0
| 本文作者： 老王 | 2017-01-06 22:25 |
雷鋒網(wǎng)按：今日在騰訊研究院年會中，騰訊副總裁姚星發(fā)表演講《AI 真實(shí)的希望和隱憂》，他在大會中介紹了“低調(diào)”的騰訊 AI 部門所做的事，并深入講解該如何提升機(jī)器學(xué)習(xí)的能力以及對 AI 的看法。文章由雷鋒網(wǎng)進(jìn)行編輯。雷鋒網(wǎng)
騰訊在 AI 方面確實(shí)很低調(diào)，很多人問我騰訊有沒有做 AI？怎么從來沒有向外宣傳呢？
實(shí)際上從 2016 年 4 月份開始，騰訊成立了自己的 AI 部門。目前這個部門擁有 30 多個科學(xué)家，90% 以上的人都是博士學(xué)歷，絕大多數(shù)人都是海外名校歸來，包括哈佛、康奈爾、麻省理工、哥倫比亞大學(xué)等高校。
騰訊的 AI 可能并不像其他巨頭那樣出名，比如說擁有 AlphaGo 的谷歌；擁有無人車和度秘的百度；以及擁有一些優(yōu)秀圖像識別項(xiàng)目的 Facebook 等等。
騰訊 AI 主要是集中在四個垂直領(lǐng)域：計(jì)算機(jī)視覺、OCR、語音識別、NLP。每一個領(lǐng)域里都會拓展到更多深層次的研究。在計(jì)算機(jī)視覺領(lǐng)域，除了傳統(tǒng)的圖像處理，還會涉及到 AR 以及空間定位技術(shù)等。
語音識別方向，除了傳統(tǒng)的語音識別、語音合成，還會將相關(guān)技術(shù)置入在自動翻譯當(dāng)中。另外，除了傳統(tǒng)的自然語言處理這種認(rèn)知行為的研究，騰訊還這些技術(shù)進(jìn)行落地研發(fā)聊天機(jī)器人等。
騰訊這四個 AI 研究方向，與騰訊現(xiàn)有的業(yè)務(wù)緊密結(jié)合。
騰訊作為一家社交為長的公司，會根據(jù)社交業(yè)務(wù)創(chuàng)造 AI 能力和產(chǎn)品，包括聊天機(jī)器人、智能助手，都會在社交的基礎(chǔ)上進(jìn)行研究。
與此同時，游戲是騰訊非常重要的一項(xiàng)業(yè)務(wù)。未來騰訊會在游戲里面引入更多 AI 能力，設(shè)想這樣一個場景，未來 LOL 是不是可以有 AI 參加這種世界競賽，跟人對打。騰訊也有一款很受歡迎的手游叫做王者榮耀，如果利用 AI 把這里面的能力提升，就會提高可玩性和樂趣性。
除此之外，騰訊還會提供我們很多工具類 AI，包括人臉識別、語音識別、自然語言處理，以及學(xué)習(xí)平臺等。
AI 在這 60 年來一直都是起起落落，然后在去年突然大爆發(fā)，一直延續(xù)到現(xiàn)在。
從九十年代深藍(lán)打敗了卡斯帕羅夫，到沃森在《危險邊緣》挑戰(zhàn)賽里面取得了冠軍，再到去年 AlphaGo 擊敗李世石。AI 的整個發(fā)展史里有很多技術(shù)方面的巨大演進(jìn)，第一個就是 2006 年在深度學(xué)習(xí)上的突破。早期人類想學(xué)飛翔，最初的方法是粘上羽毛，像鳥一樣。但最終真正的飛翔原理是要通過空氣動力學(xué)去解決飛鳥的原理，這就是深度學(xué)習(xí)的一個思想。之所以現(xiàn)在能在很多的這種工業(yè)上面，在很多應(yīng)用上面進(jìn)行突破才能完成，本質(zhì)上是掌握了它內(nèi)在的方法，而不是表面的方法。人工智能也如此，學(xué)習(xí)算法方式的研究是非常重要的。
第二個是模型上的提升。機(jī)器學(xué)習(xí)在八九十年代也非常火，當(dāng)時有一個叫 SVM，它已經(jīng)是一種非常厲害的機(jī)器學(xué)習(xí)算法。當(dāng)它達(dá)到幾億、幾十億規(guī)模的時候，實(shí)際上它的計(jì)算能力就會急劇下降，做一個非常復(fù)雜的復(fù)合函數(shù)去描述這種方式，它通過 BP 多層連接，達(dá)到一個指數(shù)層倍的關(guān)系，描述十億可能只需要三層一千個節(jié)點(diǎn)的連接，就能構(gòu)建十億個特征出來。所以從本身來講，模型上的提升這也是深度學(xué)習(xí)的突破。
