其他gpu技術(shù)，在電腦里面處理訊息圖像的技術(shù)可以建立這樣的神經(jīng)網(wǎng)絡(luò)，用大的引擎飛火箭。比過去還大十倍。今天在百度，硅谷或中國建立了巨大的神經(jīng)網(wǎng)絡(luò)。代表百度來講，我們是第一個(gè)建立深度學(xué)習(xí)的網(wǎng)絡(luò)，這就是火箭引擎，現(xiàn)在有很多公司步我們后塵。

現(xiàn)在舉個(gè)實(shí)例，深度學(xué)習(xí)如何了解互聯(lián)網(wǎng)。今天百度很多用戶是用語音搜索，很多太年幼的用戶，也有很多年齡大的用戶，或文化程度不高的用戶，無法用拼音搜索。對(duì)于他們，用語音搜索是唯一的方式可以讓我們知道他們的需求。如果在安靜的環(huán)境中，手機(jī)可以識(shí)別你的語音。如果在嘈雜的環(huán)境中，比如車?yán)锘蛘卟蛷d中，識(shí)別就不是很好，我們要想辦法解決這個(gè)問題。傳統(tǒng)的方式是工程師要寫軟件，分解成小的軟件來解決這個(gè)問題。我們要不要換一個(gè)角度，為語音識(shí)別建立一個(gè)火箭發(fā)動(dòng)機(jī)一樣的流程。一般來說最大的語音識(shí)別的數(shù)據(jù)是需要兩千小時(shí)的數(shù)據(jù)，我們要利用七千萬小時(shí)的語音數(shù)據(jù)來，燃料多三倍。我們后來又說從這七千萬小時(shí)語音數(shù)據(jù)來總結(jié)出十萬多個(gè)小時(shí)的數(shù)據(jù)，通過這些數(shù)據(jù)，可以建立矩陣，跟其他的語音識(shí)別系統(tǒng)，比別的api都好很多。在比較小的時(shí)間當(dāng)中，建立出體系。在嘈雜的環(huán)境中也表現(xiàn)的比較好。秘訣就是我們有很大的引擎和很多的燃料。

為什么要說這個(gè)？市場(chǎng)上有很多的產(chǎn)品，但是語音會(huì)是一個(gè)改革互聯(lián)網(wǎng)很大的因素。在這個(gè)方面，中國其實(shí)領(lǐng)先于美國和其他國家很多，特別是在移動(dòng)互聯(lián)網(wǎng)方面。我們花很多時(shí)間在智能手機(jī)上，用打字的方式溝通，即使在嘈雜的環(huán)境中用語音溝通，可以通過講話就可以給另一半發(fā)消息，如果語音識(shí)別繼續(xù)改進(jìn)的話，以后這個(gè)技術(shù)可能改變我們的生活。

此外，語音識(shí)別也會(huì)對(duì)互聯(lián)網(wǎng)，家用電器帶來很大的改革。我有五個(gè)遙控器，如果我可以用講話控制的話就完美了。我現(xiàn)在還沒有下一代，但是我希望有一天我的兒子或?qū)O子一輩，可以問我在我小時(shí)候你跟你的微波爐講話卻沒有反應(yīng)這是真的嗎？太不禮貌了。未來語音識(shí)別會(huì)對(duì)我們的技術(shù)帶來翻天覆地的變化。

現(xiàn)在圍繞互聯(lián)網(wǎng)有很多變化，因?yàn)楝F(xiàn)在有很多的數(shù)據(jù)圍繞著語音，如果有很大的引擎很多的燃料，通過深度學(xué)習(xí)可以深入了解解決這些問題，可以改變我們使用技術(shù)的方式，也可以帶來其他領(lǐng)域，如金融這些方面的變化。你們可以看出來我非常興奮，另外還有炒作的因素，在過去有很多人提到了邪惡的機(jī)器人，有些人在擔(dān)心機(jī)器人可能會(huì)帶來負(fù)面影響。其實(shí)我們現(xiàn)在掌握的技術(shù)是非常好的，我個(gè)人還不知道怎么建造出有自我感知的機(jī)器人。當(dāng)然，我對(duì)于技術(shù)是很有激情的，我相信會(huì)改變我們的生活，給成千上萬人的生活帶來變化。有些炒作或擔(dān)心我覺得沒有必要。