李飛飛丨谷歌在 AI 領(lǐng)域的強(qiáng)勢(shì)舉措

李飛飛在谷歌 Cloud Next 17上發(fā)表主旨演講。她在會(huì)上發(fā)布了谷歌云面向機(jī)器學(xué)習(xí)和人工智能的一系列新API 以及收購(gòu)機(jī)器學(xué)習(xí)競(jìng)賽平臺(tái) Kaggle 的消息。主旨演講中，她提到了自己加入谷歌云的初衷，強(qiáng)調(diào)了“AI 民主化”概念。

CDA字幕組對(duì)該視頻進(jìn)行了漢化，附有中文字幕的視頻如下：

李飛飛-谷歌在AI領(lǐng)域的強(qiáng)勢(shì)舉措

針對(duì)不方便打開視頻的小伙伴，CDA字幕組也貼心的整理了文字版本，如下：

大家早上好，我是李飛飛。我是谷歌云、AI/ML 的首席科學(xué)家。用谷歌的話來說，我仍然是一個(gè) Noogler (Noogler: New Googler 的縮寫，意為谷歌新員工)。很榮幸能站在這個(gè)舞臺(tái)上，與你們分享一些我關(guān)于 AI 、機(jī)器學(xué)習(xí)以及谷歌云的想法。

世界正以驚人的速度變化著，有人說我們正處于第四次工業(yè)革命。而這在很大一程度上是由驚人的計(jì)算機(jī)技術(shù)所推動(dòng)的。作為一名在機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺方面，從業(yè)接近20年的 AI 技術(shù)人員，我見證了這一領(lǐng)域從一個(gè)崇高的學(xué)術(shù)追求，成為這一改變的最大驅(qū)動(dòng)力。這一變化發(fā)生在許多維度上，需要調(diào)動(dòng)你的想象力才能窺其全貌。

我們舉個(gè)熟悉的例子：自動(dòng)駕駛汽車。

它的魅力顯而易見，借助傳感器和算法，自動(dòng)駕駛汽車能夠降低事故風(fēng)險(xiǎn)。讓我們?cè)谕ㄇ诘穆飞夏軌蛴懈嗟臅r(shí)間工作、社交以及休息。這對(duì)于一個(gè)司機(jī)來說是非常棒的，但如果成千上萬的人都有呢？通過協(xié)調(diào)這些車輛，能夠減少交通擁堵，并且停車過程也將被大大簡(jiǎn)化。如果成百上千萬的人都有呢？城市將被重塑，基礎(chǔ)設(shè)施的使用將發(fā)生根本性的轉(zhuǎn)變。

AI 的參與度

不同規(guī)模的區(qū)別在于其參與(Participations)。隨著技術(shù)觸及的人群越多，它的影響就會(huì)越深遠(yuǎn)。這也就是為什么AI的下一步，必須是民主化(Democratization)。降低進(jìn)入門檻，讓更多的開發(fā)者、使用者以及企業(yè)能夠接觸到。談到AI的民主化、觸及更多的人。

谷歌云平臺(tái)已經(jīng)為客戶提供了大量的應(yīng)用，每天為超過十億的用戶提供服務(wù)，這是大量的參與?？梢韵胂髮⒃撈脚_(tái)的影響力與AI的力量相結(jié)合，讓更多人有機(jī)會(huì)接觸AI。然后我們可以見證生命質(zhì)量的大幅度提高，比歷史上任何一個(gè)時(shí)期都要高。從金融到教育、從制造業(yè)到醫(yī)療、從零售業(yè)到農(nóng)業(yè)等等。這就是為什么通過谷歌云傳播AI/ML，讓我感到興奮不已。這意味著我終于可以分享，作為一名 AI 研究者我在斯坦福多年的技術(shù)和見解。

我也是在這里開始與李佳博士在 AI 領(lǐng)域的合作。她在多年前是我的第一名博士生。我也很高興她和我一起加入谷歌。她目前擔(dān)任 AI 機(jī)器學(xué)習(xí)和谷歌云的研發(fā)主管，她也是在計(jì)算機(jī) AI 領(lǐng)域的"狠角色"。

我們身邊不缺少 AI 解決現(xiàn)實(shí)問題的例子，例如我們剛剛看的演示。通過谷歌Home和eBay網(wǎng)店交流等等。這些成就讓人印象深刻，但這僅僅是整個(gè)行業(yè)轉(zhuǎn)變的起點(diǎn)，AI 解決了越來越多的問題。我們用來開發(fā) AI 解決方案的工具，這些工具功能越來越成熟，但在使用上越來越容易。這將給世界帶來巨變，這一變化發(fā)生的速度遠(yuǎn)比人們想象的快。

