2015年中國IT領(lǐng)袖峰會直播圖文概要：點此進(jìn)入
3月22日，2015中國（深圳IT）領(lǐng)袖峰會開幕式的主題演講中，百度首席科學(xué)家吳恩達(dá)發(fā)表主題演講《深度學(xué)習(xí)與人工智能》。
他認(rèn)為人工智能的臨界點正在到來。百度在聲音和圖像識別方面取得了突破性進(jìn)展。比如，在人臉識別方面，google的6000對人臉識別錯誤百分比為0.37%，百度為0.16%。
此外，他認(rèn)為語音識別的99%的準(zhǔn)確率會徹底改變玩法，99%的準(zhǔn)確率可以讓我們徹底改變手機(jī)的語音交互方式。語音將會推動物聯(lián)網(wǎng)的巨大變革。
以下為吳恩達(dá)演講實錄：
吳恩達(dá)：大家好！我還是每天學(xué)習(xí)一點中文，不過我現(xiàn)在普通話還是不夠好，所以如果有這個耳機(jī)，我今天還是講英語，請翻譯者幫我翻譯。
我們看到新的人工智能技術(shù)出現(xiàn)，我們把它稱為深度學(xué)習(xí)，深度學(xué)習(xí)給我們帶來了巨大的價值，給很多的IT公司也帶來很多的價值。我相信人工智能，我指的是新的人工智能，也就是深度學(xué)習(xí)給我們帶來的影響將會越來越深遠(yuǎn)。在座的各位很多是企業(yè)的領(lǐng)袖，所以未來大家可能會做出對你的組織有利的很多重要的決定，可能是公司，也可能是大學(xué)，這都是在深度學(xué)習(xí)方面的，所以我想分享一些對大家有用的東西。首先我講一下為什么現(xiàn)在人工智能的發(fā)展非常迅速，第二要怎樣進(jìn)行投資來推動人工智能的發(fā)展。我們在全球看到的人工智能發(fā)展趨勢，以及我們面臨的機(jī)會和挑戰(zhàn)。
我希望在我的演講當(dāng)中關(guān)注三個領(lǐng)域，我覺得這三個領(lǐng)域正在發(fā)生重大的創(chuàng)新，一個是圖像，第二個是語音，第三個是行為。我們先從圖像開始，很多年前我還在斯坦福大學(xué)教課的時候，我問學(xué)生一個問題，就用當(dāng)時一個人工智能的技術(shù)找到一個咖啡杯，結(jié)果非常亂，他們覺得整個廚房臺面上放的都是咖啡倍?？墒沁^去幾年技術(shù)已經(jīng)取得了巨大的發(fā)展，在這些年當(dāng)中，人工智能的發(fā)展曾經(jīng)一度比較低迷或者說比較慢，而在最近幾年當(dāng)中有一類新的人工智能技術(shù)出來了，我們把它稱為深度學(xué)習(xí)，也就是使計算機(jī)學(xué)習(xí)了更多人類的神經(jīng)系統(tǒng)，來更好地解決比如說圖形識別的問題。
我們有時候不是很清楚人腦究竟是如何工作的，而我們要真正把深度學(xué)習(xí)做好，就必須要了解人腦在做什么，人腦當(dāng)中發(fā)生了什么，這對我們來說是非常重要的。我們使用這些計算的結(jié)果，我們可以給他們提供很多的數(shù)據(jù)，比如咖啡倍圖像的數(shù)據(jù)，這樣我們可以獲得更好的計算機(jī)視覺。做更好的辨識，我們對于網(wǎng)絡(luò)神經(jīng)的研究，對于人工智能的研究進(jìn)行了好多年，所以有些人問我為什么在最近幾年，比如最近五年才獲得比較快速的發(fā)展，要回答這個問題我需要打一個比方。
