1
編者按：李飛飛來到北京，與中國的AI界有志之士分享她對人工智能發(fā)展的看法，她認為AI的下一步是“認知”；谷歌大牛Jeff Dean撰文回顧了谷歌大腦閃亮的2016成績單；加入Face++的孫劍博士，親自撰寫長文回顧了在新公司工作的近況；李開復博士奉上了“AI 創(chuàng)業(yè)的十個真相”；而繼圍棋之后，AI又要進攻德州撲克領域了。這里是過去一周，AI圈的大事件。
近日，四位人工智能界的泰斗大牛齊聚未來論壇2017年會，并圍繞人工智能已有的突破和未來發(fā)展方向發(fā)表了自己的看法，他們分別是
李飛飛 美國斯坦福大學計算機科學系終身教授、人工智能實驗室主任
李凱 普林斯頓大學 Paul & Marcia Wythes 講席教授，美國工程院院士，未來論壇科學委員會委員
沈向洋 微軟全球執(zhí)行副總裁，微軟人工智能及微軟研究事業(yè)部負責人，未來論壇理事
張鈸 清華大學計算機系教授、中國科學院院士、清華大學智能技術與系統(tǒng)國家重點實驗室學術委員會名譽主任
【畫面從左至右分別為：主持人洪小文、李飛飛、李凱、沈向洋、張鈸】
雷鋒網(wǎng)在第一時間記錄整理了四位大牛的精彩發(fā)言。他們似如山巔上的先知，通過他們的預言，似乎可以窺見人工智能的下一個春天。
其中，李飛飛認為人工智能的下一步是認知。認知包括很多我們還不太清楚怎么用數(shù)學和人工智能表達的。比如：知識系統(tǒng)的建立、情感的產(chǎn)生和交流、好奇心和創(chuàng)造力驅(qū)動的學習，還有 learning to learn。這些都是認知的范疇。
她認為下一步人工智能的發(fā)展，需要加強對情感，情緒的了解，要走進認知學，心理學。我說的不僅是腦科學，而是認知學。因為我們目前對人的情感理解非常少，而這對于人工智能來說是很重要的。
作為人工智能學者，能夠得到這么多關注，除了很高興以外，李飛飛也擔心這樣的“泡沫”會帶來什么。如果是更多的機會和研發(fā)投入，當然是好事；如果是過度承諾或者不切實際的產(chǎn)品研究工作，可能會對這個領域有些不好的影響。
Jeff Dean 代表整個團隊撰文回顧了谷歌大腦2016 年閃亮的成績單，并發(fā)表于 Google Research Blog 上。谷歌大腦團隊的宏愿一如既往：團隊致力于通過多領域的純研究及應用性研究，創(chuàng)造更多的智能軟件及智能系統(tǒng)，以此提升人們的生活水平。
“雖然這一藍圖是我們仰望星空的長期愿景，但我們也需要腳踏實地，回顧一下我們過去一年完成的小目標，并與你們一同分享那些會為 2017 年新成就奠基的點點滴滴?！?/p>
過去的一年，谷歌大腦科研碩果累累。團隊共有 27 篇論文，領域涉獵廣泛，并已經(jīng)向機器學習研究的頂尖學術會議 ICLR 2017 提交了 34 篇論文。
Jeff Dean 也回顧了谷歌大腦在機器人領域取得的成果，他表示，傳統(tǒng)機器人的控制算法是通過精心設計并進行人工編程而實現(xiàn)的，因此，如何將新的能力「傳授」給原有的機器人也成為一個挑戰(zhàn)。谷歌大腦團隊相信，機器人如果能掌握機器學習能力，那么讓它自動掌握這些新的技能也絕非難事。
一年來，TensorFlow 已經(jīng)成為了 GitHub 上最受歡迎的機器學習項目，擁有超過 570 貢獻者的上萬次提交。而得益于社區(qū)的貢獻，TensorFlow 目前僅在 GitHub 上就有多于 5000 個與 TensorFlow 相關的項目了。
谷歌大腦團隊表示，TensorFlow 目前已經(jīng)得到了許多研究團隊與大型企業(yè)的認可（如 DeepMind），此外在尋找海?；驇椭毡巨r(nóng)夫選黃瓜等特別的小項目中也取得了喜人的進展。除此之外，谷歌大腦還完成了哪些小目標，詳情可見猛戳：《谷歌大腦的2016實現(xiàn)了哪八個小目標？》
2016年 7 月份，孫劍正式宣布加入曠視科技（Face++），擔任首席科學家。
孫劍原是微軟亞洲研究院首席研究員，其主要研究方向是計算攝影學, 人臉識別和基于深度學習的圖像理解。自2002年以來他在CVPR, ICCV, SIGGRAPH, PAMI等頂級學術會議和期刊上發(fā)表學術論文90余篇，兩次獲得CVPR最佳論文獎(2009, 2016)。