第三是在數(shù)學(xué)層面，即 BP上面問題的解決，反向傳播的問題。首先在數(shù)學(xué)理論上進(jìn)行，反向傳播是一個非常復(fù)雜的問題，在神經(jīng)網(wǎng)絡(luò)里面當(dāng)一個東西在傳遞很多層網(wǎng)絡(luò)中時，當(dāng)它往回我們要反向收斂的時候，均要去逼近最優(yōu)質(zhì)。但是當(dāng)層數(shù)往往過多的時候，會發(fā)生一個梯度消失或者梯度膨脹的問題。通過一些方法的解決，數(shù)學(xué)理論上的解決，很好解決了這種問題，所以在數(shù)學(xué)理論上面，建立了一個比較好的基礎(chǔ)。
正因?yàn)檫@三方面的優(yōu)勢，所以才使得機(jī)器學(xué)習(xí)如此火。而且這次浪潮會持續(xù)很遠(yuǎn)，在 1933 年到 2000 年左右，整個傳統(tǒng)的淺層機(jī)器學(xué)習(xí)的學(xué)習(xí)方法，它有一個比較好的下降過程，但是 2000-2010 年這十年，它進(jìn)展非?？?。
在方法和模型上面可能都沒有進(jìn)行，突然在 2012 年左右，微軟研究院他們最開始在工業(yè)界把機(jī)器學(xué)習(xí)用到語音識別里面去，取得了極大性的突破。整個過程機(jī)器學(xué)習(xí)的能力的確是在過往的五年當(dāng)中，發(fā)展非常非常快的。講了很多機(jī)器學(xué)習(xí)的這種，剛剛說的發(fā)展，快速的發(fā)展，它的方法也很好，模型也很好，數(shù)學(xué)算法也在突破，但是現(xiàn)狀是什么呢？
我雖然對 AI 的抱有很大期待很，同時認(rèn)為 AI 還存在很多的局限性。
第一個就是本身深入學(xué)習(xí)的能力。AI 跟人去相比，它有較大的差距。實(shí)際上現(xiàn)在所有的機(jī)器學(xué)習(xí)方法，我們都發(fā)現(xiàn)不管這個方法有多么的新提出來，它的學(xué)習(xí)過程都是要從頭開始學(xué)，都要把數(shù)據(jù)重新進(jìn)行一次訓(xùn)練的過程。
但這跟人的學(xué)習(xí)能力相比確實(shí)有很大的差距，人有很多的智能是與生俱來的，就像小孩剛出生，不需要多長時間就知道這個世界是三維的，當(dāng)你把一個東西放在一個，把一個瓶子放在電視機(jī)的后面，他是知道的，在電視機(jī)后面有一個東西的，這是一些特征是與生俱來的，這個是跟生物的進(jìn)化是相關(guān)的。
所以人的這種，靈長類的動物跟單細(xì)胞動物相比，肯定是有與生俱來的能力。但是目前深度學(xué)習(xí)方法很遺憾，科學(xué)家們不管提出了多么優(yōu)秀的模型，都要重新開始學(xué)，這是第一個跟人的學(xué)習(xí)能力相比，機(jī)器非常大的缺陷。
第二是不管有多么好的學(xué)習(xí)模型，它本質(zhì)上還是通過算力，利用計(jì)算能力去解決大數(shù)據(jù)，用更大的計(jì)算能力去做更好的融合。過往是整個硬件發(fā)展，是順從了摩爾定律發(fā)展，發(fā)展非常之快，但是在未來的更多的參數(shù)下面，人們還有沒有這種能力，達(dá)到計(jì)算的效果，這要打上很大的問號。
再比如說 2006 年提出來的網(wǎng)絡(luò)模型，到后面劍橋大學(xué)提出的模型，再到谷歌，再到 2015 年神經(jīng)網(wǎng)絡(luò)。每一次新的模型提出都是把模型的層數(shù)加入更多，神經(jīng)單元更復(fù)雜，訓(xùn)練結(jié)果更長，得出來的結(jié)果也最優(yōu)。但是本身這種方法是不是還能像原來的方法一樣可持續(xù)，這要打一個很大的問號。另外一個剛才解決的是圖像方面的問題，下面解決感知的問題，如果要解決認(rèn)知的問題，那差距就更大了。