比如如何構(gòu)建火箭，火箭的形狀包括兩件事情，一個是發(fā)動機(jī)，另外一個是燃料，這兩部分是非常重要的，必須把這兩方面做好，我們才能有機(jī)會把這個火箭發(fā)射到太空中去。如果你的發(fā)動機(jī)太小，燃料太大不行，發(fā)動機(jī)太大燃料不夠也不行。所以火箭發(fā)動機(jī)和火箭的比例非常好才能夠確保火箭準(zhǔn)確地發(fā)射到軌道當(dāng)中，這給我們深度學(xué)習(xí)也帶來了一些啟示。我們在深度學(xué)習(xí)的過程當(dāng)中就像發(fā)射火箭那樣研究巨大的神經(jīng)網(wǎng)絡(luò)在我們的社會當(dāng)中每天都發(fā)生著巨大的活動，而且人們的活動多數(shù)都是圍繞著他們的手機(jī)和電腦來開展的。我們?nèi)绾卫眠@種新的情況呢，或者新的環(huán)境更好地幫助我們了解巨大的神經(jīng)網(wǎng)絡(luò)呢？
我們的社會越來越多地進(jìn)行數(shù)據(jù)化或者數(shù)字化，我剛才已經(jīng)說了人們很多生活都是圍繞著手機(jī)和電腦來開展的。我想和大家分享一下我過去的一些經(jīng)驗，在IT世界發(fā)生什么，來構(gòu)造更好的IT行業(yè)的火箭發(fā)動機(jī)和燃料的比例配比。在很多年前，當(dāng)深度學(xué)習(xí)這個概念剛剛開始的時候，更多的是使用CPU技術(shù)，構(gòu)建小的神經(jīng)元網(wǎng)絡(luò)只有100萬或1000萬的連接。我所說的是計算機(jī)連接的數(shù)目，之后我們?nèi)〉昧艘恍┻M(jìn)展。其中在2008年發(fā)生改變的事情就是GPU技術(shù)的發(fā)展，我們看到它的連接數(shù)目也發(fā)生了巨大的增長，GPU是手機(jī)上、pad上的硬件來幫助你做計算，有些人意識到硬件對我們加速深度學(xué)習(xí)非常重要，發(fā)揮著非常重要的作用。我們借助GPU可以構(gòu)造越來越大的神經(jīng)元網(wǎng)絡(luò)。
在往后，我們看到了更多大規(guī)模的發(fā)展，像谷歌的深度學(xué)習(xí)項目，使我們更多地了解相關(guān)的知識，我們有了更多的云，更多的CPU來推動相關(guān)的發(fā)展?，F(xiàn)在我們看到的，我也認(rèn)為這是下一階段的趨勢，就是我們要從云技術(shù)，或者說僅僅利用純技術(shù)跳到HPC或者叫高性能的計算技術(shù)，超性能的計算技術(shù)。我不想講過多的細(xì)節(jié)，因為它會偏重于技術(shù)，讓我們更多地來看今天所關(guān)注的話題，HPC和云，這可能是兩個比較分離的社區(qū)，研究云和研究HPC的人也是兩類人。隨著云技術(shù)的發(fā)展，你可以同時使用上千臺計算機(jī)，不用擔(dān)心這么多計算機(jī)會發(fā)生崩潰，這種情況是不會發(fā)生的，現(xiàn)在已經(jīng)認(rèn)證了這點。而HPC技術(shù)比較小數(shù)目，但是更貴、更高性能的硬件，而我們也認(rèn)為這對于我們構(gòu)造更好比例的火箭引擎也是更佳的一個解決方案。