讓我們看幾個(gè)例子。

零售業(yè)

從 AI 誕生之日起就開始影響零售業(yè)。例如，機(jī)器學(xué)習(xí)的算法已經(jīng)開始發(fā)生作用，在購(gòu)物中給用戶提供相關(guān)信息。

但是還有很多方面有待解決。比如，供應(yīng)鏈的路線和庫(kù)存最優(yōu)化；或者預(yù)測(cè)隨著時(shí)間發(fā)展的需求變化；以及運(yùn)用無人機(jī)導(dǎo)航和自動(dòng)駕駛汽車，運(yùn)送用戶訂購(gòu)的商品；用于預(yù)防損失和安全的智能分析，理解用戶行為以及感知庫(kù)存，從而優(yōu)化貨架空間利用和擺放。

媒體和文化

另一個(gè)例子是媒體和文化，它們也已經(jīng)受到AI的影響。你家里有青少年嗎？想不想知道，Snapchat 應(yīng)用中讓他們著迷的貓耳朵和彩虹濾鏡是用的什么技術(shù)？這是一個(gè)很聰明的計(jì)算機(jī)視覺技術(shù)。

機(jī)器學(xué)習(xí)已經(jīng)讓谷歌照片實(shí)現(xiàn)圖像標(biāo)簽的自動(dòng)化，以及生成 YouTube 的推薦列表。媒體會(huì)更多地利用這些技術(shù)，AR 和 VR 技術(shù)將依賴計(jì)算機(jī)視覺進(jìn)行動(dòng)態(tài)追蹤、環(huán)境監(jiān)測(cè)以及游戲。

越來越多的新聞內(nèi)容可以自動(dòng)生成，讓記者聚焦于大新聞和深度故事。AI也可以在幫助我們?cè)O(shè)計(jì)和個(gè)性化我們自己的內(nèi)容。比如音樂、視頻和藝術(shù)作品方面。

金融業(yè)

在金融服務(wù)業(yè)，機(jī)器學(xué)習(xí)已經(jīng)在大量地、智能地起作用。為信用卡申請(qǐng)者預(yù)測(cè)信用卡風(fēng)險(xiǎn)，甚至預(yù)測(cè)現(xiàn)有顧客拖欠還款。類似先進(jìn)的應(yīng)用也出現(xiàn)在工作中。保險(xiǎn)賠償將會(huì)由智能代理來進(jìn)行評(píng)估。隨著對(duì)話機(jī)器人接管客服中心，銀行業(yè)會(huì)更加虛擬化，甚至由個(gè)人銀行管理財(cái)務(wù)。正如之前匯豐銀行(HSBC)所說，這些智能代理可以增加我們的感知，標(biāo)識(shí)一些犯罪行為。比如洗錢或欺詐等。

醫(yī)療

最后還有醫(yī)療，這是AI最關(guān)鍵的應(yīng)用場(chǎng)景之一。這真正提升了人們的生活。近幾年該領(lǐng)域出現(xiàn)了許多出色的AI成果。

幾個(gè)月前我在谷歌大腦的同事展示了通過使用深度學(xué)習(xí)算法。計(jì)算機(jī)能夠探測(cè)出糖尿病性視網(wǎng)膜病變，這種疾病可能導(dǎo)致超過4億人失明。想象一下，這種洞察力可以擴(kuò)展整個(gè)醫(yī)療行業(yè)。大量視覺診斷類的工作將會(huì)很快被自動(dòng)化。這能夠幫助醫(yī)生并減少開銷，將服務(wù)擴(kuò)展到?jīng)]有條件接受治療的人群。

機(jī)器還可以做一些文書的工作。比如幫助記錄醫(yī)生訪問、管理一些慢性病，帶來更多可靠且迅速的服務(wù)，進(jìn)而促進(jìn)在家庭建立全面的智能醫(yī)院。通過智能傳感器追蹤醫(yī)療行為，保證患者安全，確保衛(wèi)生操作，增加手術(shù)方案。

面對(duì)AI和機(jī)器學(xué)習(xí)帶來的機(jī)遇，希望你們和我一樣感到興奮。但是這依然是一個(gè)高門檻的領(lǐng)域，它需要大量專業(yè)知識(shí)和資源，很少的公司有能力承受。

AI 民主化

這就是為什么云是 AI 的理想平臺(tái)，這也是為什么我們?cè)谠?AI/ML 上大量投資。這會(huì)在接下來的幾年里，提供強(qiáng)大的、易用的工具。讓每位云的用戶進(jìn)入該領(lǐng)域的機(jī)會(huì)。