人的語言是一個序列問題，這個語言序列問題如果要計(jì)算的話，這個算力無論如何都解決不了。人可以很容易在對話當(dāng)中，回溯到一個很長時間語句的某個片段的關(guān)鍵詞里面，但是在機(jī)器里面它卻不一定做到。雖然在最早的模型形成到現(xiàn)在長短記憶單元的模型，到現(xiàn)在騰訊的，帶有注意力的模型，但是總之來講，這種模型的演進(jìn)都還跟人相比是非常復(fù)雜的，是遠(yuǎn)不如人的。
比如說那天我看到一個對話，是三個人在對話，兩個人在聊，中間有大段聊去哪兒吃飯，突然有人問太陽呢？人知道這是描述太陽隊(duì)的，因?yàn)榍懊婧茉缰坝腥嗽诹模烁齑脑掝}，突然來個太陽大家就知道，但是機(jī)器基本上是沒辦法識別的。夏天能穿多少穿多少，冬天能穿多少穿多少，兩句基本上一樣，但是前面去描述，把少給突出來了，后面把冬天多顯出來。
第二個例子我講的是語音識別，我看了一個笑話，語音識別很難搞，您好，方便面試嗎？我在重復(fù)這句話的時候，我都不知道自己在講方便面試嗎，還是方便面是嗎，的確這是一個非常難的問題，但是人的意識里有很多東西，是由于進(jìn)行反問的時候，再慢慢把這個東西帶出來。所以說目前的 AI 情況，在圖像里面，包括人臉做的多么多么厲害，實(shí)際上它在很多的約束條件下，它可能不能通過側(cè)臉去識別人臉，戴帽子的時候也比較難。所以它是在很多約束條件下面，人臉識別率可能只達(dá)到了 9%。這些問題也體現(xiàn)在語音識別上，語音識別也是在噪音比較小、沒有風(fēng)噪、車噪的環(huán)境下，機(jī)器識別率會有一個比較好的效果。但機(jī)器與人的基本能力相比還差距很大，更別說它在認(rèn)知方面，在 NLP 方面。
AI 與人，包括機(jī)器學(xué)習(xí)與人能力上的有些差距，怎么去補(bǔ)齊差距呢？
第一個我覺得跟人相比要創(chuàng)造，我們現(xiàn)在所有都是基于大數(shù)據(jù)，這些數(shù)據(jù)從何而來，這是非常重要的。這個數(shù)據(jù)現(xiàn)在是傳統(tǒng)的獲得而來，但更多的數(shù)據(jù)是本身能創(chuàng)造出來，當(dāng)然這條方法通過剛剛主持人介紹的，包括 AlphaGo 已經(jīng)在驗(yàn)證這樣的問題，通過增強(qiáng)學(xué)習(xí)去產(chǎn)生人類從未下過的棋，這是一種創(chuàng)造數(shù)據(jù)的能力，通過創(chuàng)造數(shù)據(jù)的能力產(chǎn)生更多的數(shù)據(jù)，不一定是人創(chuàng)造了這些，去把這些東西更多的窮盡出來。在未來，如果在這方面發(fā)展的話，可能在增強(qiáng)學(xué)習(xí)方面，要進(jìn)行更多的發(fā)展和突破。
第二個就是舉一反三，什么叫舉一反三，AlphaGo 下圍棋能下倒世界冠軍，但是他的下棋方法到現(xiàn)在已經(jīng)不行了。因?yàn)樗姆椒ú⒉皇菫橄缕宥鴦?chuàng)造的，他不會進(jìn)行推導(dǎo)。當(dāng)我們驗(yàn)證大數(shù)據(jù)和一個非常好的效果的時候，我們數(shù)據(jù)量很小的時候，怎么把原來的模型遷移過來，這是非常重要的研究方向。
第三個方向和人相比就是歸納總結(jié)。人是非常能進(jìn)行一些總結(jié)的，包括像牛頓的第一定律，包括牛頓的萬有引力，都是人總結(jié)出來的，包括我們很多公理，但是目前機(jī)器學(xué)習(xí)是沒辦法進(jìn)行歸納總結(jié)的，我們之所以結(jié)果好，它并沒有提煉出公理和定律的關(guān)系。所以這方面未來我們要在歸納總結(jié)，特別是無監(jiān)督學(xué)習(xí)上面，分類問題是有目標(biāo)去學(xué)習(xí)的，但聚類問題沒有目標(biāo)的時候，我們怎么把它聚好。