在中國，我們其實在一些領(lǐng)域是比較領(lǐng)先的，甚至領(lǐng)先于世界很多其他先進(jìn)國家。HPC到深度學(xué)習(xí)的跳越，而其他國家也確實進(jìn)行大量的投資，這也是需要我們注意的。使用這些火箭引擎，再做一個類比，我還想給大家舉一個這樣的例子，看我們究竟能做什么。比如說計算機(jī)系統(tǒng)對人臉的識別，這對我們來說也是比較重要的計算機(jī)應(yīng)用。比如針對安全的目的，還有保安的目的，這都是在未來會越來越多的應(yīng)用。大家對這張臉都很熟，美國著名的影星，通過人臉識別可以告訴我們是同一張臉，這當(dāng)然是最佳的結(jié)果，不同的組織使用不同的技術(shù)，他們得到的結(jié)果也是不一樣的，這是因為有時候這個軟件的計算也會發(fā)生不同。
我希望大家參考一下這個柱狀圖就可以了解相關(guān)的計算結(jié)果了，我們是這周才宣布我們能夠在這方面表現(xiàn)得比其他大多數(shù)公司都要好。謝謝大家鼓掌鼓勵！
和其他公司相比，比如說和谷歌、臉書相比，谷歌和臉書的火箭燃料比我們多，也就是他們的數(shù)據(jù)比我們多。但是我們在發(fā)動機(jī)上的投資比他們多，我們在發(fā)動機(jī)上的投資多給我們帶來巨大的好處。我們在發(fā)動機(jī)和燃料的比例方面要做得好才能確保這是一個好的火箭，我們正是在發(fā)動機(jī)方面進(jìn)行大量的投資。所以我們才在人臉識別領(lǐng)域和其他領(lǐng)域比其他國際上領(lǐng)先的大公司要做得好。我們在人臉識別只有0.3幾的錯誤率，大家可以看到我們的比例多么高，我給大家演示一下我們所發(fā)生的錯誤。
看一下這張臉，你覺得哪兩張臉是動一個人的臉，還是都不同的？比如說在左邊的女人的臉，和其他哪張臉是相同的，大家能告訴我嗎？我們所犯的9個錯誤，其實就是發(fā)生在這里面，這些都是一個人，大家根本想象不到，他們都是一個人，發(fā)生錯誤可能是數(shù)據(jù)的關(guān)系，不是我們自身的關(guān)系。而下面是不同的人，大家能看出來了。
我剛才提到了識別，像咖啡杯，還有人臉的東西，除了這些電腦能夠做的事情，還有很多，它能夠理解圖片還有很多，如果我們能夠在這方面做得很好的話，這張圖片能夠告訴我們很多東西。比如我們看左邊，如果要求你寫字幕的話會怎么寫呢？你可能會寫有一輛黃色的車在路上開著。如果要為右邊的圖片寫字幕的話會怎么寫呢？你可能會寫起居室充滿了下午的陽光。這個還不夠充滿激情，我們還可以通過深度學(xué)習(xí)讓你了解更多的信息來寫一篇更有吸引力的字幕。
一個計算機(jī)能不能了解你我了解的圖片信息呢，或者能不能像人腦一樣工作了解我們想了解的信息呢?？赡芙Y(jié)果是非常讓大家吃驚的?，F(xiàn)在我在圖片上顯示的字幕 并不是人寫的，而是機(jī)器寫的，這就是我們百度可以提供的技術(shù)，也是我們起步的技術(shù)。而其他公司甚至還沒有搞清相關(guān)的概念，他們有一個籠統(tǒng)的想法要提高電腦 圖像的識別，在過去幾年，具體來說大概三年的時間內(nèi)，計算機(jī)圖像的技術(shù)發(fā)展非常迅速，現(xiàn)在計算機(jī)在圖像識別上，比更多年以前要做得好得多?，F(xiàn)在很多計算機(jī) 公司甚至比很多人腦眼睛一眼看上去了解的信息還多。我們有一些想法、有一些產(chǎn)品，也有一些技術(shù)，我想說的是這些技術(shù)給我們開啟了無限的可能，可以使我們來 了解一下哪些產(chǎn)品領(lǐng)域是大有可為的。我們可以在圖上了解一些相關(guān)的領(lǐng)域，比如百度還有其他的搜索引擎正在做的事情。我不知道一個非常清晰的路線圖是怎樣 的，或者哪個領(lǐng)域會發(fā)展得更加迅速。
