周志華，南京大學(xué)教授，計算機科學(xué)與技術(shù)系副主任，軟件新技術(shù)國家重點實驗室常務(wù)副主任，機器學(xué)習(xí)與數(shù)據(jù)挖掘研究所（LAMDA）所長；ACM杰出科學(xué)家，IEEE Fellow，AAAI Fellow, IAPR Fellow，中國計算機學(xué)會會士；長江學(xué)者特聘教授，國家杰出青年基金獲得者。

在 2016 CCF-GAIR 全球人工智能與機器人峰會上，周志華教授接受了雷鋒網(wǎng)的采訪，分享了他對于機器學(xué)習(xí)的現(xiàn)狀以及未來的看法。

| 深度學(xué)習(xí)技術(shù)在機器學(xué)習(xí)中的地位

對于普通大眾來說，可能深度學(xué)習(xí)這個概念十分的熱門。其實在去年機器學(xué)習(xí)領(lǐng)域中頂級學(xué)術(shù)會議NIPS2015(編者注：Neural Information Processing Systems，是神經(jīng)計算方面最好的會議之一)中只有9%的投稿來自深度學(xué)習(xí)，相關(guān)論文總數(shù)在11%，總體上占10%左右。雖然在研究界來說只有百分之十，但是可能在大眾看來就有百分之九十了。我認為在未來，必然會有其他技術(shù)可能達到或者超越深度學(xué)習(xí)技術(shù)目前的地位。

| 神經(jīng)網(wǎng)絡(luò)的熱潮

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)是機器學(xué)習(xí)的一個分支，它特別熱門是因為在圖像、視頻、語音方面取得了巨大的成功。而這些方面恰巧是普通大眾比較能了解到的方面，所以造成大家有這種觀點——感覺“神經(jīng)網(wǎng)絡(luò)特別熱門?！逼鋵嵰灿衅渌麢C器學(xué)習(xí)方法在各自的領(lǐng)域也取得了巨大成功，但是一般大眾對相關(guān)方面了解較少，所以對于神經(jīng)網(wǎng)絡(luò)可能了解得更多一些。

| 目前深度學(xué)習(xí)的一些進展

其實在機器學(xué)習(xí)中很多都是相同的，所謂深度學(xué)習(xí)——把它看成一種語言，它也并不是和以前的方法那么截然不同?？梢园阉?dāng)作一種描述方式，以前的很多內(nèi)容我們把它用這種方式描述出來。其實今天的深度學(xué)習(xí)領(lǐng)域已經(jīng)融入很多以往機器學(xué)習(xí)中的很多機理，它們本身其實是想通的，包括一些共性的理論問題，也都是一樣的。

| 中國的機器學(xué)習(xí)研究和美國的差距在哪兒？

其實來說，整個中國的人工智能領(lǐng)域應(yīng)該說可能是在計算機科學(xué)界里面是和國際的水平最接軌的之一（從很多指標(biāo)上都能反應(yīng)出來）。中國的相關(guān)研究水平和國外比的話，我們最強大的領(lǐng)域其實與國外已經(jīng)沒有差距了。但是，我們的研究厚度可能不夠。比方說我們可能在某一方面到了一個比較高的位置，但是在其他方面可能還有缺乏，畢竟在這一領(lǐng)域發(fā)展起來還是晚了幾十年。

| 機器學(xué)習(xí)的下一步怎么發(fā)展？

機器學(xué)習(xí)的下一步其實會往各種方向發(fā)展，一個大的趨勢是因為不同類型的數(shù)據(jù)會越來越多，所以需要分析的數(shù)據(jù)也會越來越多。每一個新的任務(wù)都需要一種新的技術(shù)，可以說是往外輻射的一個狀態(tài)。往后有很多任務(wù)可能都需要新的機器學(xué)習(xí)技術(shù)，但是一個大的趨勢是我們要增加機器學(xué)習(xí)的魯棒性。這個是非常大的需求，因為在目前情況下很多研究中機器能達到人類的水準，甚至比人類的狀態(tài)還要好。但是如果遇到一些罕見的情況，它會錯得非常離譜。在有些應(yīng)用中，這種情況是大家十分不愿意看到的。例如無人駕駛，開的好時比一般的司機都要好，但是如果表現(xiàn)不好的話，產(chǎn)生的后果就無法估計了。

