你需要了解的吳恩達(dá)

　　人工智能是現(xiàn)今科技界最前沿的話(huà)題之一。以谷歌為代表的科技巨頭均在這個(gè)方向上進(jìn)行了巨大的投入，在這個(gè)全球最智慧大腦的群體里，斯坦福大學(xué)人工智能實(shí)驗(yàn)室主任吳恩達(dá)(英文名 Andrew Ng，華裔)所領(lǐng)導(dǎo)的Google Brain項(xiàng)目，在人工智能技術(shù)的競(jìng)爭(zhēng)中更加領(lǐng)先，2013年6月，Google Brain運(yùn)用深度學(xué)習(xí)等研究成果，使用1000臺(tái)電腦創(chuàng)造出多達(dá)10億個(gè)連接的“神經(jīng)網(wǎng)絡(luò)”，讓機(jī)器系統(tǒng)學(xué)會(huì)自動(dòng)識(shí)別貓，這個(gè)在國(guó)際深度學(xué)習(xí)領(lǐng)域廣為人知的案例驚艷全場(chǎng)。今年1月，李彥宏宣布，百度將建立公司歷史上首個(gè)前沿科學(xué)研究機(jī)構(gòu)——深度學(xué)習(xí)研究院(Institute of Deep Learning，IDL)。今年5月Google Brain之父吳恩達(dá)正式加入百度美國(guó)研究院，作為機(jī)器學(xué)習(xí)、特別是深度學(xué)習(xí)方面的資深學(xué)者之一，他將成為“百度大腦”計(jì)劃以及百度全球化擴(kuò)張中的核心人員。

　　夢(mèng)想重燃：讓機(jī)器擁有智慧是世界上最酷的事情

　　有種理論認(rèn)為人類(lèi)的智慧來(lái)源于一個(gè)單一的算法。這個(gè)理論的實(shí)驗(yàn)依據(jù)是，人類(lèi)大腦發(fā)育初期，每一部分的職責(zé)分工是不確定的，也就是說(shuō)，人腦中負(fù)責(zé)處理聲音的部分其實(shí)也可以處理視覺(jué)影像。人腦究其本質(zhì)來(lái)說(shuō)，是一臺(tái)可以被調(diào)試以執(zhí)行特定任務(wù)的通用型機(jī)器。

　　七年前，斯坦福大學(xué)計(jì)算機(jī)科學(xué)教授吳恩達(dá)偶然接觸到了這一理論，他突覺(jué)醍醐灌頂，這個(gè)理論從此改變了他對(duì)于人工智能本質(zhì)的理解，重新點(diǎn)燃了他對(duì)人工智能技術(shù)的熱愛(ài)，從而改變了他的職業(yè)軌跡。據(jù)他回憶，“有生以來(lái)第一次，我感到自己有可能在人工智能的研究領(lǐng)域取得一點(diǎn)進(jìn)展。”

　　吳恩達(dá)說(shuō)，在人工智能技術(shù)研究的早期，這個(gè)領(lǐng)域的主流理念是，人類(lèi)智慧形成于成千上萬(wàn)個(gè)簡(jiǎn)單代理的協(xié)同工作，也就是麻省理工大學(xué)教授馬爾文·明斯基(Marvin Minsky)所說(shuō)的“頭腦的社會(huì)”。工程師們就以此為信條，認(rèn)為要實(shí)現(xiàn)人工智能，就必須建立成千上萬(wàn)個(gè)獨(dú)立的計(jì)算機(jī)模塊。一個(gè)模塊，或者算法，去模擬語(yǔ)言，第二個(gè)模塊處理發(fā)聲說(shuō)話(huà)等等以此類(lèi)推?？傊凑者@個(gè)早期理念，實(shí)現(xiàn)人工智能所需的工作量巨大，難以實(shí)現(xiàn)。

　　吳恩達(dá)小時(shí)候的夢(mèng)想就是發(fā)明能像人類(lèi)一樣思考的機(jī)器，當(dāng)時(shí)只是很單純地認(rèn)為，讓機(jī)器擁有智慧是世界上最酷的事情。但當(dāng)他進(jìn)入大學(xué)真正開(kāi)始接觸人工智能時(shí)，卻正逢上述理念盛行，他很泄氣，因此放棄了對(duì)人工智能的研究。后來(lái)，他成為大學(xué)教授，也不忘順便打擊自己的學(xué)生，勸他們也放棄人工智能這一“不切實(shí)際的夢(mèng)想”。直到有一天，他接觸到了“人類(lèi)的智慧來(lái)源于一個(gè)單一的算法”的理論，意識(shí)到這個(gè)領(lǐng)域的主流理念對(duì)于人工智能的理解可能大錯(cuò)特錯(cuò)，他看到了一個(gè)機(jī)會(huì)，于是他果斷地重拾了兒時(shí)的夢(mèng)想。而“單一算法”這一假說(shuō)的提出者是杰夫·霍金斯(Jeff Hawkins)，一名有著神經(jīng)科學(xué)研究背景的人工智能領(lǐng)域的企業(yè)家。