換句話說谷歌云正在將 AI 民主化，這主要需要四步：

· 計(jì)算的民主化

· 算法民主化

· 數(shù)據(jù)民主化

· 人才和專業(yè)知識(shí)的民主化

讓我們一一討論一下當(dāng)中深意。

首先也是最重要的，AI要求巨大的計(jì)算量。如今，深度學(xué)習(xí)算法能夠輕易處理數(shù)千萬個(gè)參數(shù)和數(shù)十億的連接。訓(xùn)練和使用這樣的模型需要計(jì)算資源。當(dāng)然，這也是云要提供的主要功能。我們提供了測(cè)試版的云 ML 引擎。

ML 引擎

今天我在這里宣布它的主要功能。云 ML 引擎是一個(gè)平臺(tái)，能夠利用所有的計(jì)算能力并透明地提供傳遞給你。簡(jiǎn)單來說，你以任何一種你喜歡的方式建立機(jī)器學(xué)習(xí)模型。你自己所在環(huán)境熟悉的工具，比如 TensorFlow 庫(kù)。機(jī)器學(xué)習(xí)引擎讓你能夠?qū)Ｗ⒂诮鉀Q方案的創(chuàng)造性，將基礎(chǔ)結(jié)構(gòu)部分留給我們。需要訓(xùn)練模型時(shí)，將這些上傳到云里。機(jī)器學(xué)習(xí)引擎可以更快、更大規(guī)模的處理。最后將結(jié)果從你的設(shè)備部署到移動(dòng)設(shè)備，從而把訓(xùn)練結(jié)果用于解決現(xiàn)實(shí)問題。

盡管有了大量的計(jì)算能力，AI 依舊是計(jì)算機(jī)科學(xué)中最復(fù)雜的領(lǐng)域。這對(duì)于許多企業(yè) 用戶來說，仍然是一個(gè)很大的障礙。對(duì)那些還沒準(zhǔn)備好建立自己模型的開發(fā)者來說，應(yīng)用 AI 最簡(jiǎn)便的方式就是通過使用谷歌提供的 API。使用訓(xùn)練好的機(jī)器學(xué)習(xí)模型去解決常見的問題。API 就像一個(gè)開關(guān)，可以立即激活任何設(shè)備上的智能的部分，使其理解語(yǔ)言、圖像或者翻譯文字，難懂的自然語(yǔ)言。

但谷歌 AI 技術(shù)的深度和廣度遠(yuǎn)遠(yuǎn)不止如此。我們?cè)诠雀栌性S多研究小組，進(jìn)行大量的 AI 研究，涉及 AI 和機(jī)器學(xué)習(xí)的眾多領(lǐng)域。這些研究者均在頂尖 AI 期刊和會(huì)議上，發(fā)表多篇學(xué)術(shù)論文。我們的團(tuán)隊(duì)常常獲得最佳論文，并且是 AI 比賽中的常勝將軍。因此這些研究的成果很快會(huì)轉(zhuǎn)化為能夠提供給用戶的產(chǎn)品和服務(wù)。

Vision API

很高興向大家介紹這方面的一些最新產(chǎn)品，Vision API 目前正在穩(wěn)定開發(fā)中。它具有一些新的性能，首先是 API 元數(shù)據(jù)的擴(kuò)展。以便從谷歌知識(shí)圖譜的百萬千萬的實(shí)體中，識(shí)別網(wǎng)上的圖像。如今在整個(gè)谷歌圖片搜索中，我們均使用相同的元數(shù)據(jù)。

其次增強(qiáng)了光學(xué)字符識(shí)別(OCR)功能，能夠從有大量文本文件的圖片中提取文字。比如法律文件或其他復(fù)雜的文書。

但像素不僅僅是圖片。實(shí)際上視頻才是互聯(lián)網(wǎng)數(shù)據(jù)中最流行的形式之一。僅 Youtube 每分鐘就有數(shù)百小時(shí)的視頻被上傳。了解視頻的豐富內(nèi)容一直是多年來巨大的技術(shù)挑戰(zhàn)。實(shí)際上我們?cè)S多的計(jì)算機(jī)視覺研究員，一直將視頻視為數(shù)字宇宙的"暗物質(zhì)”。

今天非常高興地宣布一個(gè)全新的由機(jī)器智能驅(qū)動(dòng)的 API，Vision API。下面請(qǐng)我的同事 Sara Robinson 來更詳細(xì)地演示這個(gè)API，有請(qǐng) Sara。