所以在這三個能力上面，我相信這是我們未來在 AI 上面要進(jìn)行提升的。第二個就是在整個的發(fā)展方向上面，剛剛講了很多說機(jī)器學(xué)習(xí)通過數(shù)據(jù)方法，它從傳統(tǒng)的淺層學(xué)習(xí)里面，我們所有通過統(tǒng)計(jì)學(xué)的概率論，完備的統(tǒng)計(jì)學(xué)概率論理論來支撐它，我們說到求這種函數(shù)極限的問題，已有很多完備的數(shù)學(xué)公式去證明，一定能解決它的問題，但是恰恰在我們機(jī)器學(xué)習(xí)上面，雖然前面我們用了隨機(jī)去找局部最優(yōu)，但是它本身數(shù)學(xué)領(lǐng)域，它只是一個框架，我們在很多上面還是一個啟發(fā)式的約束，包括我們的初始化參數(shù)多少，包括我們學(xué)習(xí)率是多少，這都是有啟發(fā)性的。
在未來如果機(jī)器學(xué)習(xí)要繼續(xù)往下走的話，我們在數(shù)學(xué)理論上面一定要有強(qiáng)大的支撐，特別傳統(tǒng)的機(jī)器學(xué)習(xí)，數(shù)學(xué)完備型，要遷移到我們機(jī)器學(xué)習(xí)上來。
大家知道神經(jīng)網(wǎng)絡(luò)的提出，很多來自于原來的腦神經(jīng)學(xué)科和生物系統(tǒng)，在本身這個上面，我相信未來 AI 的發(fā)展要引入更多，不光是我們數(shù)學(xué)學(xué)科、計(jì)算機(jī)學(xué)科，還要引入腦學(xué)科神經(jīng)去引，因?yàn)槟X的神經(jīng)結(jié)構(gòu)就是，剛剛我提到了蟬紗神經(jīng)網(wǎng)，已經(jīng)連接腦神經(jīng)的概念了，進(jìn)行跨層連接，達(dá)到一個非常好的效果。
當(dāng)然更多的東西我希望在未來，在交叉學(xué)科上面，包括融合生物、腦神經(jīng)甚至包括哲學(xué)，這樣的話整個 AI 可能才有更多完備型的發(fā)展。另外一個地方就是，在當(dāng)今世界里面，AI 對所有公司來講，對所有人來講都應(yīng)該是平等的，所以我們一定要開放。比較好的是當(dāng)今世界所有的，在 AI 領(lǐng)域里面的大公司都在做，包括騰訊也會，我們看到很多包括谷歌、FaceBook 它也開放了非常多的網(wǎng)絡(luò)模型，包括我們了解現(xiàn)在很火的 Open AI 等等這些大的這種機(jī)器學(xué)習(xí)平臺先行者。騰訊在未來也會去進(jìn)行很多開放，讓更多的人來參與，進(jìn)行測試。所以整個過程就在未來 AI 的發(fā)展，我相信第一方面就是在能力上面，要跟人去匹敵的話，要進(jìn)行提升。第二個在整個學(xué)習(xí)的完備型，數(shù)學(xué)完備，學(xué)科完備上要進(jìn)行豐富。第三個就是所有大公司，應(yīng)以更加開放的心態(tài)去面對 AI，這才是未來 AI，AI 的未來。
說到這里我又要再次強(qiáng)調(diào)一下，AI 對騰訊來講非常重要，對中國整個互聯(lián)網(wǎng)都很重要。
在互聯(lián)網(wǎng)時代，我們跟美國最強(qiáng)的公司去比，還會有一些差距。但在 AI 時代，包括騰訊在內(nèi)的各大中國公司，是完全跟世界一流的公司是有匹敵之處的。為什么？
第一我們用戶量大、數(shù)據(jù)足夠多。
第二是應(yīng)用場景，作為騰訊來講，我們有很多把 AI 這種遙不可及的技術(shù)跟落地的機(jī)會，我們可以在微信、游戲、新聞、QQ 里面去落地 AI 場景。哪怕小到一點(diǎn)語音識別、圖像、聊天機(jī)器人等等，這都是我們可以去落地的地方。
第三個地方就是人才。目前機(jī)器學(xué)習(xí)領(lǐng)域的華人是非常多的，我參加過 2016 年的 ICML，有三千人，我敢說大概 30-40% 的人都是華人。其中 40% 的文章都是華人寫出來的。人才結(jié)構(gòu)上中國是有非常好的這種人才的基礎(chǔ)，說正是基于我們數(shù)據(jù)的優(yōu)勢，我們場景落地的優(yōu)勢，我們?nèi)瞬沤Y(jié)構(gòu)的優(yōu)勢，我覺得在騰訊也好，中國其它互聯(lián)網(wǎng)對AI的未來大有可為。最后講一下騰訊的AI使命。我們的AI使命，讓 AI 無所不在。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