比如百度在衣服的搜索方面做很多東西。還比如對老年人的照顧方面，我們也做了一些探索，因為中國現(xiàn)在面臨人口老齡化的問題。還有在可穿戴設(shè)備方面也有一些新的舉措。我們希望在這些新領(lǐng)域的探索開啟更多的機(jī)會，使我們可以創(chuàng)造更大的產(chǎn)業(yè)。
來看一下計算機(jī)的發(fā)展，我想跟大家分享一下第二個領(lǐng)域語音識別方面我們做的東西。在移動互聯(lián)網(wǎng)方面，大家對互聯(lián)網(wǎng)的使用，對手機(jī)的使用越來越多的結(jié)合起 來。我們過去是用鍵盤，包括手機(jī)鍵盤來敲字，這是比較浪費時間的，大家現(xiàn)在用話音來進(jìn)行溝通，所以語音識別是一個非常重要的發(fā)展方向。大家可以試一下百度 上面有相關(guān)的應(yīng)用，現(xiàn)在已經(jīng)做得比較好了。而大家現(xiàn)在普遍反應(yīng)在手機(jī)上進(jìn)行語音通信的時候，如果手機(jī)離得比較遠(yuǎn)的話效果不是很好，要比較近的時候語音識別 才做得比較好。我們在相關(guān)的IT技術(shù)方面也做一些探索，從傳統(tǒng)領(lǐng)域來看，這是語音識別所做的事情，基本上所有做語音識別的公司都是使用非常復(fù)雜的管道。我 們來改善它的話音系統(tǒng)，突出聲音特征，有一些不同的模塊，不的的模塊組合起來識別這個人到底講了什么。
我們百度做的是什么事情呢？我 們 把所有這些東西都替代掉，用先進(jìn)的人工智能技術(shù)替代掉，用先進(jìn)的深度學(xué)習(xí)技術(shù)來替代掉，這就是我們百度的深度語音，我們的火箭發(fā)動機(jī)。大家看到這個話音識 別的結(jié)果如下，很多公司用的是依靠大量的數(shù)據(jù)，而百度忘掉那些數(shù)據(jù)吧，我們將用1萬的數(shù)據(jù)集進(jìn)行人工智能處理，這就是我們的火箭燃料，我們形成了一些研究 的結(jié)果。大家可以看到，基本上結(jié)果是不可想象的。
人們之前從來不會想到能利用這么多的數(shù)據(jù)，我們使用神經(jīng)元系統(tǒng)以及數(shù)據(jù)燃料，我們發(fā) 布 了這樣一個結(jié)果，我們可以極大地提高語音識別的準(zhǔn)確性。根據(jù)我們的計算結(jié)果，我們的調(diào)查結(jié)果，我們現(xiàn)在正處于這樣一個環(huán)境，如果你對著手機(jī)說話提出你的要 求，我們的接口是做得越來越好了。我們可以很好地處理背景噪音，使手機(jī)更好地識別你自己講出的話。我非常興奮，我們能夠在這方面做得越來越精確，做得越來 越好。在百度，我們已經(jīng)看到了使用話音識別的用戶越來越多了。因此在這個領(lǐng)域，我們還有很多要提高的。很多人是低估了95%的準(zhǔn)確率和99%的語音識別準(zhǔn) 確率的差別。如果我們能夠做到95%的話，也就是今天的狀況，你說話要非常清楚，要離話筒非常近，必須這樣才能識別出來。如果我們將來能做到99%的準(zhǔn)確 率的話，這和95%簡直是天壤之別，這會徹底改變我們的玩法。如果我們能真正做到99%，我們甚至可以把所有手機(jī)的接口做重新的設(shè)計和修改，使我們自己更 加習(xí)慣于語音通話指令的發(fā)送方式，這可以推動這個領(lǐng)域的革新。你手里的東西將不是傳統(tǒng)上的手機(jī)了。