雖然現(xiàn)在在技術(shù)上可能是百花齊放往外各種輻射，但是在其他方面還是有很多需要做的。

| 在實踐中很多深度學(xué)習(xí)的研究學(xué)者都戲稱“性能不夠，加錢來湊”，怎么看待這種說法？

這種看法其實不是很對——因為增加了層數(shù)之后，模型的復(fù)雜度更高，可以吃下去更多的數(shù)據(jù)。但是吃下去之后，模型的性能會不會變好？這個倒不一定。如果本來只需要一百層，你做到一百二十層，其實性能反而會變壞。樣本的復(fù)雜度和模型的復(fù)雜度要恰到好處，過猶不及。

| 在深度學(xué)習(xí)領(lǐng)域中是否有量化復(fù)雜度的方法

在參數(shù)和學(xué)習(xí)理論上來說是可以做到的，但是神經(jīng)網(wǎng)絡(luò)的機理存在較多的“trick”。很多人去嘗試做，也試出了很多不同的做法。但是做理論分析的門檻非常高，要找到共性的地方，才能做理論分析?，F(xiàn)在大家都在盲目去嘗試，結(jié)果也都還不錯，所以相應(yīng)的理論分析跟不上了。

| 研究成果的應(yīng)用

計算機科學(xué)是應(yīng)用驅(qū)動的研究，可以這樣說中國目前幾個領(lǐng)先的互聯(lián)網(wǎng)公司、通訊公司以及一些跨國企業(yè)，我們都有合作。通常來說是當(dāng)他們遇到一些數(shù)據(jù)分析問題的時候，現(xiàn)有方法無法解決的話，我們提供給一套解決方案。但是從大眾的角度來看的話，他還是原本的那些金融公司、防火墻公司、駕駛公司等。

| 目前機器學(xué)習(xí)領(lǐng)域?qū)W術(shù)界與產(chǎn)業(yè)界的聯(lián)系

現(xiàn)在產(chǎn)業(yè)界與學(xué)術(shù)界的聯(lián)系比以前強得多，很重要的一個原因是國內(nèi)的IT企業(yè)發(fā)展起來了?？梢哉f十年之前我們做機器學(xué)習(xí)出來的一些成果已經(jīng)很有用了，但是產(chǎn)業(yè)界當(dāng)時還沒有這個需求。其實產(chǎn)業(yè)界對于深度學(xué)習(xí)方面，可以看成不愁明天的吃喝，是在考慮一個星期之后的問題，這個時候你才用的上這些技術(shù)。其實也可以說等經(jīng)濟發(fā)展到一定程度，企業(yè)也相應(yīng)發(fā)展到一定程度，這些技術(shù)可能就比較有用。一旦發(fā)現(xiàn)有用之后，就會帶動一些行的企業(yè)跟進，其實也是一個帶動式的過程。

| 用一句話來贊美或者批評機器學(xué)習(xí)

其實，既不用贊美也不用批評深度學(xué)習(xí)，這是一個很自然的技術(shù)發(fā)展過程。機器學(xué)習(xí)每過五年、十年，就會有一種新的技術(shù)在當(dāng)時變得非常流行。比如說90年代的統(tǒng)計學(xué)習(xí)，2000年的概率以及2010年的深度學(xué)習(xí)。我認為目前機器學(xué)習(xí)領(lǐng)域中最大的問題是基礎(chǔ)理論知識沒有跟上，更多的人是在做嘗試，缺乏比較嚴格的理論知識。

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。