【Sara Robinson 展示】

下面我通過一個(gè)例子演示 Vision API。我們先來看一個(gè)谷歌 Home 的超級(jí)碗廣告。

前幾秒我們可以看到開始是山地景觀，然后是房子，城市街道然后是狗、車庫(kù)。這個(gè)視頻里面發(fā)生了很多場(chǎng)景變化，如果我們要手動(dòng)把視頻內(nèi)容進(jìn)行分類，我們需要看完整個(gè)視頻，并記下每個(gè)場(chǎng)景發(fā)生的事情。幸運(yùn)的是 Vision API 可以幫我們完成。

首先在一個(gè)相對(duì)高的層面，告訴我們這個(gè)視頻的內(nèi)容。其次在粒度的層面，還告訴我們視頻每個(gè)場(chǎng)景中的標(biāo)簽。

如果我們向下翻，我們可以看到它標(biāo)識(shí)出一只狗。并準(zhǔn)確指出狗出現(xiàn)在視頻的哪個(gè)位置，也識(shí)別出視頻的結(jié)尾處的生日蛋糕。再往下可以看到它不僅僅知道這是狗，還能分辨狗的品種。如果我們看到其余部分可以看到，也成功地識(shí)別出了視頻開始時(shí)的山路。

這就是該 API 針對(duì)一個(gè)視頻能做什么。你也可以讓它分析多個(gè)視頻，讓我們看看公司如何使用 Vision API 。媒體工作人員可能要處理大量的視頻數(shù)據(jù)。他們要做的一件事就是創(chuàng)建特定類型內(nèi)容的精彩集錦，或者在大型視頻庫(kù)中搜索特定實(shí)體。

讓我們用 Vision API 搜索大型視頻庫(kù)，給出我們從中獲取的這些元數(shù)據(jù)。在這里有很多視頻，我們假設(shè)這家媒體有幾個(gè)小時(shí)的體育視頻。但他們只想找到棒球的相關(guān)內(nèi)容，因此讓我們視頻庫(kù)中來搜索棒球視頻。這不僅告訴我們哪些視頻含棒球內(nèi)容，還告訴我們視頻中棒球出現(xiàn)的時(shí)間。

我最喜歡的例子是這個(gè)，這個(gè)視頻中棒球只出現(xiàn)了一會(huì)兒，但它能夠分辨并剪輯出來。而如果我們手動(dòng)操作的話，必須觀看整個(gè)視頻來尋找特定的場(chǎng)景。如果我們點(diǎn)擊這個(gè)場(chǎng)景，我們可以看到這個(gè)視頻是關(guān)于，芝加哥小熊隊(duì)在去年贏得了世界職業(yè)棒球大賽。

下面我們?cè)賮硭阉饕幌?。我住在東海岸，現(xiàn)在很冷。去年下了很多雨，如果現(xiàn)在能在海灘上會(huì)很舒服。雖然機(jī)器學(xué)習(xí)并不能把我們帶到那里，但它能做的其他的事，即在視頻庫(kù)中的找出所有海灘剪輯。

下面讓我們搜索海灘視頻，然后可以點(diǎn)擊所有含沙灘的視頻片段。所以正如這個(gè)演示，Vision API 可以輕松地識(shí)別大型視頻內(nèi)容庫(kù)。幾個(gè)月前這還幾乎是不可能的事情，過去要花費(fèi)幾個(gè)小時(shí)的任務(wù)，現(xiàn)在 Vision API 只需要幾秒鐘。我很開心今天能夠讓每個(gè)人都用到。

所以作為計(jì)算機(jī)視覺研究員，我非常激動(dòng)。我已經(jīng)關(guān)注視頻分析領(lǐng)域數(shù)十年，現(xiàn)在我們終于開始理解數(shù)字宇宙的"暗物質(zhì)"。也讓我們的用戶能夠，從嵌入在視頻里的大量信息中提取價(jià)值。

AI 民主化的第三個(gè)要素是數(shù)據(jù)。正如我們通過畢生接觸世界獲得人類智慧，AI 需要大量的數(shù)據(jù)來發(fā)展自己的洞察力。

但這些數(shù)據(jù)集是最艱巨的一個(gè)問題，在這方面我深有體會(huì)。我?guī)ьI(lǐng)團(tuán)隊(duì)構(gòu)建了ImageNet數(shù)據(jù)庫(kù)。ImageNet 為機(jī)器視覺社區(qū)提供了1500萬個(gè)帶標(biāo)簽的圖片。很多人都很熟悉 ImageNet 出現(xiàn)后的情況。在2012年 ，這是深度學(xué)習(xí)革命最重要的推動(dòng)力。至今仍是深度學(xué)習(xí)算法中，使用最多的訓(xùn)練數(shù)據(jù)集和基準(zhǔn)之一。雖然 ImageNet 的成果很驚人，但是構(gòu)建 ImageNet 艱巨而漫長(zhǎng)的過程，充分顯示了當(dāng)中的困難。