在手機(jī)之外，我覺得我們的話音識別 還 會推動物聯(lián)網(wǎng)的革命，從汽車界面到家用設(shè)備到可穿戴設(shè)備將會發(fā)生很多的改變。我在家里有5個遙控可以控制的東西，我想再過幾年再回過頭來看，我們會覺得這 5個遙控太少了，比如你只是遙控電視，只是遙控空調(diào)，簡直不夠了，看來都是小兒科的東西。在幾年的時間內(nèi)，或者在未來幾年，我們將能夠和電視通話，和更多 的家電通話，這將是未來面臨的發(fā)展，我們將有很多的路由器內(nèi)置到這些機(jī)器當(dāng)中。
這是對語音識別的介紹，下面再看一下最后一個部分，也就是行為這塊。
我們看到很多技術(shù)公司現(xiàn)在都能夠獲取到一些大數(shù)據(jù)來了解人們在互聯(lián)網(wǎng)的環(huán)境當(dāng)中究竟是什么樣的行為，這是技術(shù)的發(fā)展。我們可以從這些數(shù)據(jù)當(dāng)中挖掘更多的 價值。正如很多人都知道的，我們百度的廣告也是在人工智能方面下了很大的工夫，我們有很多數(shù)據(jù)搜集過來是關(guān)于人的行為的，而這些深度學(xué)習(xí)可以使我們了解人 們的行為是什么樣的，他們傾向于做什么事情，他們喜歡做什么事情。因為我們的數(shù)據(jù)中心還有很多數(shù)據(jù)搜集起來，使我們了解不僅僅是人的行為，還有機(jī)器人行 為。今天的深度學(xué)習(xí)確實是一個非常強(qiáng)大的工具，使我們可以了解機(jī)器在做什么，來更好地管理數(shù)據(jù)中心。比如我們可以使用這方面我們了解的信息來更好地使機(jī)器 運作。我們也可以更好地了解計算機(jī)是如何工作的，我們還可以使用深度學(xué)習(xí)來提高計算機(jī)的安全性。
這是我們百度正在做的事情，我們覺得 很 多行為數(shù)據(jù)給我們帶來的機(jī)會，包括人的行為，包括機(jī)器的行為，可能比我們今天所了解到的要廣得多。美國、中國和歐洲現(xiàn)在都越來越多使用深度學(xué)習(xí)來了解人的 行為，了解機(jī)器的行為。在IT世界當(dāng)中以及IT世界之外挖掘更多的機(jī)會，這也推動了我們未來的成功。我非常興奮地了解到深度學(xué)習(xí)在上述三個領(lǐng)域都給我們帶 來了巨大的改變或者將會帶來巨大的改變，我剛才用了火箭的引擎和燃料來做類比，使大家更生動地了解我們所面臨的改變。
最后我跟大家分 享 一個框架，人工智能能給我們帶來什么，人工智能的循環(huán)發(fā)展是非常迅速的，在15年前，我們有這張圖，我們有這個想法，這就是AI人工智能的良性循環(huán)。那時 候我們?nèi)绻軌驑?gòu)造優(yōu)秀的產(chǎn)品可以吸引更多的用戶，有了更多的用戶就可以獲得更加大量的數(shù)據(jù)。現(xiàn)在這個良性循環(huán)確實已經(jīng)就位了，現(xiàn)實就是這樣。而還沒有發(fā) 生的事情，我們以前想過但還沒有發(fā)生的事情，更多的數(shù)據(jù)通過人工智能被你更好地利用，來推動更多的優(yōu)秀產(chǎn)品被生產(chǎn)出來，而這個只是在最近幾年我們才做的事 情。而我們的火箭引擎現(xiàn)在不夠大了，而我們的燃料變得越來越大了，現(xiàn)實世界是這種情況。