　　現(xiàn)在看來(lái)，這一假說(shuō)所改變的，不僅僅是吳恩達(dá)的職業(yè)生涯而已。吳恩達(dá)目前的主要研究領(lǐng)域是機(jī)器學(xué)習(xí)技術(shù)中的“深度學(xué)習(xí)”，在計(jì)算機(jī)科學(xué)中屬于比較新的領(lǐng)域，深度學(xué)習(xí)研究的主要目的是打造能像人腦一樣處理數(shù)據(jù)的機(jī)器。目前，深度學(xué)習(xí)的研究已經(jīng)不限于學(xué)術(shù)界，谷歌和蘋(píng)果這樣的大公司也意識(shí)到了其中蘊(yùn)藏的巨大機(jī)會(huì)。吳恩達(dá)和谷歌的其他研究人員一起成立了有史以來(lái)人工智能領(lǐng)域目標(biāo)最遠(yuǎn)大的項(xiàng)目——Google Brain。

　　究竟什么是“深度學(xué)習(xí)”?

　　深度學(xué)習(xí)是人工智能技術(shù)朝新的研究方向邁出的第一步。簡(jiǎn)單地說(shuō)，深度學(xué)習(xí)包含了構(gòu)建能夠模仿人類(lèi)大腦行為的神經(jīng)網(wǎng)絡(luò)。這些多層次的電腦網(wǎng)絡(luò)像人類(lèi)大腦一樣， 可以收集信息，并基于收集到的信息產(chǎn)生相應(yīng)的行為。這些電腦網(wǎng)絡(luò)可以逐漸對(duì)事物的外形和聲音進(jìn)行感知和理解，也就是“認(rèn)識(shí)”事物。

　　比如，為了賦予機(jī)器“視覺(jué)”，研究人員需要建立最基本的一層人工神經(jīng)元，用來(lái)探知如物體的邊緣形狀等基本信息，第二層神經(jīng)元可以將第一層感知到了物體邊緣性狀拼湊起來(lái)，鑒定較大塊的物體形狀，然后再加一層將第二層檢測(cè)到的信息再拼湊從而使機(jī)器明白物體整體的形態(tài)。這里面關(guān)鍵的一點(diǎn)是，軟件可以自行做到這一切——舊的“偽人工智能”往往需要工程師人工輸入物體視覺(jué)或者聲音的信息，然后由機(jī)器學(xué)習(xí)算法來(lái)處理這些信息數(shù)據(jù)。

　　吳恩達(dá)介紹，在深度學(xué)習(xí)算法之下，可以通過(guò)給這個(gè)系統(tǒng)很多數(shù)據(jù)，使其“自己學(xué)會(huì)世界上的一些概念”。去年，吳恩達(dá)的一個(gè)深度學(xué)習(xí)算法機(jī)器通過(guò)掃描互聯(lián)網(wǎng)上無(wú)數(shù)的貓的圖片“認(rèn)識(shí)”了貓，但是初期的機(jī)器不認(rèn)識(shí)單詞cat，吳恩達(dá)需要為機(jī)器輸入這個(gè)單詞，然后經(jīng)過(guò)一段時(shí)間，機(jī)器將這種毛茸茸的小動(dòng)物與單詞cat聯(lián)系到了一起，可以自行鑒別什么樣的事物是cat。

　　教機(jī)器學(xué)習(xí)的方法本身就是在模仿人類(lèi)的學(xué)習(xí)機(jī)制，當(dāng)我們還是嬰兒的時(shí)候，我們通過(guò)觀察周?chē)?，開(kāi)始認(rèn)識(shí)我們接觸到的事物，但是如果父母不告訴我們一樣事物的名字是什么的話(huà)，我們?cè)诮佑|其他信息之前都是無(wú)法理解這個(gè)事物和名字的關(guān)系。

　　當(dāng)然，吳恩達(dá)的深度學(xué)習(xí)算法目前還比不上人腦的精確性和靈活性，但他說(shuō)，那一天會(huì)到來(lái)的。

　　吳恩達(dá)在他的電腦上解釋何謂深度學(xué)習(xí)

　　加入百度的三個(gè)原因

　　百度擁有非常先進(jìn)的深度學(xué)習(xí)技術(shù)。他的好朋友余凱(百度北京深度學(xué)習(xí)實(shí)驗(yàn)室的負(fù)責(zé)人)是深度學(xué)習(xí)方面的佼佼者。深度學(xué)習(xí)對(duì)于網(wǎng)絡(luò)搜索、廣告、語(yǔ)音識(shí)別、光學(xué)字符識(shí)別和包括百度核心產(chǎn)品在內(nèi)的該公司一大堆產(chǎn)品都非常有用。百度首席執(zhí)行官李彥宏本人也熱衷于人工智能。我非常欣賞的一點(diǎn)是，李彥宏在致股東的正式年報(bào)中談到了深度學(xué)習(xí)。這說(shuō)明百度領(lǐng)導(dǎo)層認(rèn)識(shí)到了人工智能的重要性