近日孫劍博士親自撰文，講述他加入曠視科技這半年的心路歷程和基本工作狀況。他提到，目前自己帶領的團隊主要集中研究四個視覺理解核心問題：圖像分類、物體檢測、語義分割、和序列學習。研究的技術路線是徹徹底底的深度學習：1）使用深度神經(jīng)網(wǎng)絡；2）盡最大可能使用端到端（end-to-end）學習。Face++應該說是這波兒人工智能創(chuàng)業(yè)公司當中最早研究并應用深度學習的。
提到人才培養(yǎng)，孫劍博士表示推進研究部門的工作，核心是培養(yǎng)人做事的能力，并給予最好的研發(fā)環(huán)境。
最后他分享了關于Face++的幾個數(shù)字：人工智能云開放平臺的API已經(jīng)服務了近7萬開發(fā)者，已被調(diào)用 62 億次；身份認證平臺目前已為1.2億人（注意不是1.2億次）提供了刷臉服務，覆蓋了85%的金融市場智能化應用；智慧安防和智能商業(yè)產(chǎn)品也覆蓋到25個省。
“重倉”人工智能，是李開復和創(chuàng)新工場未來幾年的方向。但是，他面臨一個很重要的問題：現(xiàn)在的 AI 創(chuàng)業(yè)，核心是 AI 科學家，而“文能起筆安天下，武能上馬定乾坤”的 AI 科學家鳳毛麟角，用他的話說“該創(chuàng)業(yè)的都創(chuàng)業(yè)了”。
這時，產(chǎn)業(yè)在面臨一步棋。那就是：如何把一個普通的 AI 科學家變成“創(chuàng)業(yè)英雄”。
作為三十年前就開始研究人工智能的李開復，覺得自己“技術范兒”的創(chuàng)新工場有能力推動這步棋，并且在這一步棋中獲得穩(wěn)固的戰(zhàn)略優(yōu)勢。
李開復告訴雷鋒網(wǎng)，
AI 創(chuàng)業(yè)現(xiàn)在是科學家的天下，之后是數(shù)學家的天下，將來是普通人的天下。
李開復在《創(chuàng)新工場人工智能戰(zhàn)略白皮書》發(fā)布會上分享了AI創(chuàng)業(yè)需要注意的幾點問題，雷鋒網(wǎng)將其整理成文，呈現(xiàn)給讀者，全文請見：《李開復：AI 創(chuàng)業(yè)的十個真相 | 深度》
在國外的學術圈里，有一份論文火了，其突破性意義在于：AI在德州撲克游戲上，首次贏得了人類職業(yè)玩家。這篇論文的名字是《DeepStack：無限下注撲克里的專家級人工智能》（DeepStack: Expert-Level Artificial Intelligence in No-Limit Poker），1月6號提交到了ArXiv上。
論文作者是來自加拿大Alberta大學、捷克Charles大學、布拉格捷克理工大學的研究人員。而論文題目里的DeepStack，是一種新型的算法名稱，論文里說明到“DeepStack 是一種通用算法，可用于一大類非完整信息的序列博弈”。在一項涉及到數(shù)十位參與者和4.4萬手撲克的研究中，DeepStack 成為了世界上第一個在“一對一無限注德州撲克”上擊敗了職業(yè)撲克玩家的計算機程序。
另外，卡耐基梅隆大學（CMU）Tuomas Sandholm教授所帶領的團隊也在本周開始了為期20天的德州撲克“人機大戰(zhàn)”，在賓夕法尼亞州匹茲堡的 Rivers 賭場，與四個頂級職業(yè)玩家玩12萬手的HUNL，并角逐20萬美元的獎金。對于被Alberta等大學的研究人員搶先一步，Sandholm教授是不服氣的。
他接受采訪回復道：
“他們的系統(tǒng)并沒有跟頂級的人類玩家對抗，所以不能說是打敗了人類”，在一個德?lián)湔搲弦灿腥税l(fā)出同樣質(zhì)疑。Sandholm教授接著說：“我們本可以在2年前就像這樣干，當時我們有一個系統(tǒng)可以跟最好的人類選手達成平局。但這并不是我們的目標。我們的目標，從來都不是專家級的AI，而是像深藍和Watson一樣的超人級AI”。
相關文章：
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