大家搜集到的數(shù)據(jù)越來越多了，可是引擎不夠大，所以不能深度地利用 這些數(shù)據(jù)。在我們搜集更多數(shù)據(jù)的過程中，推動更多應(yīng)用發(fā)生的過程中，這是我們之前那些老的算法是連想都不會想的。而深度學(xué)習(xí)之所以能給我們帶來更多的價值 就是因為我們現(xiàn)在可以從越來越多的數(shù)據(jù)當(dāng)中受益，獲得越來越好的結(jié)果，開發(fā)越來越多的潛能。所以我說深度學(xué)習(xí)確實改變著我們的生活，改變著傳統(tǒng)的人工智 能，使我們最終可以把鏈接做得特別好，把發(fā)動機(jī)和燃料的鏈接做得特別好，把產(chǎn)品、大量用戶和海量數(shù)據(jù)之間的連接做得更加通暢。
最后我 想 說的是，在這個介紹當(dāng)中，我主要是關(guān)注了圖像、語音和行為。但是對于人工智能的機(jī)會來說遠(yuǎn)不止這三個方面，我們看到在自然語言的處理方面有很多的事情可以 做，在生物技術(shù)方面人工智能也有很多東西可以做，這些創(chuàng)新都在發(fā)生的過程當(dāng)中，人工智能也可以更多地被應(yīng)用到機(jī)器人的開發(fā)。百度大腦大家都聽過吧，還有這 也是最近大家比較熟的中國大腦緊密聯(lián)系起來的概念。在很多年前，百度可以從應(yīng)用當(dāng)中吸取更多的價值，在百度專門有一個團(tuán)隊，他是余凱和王晶領(lǐng)導(dǎo)的，這個團(tuán) 隊主要是構(gòu)建深度學(xué)習(xí)的內(nèi)部平臺，這個平臺可以做的事情是什么呢？可以支持百度的工程師獲取CPU、GPU和深度學(xué)習(xí)的平臺資源，他們可以使用這些技術(shù)來 推動他喜歡的應(yīng)用。而這些在公司當(dāng)中就推動了深度學(xué)習(xí)的繁榮發(fā)展。
因為我們創(chuàng)造的東西那么多，我們?nèi)斯ぶ悄芎芏鄳?yīng)用的領(lǐng)域，我們甚至還想象不到，還不知 道。我想面對未來，可能機(jī)會會更大，能想象到的和不能想象到的機(jī)會會更多。我們可以抓住的方面也很多，可以真正幫助我們重塑經(jīng)濟(jì)結(jié)構(gòu)。面向未來，如果想看 一下人工智能給我們帶來的潛在影響的話，我不得不想到第一次工業(yè)革命，第一次工業(yè)革命是在英國，最后蔓延到整個歐洲的。我想這次工業(yè)革命在當(dāng)時也是推動了 一些新技術(shù)的發(fā)展，最初在英國，最后整個歐洲都采用了這些技術(shù)，這是一百多年前，快兩百年的事情了。我也希望大家能把眼光放在未來的工業(yè)革命上面，它給我 們帶來的影響是非常深遠(yuǎn)的。這些工業(yè)革命也可以把人們從日常重復(fù)繁重的工作當(dāng)中解放出來，把人性解放出來，把人的思想解放出來，使人們不再成為思想的奴 隸。這些變革，這些工業(yè)革命將會使我們的生產(chǎn)力獲得極大的提升。
剛才我和大家分享了很多機(jī)會，我真的是很期待未來的發(fā)展，當(dāng)那么多的人力，人的思想和大腦被解放出來之后，我們能做的事情很多。我非常興奮能在百度繼續(xù)進(jìn)行大量的投資，投到人工智能方面，也希望我們做的東西能給大家有所幫助，能對社會有所幫助，謝謝！
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。