　　一是如今的人工智能是資本密集型產(chǎn)業(yè)。需要數(shù)據(jù)和計(jì)算資源才能取得進(jìn)展。數(shù)據(jù)比計(jì)算資源更難獲得，若要研發(fā)必須二者皆有，百度以搜索起家，發(fā)展多年來(lái)積累了大量的數(shù)據(jù)，是其他企業(yè)很難企及的。

　　二是靈活性。百度擁有不可思議的靈活性。例如，想建立一個(gè)圖形處理器集群，馬上就實(shí)現(xiàn)了。這與百度在互聯(lián)網(wǎng)行業(yè)拼殺多年形成的反應(yīng)機(jī)制有關(guān)。

　　三是人。百度的工程師極為勤奮。中國(guó)工程師努力工作的程度遠(yuǎn)遠(yuǎn)超過(guò)普通的硅谷工程師。

　　談到同百度的合作，吳恩達(dá)認(rèn)為還有很多工作要做，“全球共有三個(gè)百度研究院實(shí)驗(yàn)室，兩個(gè)在北京，大部分已經(jīng)建成，硅谷的正在從頭建起，雖然門(mén)檻一直都很高，但是招兵買(mǎi)馬的速度相當(dāng)快，至今共招了六人全部來(lái)自硅谷，我們將在這里做些很酷的事情。”

　　未來(lái)：得人工智能者得天下

　　隨著移動(dòng)設(shè)備的崛起，“破解人類(lèi)神經(jīng)密碼”的任務(wù)愈發(fā)緊迫。由于設(shè)備越來(lái)越小，我們需要它們運(yùn)算更快、更準(zhǔn)確。然而，隨著電子設(shè)備的基礎(chǔ)元件晶體管的尺寸不斷縮小，將它們變得更精確更高效的難度也越來(lái)越大。比如，想要加快設(shè)備的運(yùn)算速度，需要給設(shè)備提供更多電能，但更多電能會(huì)讓設(shè)備的運(yùn)算系統(tǒng)更“嘈雜”，也就是說(shuō)，它得運(yùn)算精確度會(huì)下降。

　　目前工程師們只能通過(guò)避開(kāi)問(wèn)題核心的方式來(lái)應(yīng)對(duì)上述問(wèn)題，力求在設(shè)備大小、運(yùn)算速度、能耗之間取得平衡，而無(wú)恩達(dá)認(rèn)為人工智能技術(shù)對(duì)此則能提供更好的解決方案，“生物科學(xué)能讓我們直面問(wèn)題的根本所在，生物內(nèi)部的轉(zhuǎn)換機(jī)制也是天生‘嘈雜’的，但其找到了一個(gè)辦法來(lái)適應(yīng)和忍受這些干擾噪聲甚至對(duì)之加以利用。如果我們可以搞明白生物內(nèi)部應(yīng)對(duì)這些雜音的方法，我們就能開(kāi)創(chuàng)一套截然不同的計(jì)算模型”。

　　科學(xué)家的目標(biāo)并不是將計(jì)算設(shè)備變得更小，他們的目標(biāo)是讓計(jì)算機(jī)能夠做到的事情更多。不管背后的算法多么復(fù)雜，目前的計(jì)算機(jī)無(wú)法幫助人類(lèi)去雜貨店購(gòu)買(mǎi)物品，或者幫助人類(lèi)挑選適合的衣服、錢(qián)包等，如果要處理這樣的事情，計(jì)算機(jī)需要添加更高級(jí)的圖像智能識(shí)別技術(shù)以及像人類(lèi)一樣的注意力和記憶力，相信，要是能夠?qū)崿F(xiàn)這一點(diǎn)，那么計(jì)算機(jī)能夠處理的事情的想象空間將變得無(wú)窮大。

　　全世界都意識(shí)到，如果你可以解決這些問(wèn)題，人工智能領(lǐng)域存在的無(wú)限商機(jī)就會(huì)被打開(kāi)。

　　而驅(qū)使谷歌、IBM、微軟、蘋(píng)果、百度這些公司競(jìng)相開(kāi)發(fā)高級(jí)機(jī)器學(xué)習(xí)技術(shù)的原因，正是其背后蘊(yùn)藏的巨大商業(yè)潛力。紐約大學(xué)教授、深度學(xué)習(xí)領(lǐng)域的專(zhuān)家燕樂(lè)存(Yann LeCun)教授預(yù)測(cè)，兩年內(nèi)，將出現(xiàn)大量的機(jī)器學(xué)習(xí)領(lǐng)域的初創(chuàng)公司，其中很多可能會(huì)被大公司收購(gòu)。

　　吳恩達(dá)的夢(mèng)想正在照進(jìn)現(xiàn)實(shí)。“我有了希望，不僅僅只是希望，我們可能能夠?qū)崿F(xiàn)真正的人工智能，”他說(shuō)，“我們當(dāng)然還沒(méi)有找到正確的算法——這可能需要長(zhǎng)達(dá)幾十年的時(shí)間，要實(shí)現(xiàn)它很不容易，但我看到了希望。（文丨楊璐）