我們需要一個(gè)更加有效和可擴(kuò)展的方式，將數(shù)據(jù)民主地提供給數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)開發(fā)人員以及領(lǐng)域?qū)＜?，最終到提供到商業(yè)中。

收購(gòu) Kaggle

這也是為什么我如此激動(dòng)地宣布谷歌云收購(gòu)了 Kaggle。

這兩位聯(lián)合創(chuàng)始人 Anthony Goldblum 和 Ben Handler 多年的努力下，Kaggle 團(tuán)隊(duì)建立起了含有 85 萬多名數(shù)據(jù)科學(xué)家的強(qiáng)大社區(qū)。并且舉辦各種競(jìng)賽并且不斷開放新的數(shù)據(jù)集。

通過與谷歌云平臺(tái)的結(jié)合，社區(qū)能夠直接訪問最先進(jìn)的機(jī)器學(xué)習(xí)環(huán)境并提供直接的途徑營(yíng)銷他們的模型。與 Kaggle 一起我們正在創(chuàng)建世界上最大的機(jī)器學(xué)習(xí)人才中心。實(shí)際上 Kaggle 已經(jīng)與谷歌云一起舉辦了最大的視頻理解大賽，名為"YouTube 8 百萬視頻理解挑戰(zhàn)"。

說到人才和專家，谷歌致力于幫助我們的合作伙伴和用戶，在他們所需的級(jí)別開發(fā)更多的機(jī)器學(xué)習(xí)和 AI 技術(shù)。我們一直在研究方面進(jìn)行大量投資，谷歌每年都會(huì)為全球 250 多個(gè)學(xué)術(shù)研究項(xiàng)目提供大筆資助，支持幾十位博士生并擁有數(shù)千名實(shí)習(xí)生。

我們認(rèn)為AI 專業(yè)知識(shí)將成為未來數(shù)年內(nèi)越來越重要的資源。并在采取步驟，尋找、教育和強(qiáng)化這個(gè)領(lǐng)域的未來領(lǐng)袖。在谷歌云與這些努力的同時(shí)，我們也致力于用專業(yè)知識(shí)向客戶提供正確的結(jié)果。先進(jìn)的解決方案實(shí)驗(yàn)室，能夠讓擁有遠(yuǎn)大目標(biāo)的客戶與谷歌直接合作，一同解決復(fù)雜的AI問題。

以保險(xiǎn)公司 USAA 為例，他們的許多工程師精通數(shù)據(jù)科學(xué)，甚至有機(jī)器學(xué)習(xí)背景。但他們需要幫助建立真正的專業(yè)知識(shí)基礎(chǔ)。為此 USAA 開發(fā)團(tuán)隊(duì)來到谷歌先進(jìn)的解決方案實(shí)驗(yàn)室。他們直接從我們的機(jī)器學(xué)習(xí)工程師和專家那里學(xué)習(xí)。這個(gè)團(tuán)隊(duì)現(xiàn)在在努力工作，使用他們的新技能。另外也有其他的團(tuán)隊(duì) 在以相同的方式接受培訓(xùn)。

因此我認(rèn)為最有意義的技術(shù)，是把寶貴的資源轉(zhuǎn)化為可以讓所有人受益的東西。

印刷技術(shù)幫助人們識(shí)字，讓識(shí)字不再是特權(quán)，讓書籍成為負(fù)擔(dān)得起的并填滿全球各地的家庭和圖書館。電網(wǎng)將電力傳送到整個(gè)社區(qū)，使熱和亮從奢侈品變?yōu)槿粘Ｉ畋貍溆闷?。工業(yè)革命的大規(guī)模生產(chǎn)意味著，過去昂貴的手工藝品如今能夠豐富成百上千萬人的生活。當(dāng)然互聯(lián)網(wǎng)也使得一切內(nèi)容，從報(bào)紙到大學(xué)的課程都變得容易分享。從而可以在一夜間被全球觀眾獲得，而且往往是免費(fèi)的。

這些例子的共同之處是，從獨(dú)占轉(zhuǎn)變?yōu)闊o處不在。我相信 AI 可以帶來這種轉(zhuǎn)變，以我們前所未見、無法想象的規(guī)模。在全球范圍內(nèi)幫助將少數(shù)人的特權(quán)奢侈品，傳播給我們其他人。

這是為什么我要邀請(qǐng)觀眾中每個(gè)人都參與其中。我們?cè)诠雀柙普陂_發(fā)這些工具，但使用權(quán)在你們。