1
| 本文作者： 張偉 | 2016-08-12 23:14 | 專題：CCF-GAIR | 全球人工智能與機器人峰會 |
機器學習大潮氣勢如虹，科技巨頭們如何乘風破浪？CCF-GAIR大會首場圓桌論壇圍繞這個話題進行了熱議。微軟亞洲研究院主管研究員鄭宇擔綱主持，小米聯合創始人黃江吉先生、360人工智能研究院院長顏水成博士、騰訊優圖創始人黃飛躍博士、今日頭條科學家李磊博士參與討論。（內容有刪減）
鄭宇：分享一下360最近在人工智能領域取得了哪些進展，并且在未來有什么樣的布局。
顏水成：我加入之前360在人工智能方面已經做了很多事情，基本視覺、語音、語義還有大數據。除了傳統業務以外，還有兩個業務對人工智能的使用非常多，一個是智能硬件，一個是老周特別喜歡的直播。
從研發角度來說，我們主要做了兩件事：一方面是當我們有了大數據之后怎樣更加快速的把這個模型訓練出來？另外是從智能硬件的層面來說，除了傳統的人工智能，在云上的使用還有一個很重要的場景是端上的人工智能。
端上的人工智能有兩個層面可以做事情，一個層面是你怎么樣從算法的角度把模型變得更好，把復雜度降到更低，用很少的資源把好的人工智能用到端上；另外是從面上，比如提升深度學習芯片的計算能力。但是在中國的特定場景下，用戶對產品的價值很在意，在我個人來看，從算法上降低計算的復雜度是非常有價值的，所以在過去一段時間我們在這方面花的時間和精力非常多。
對于將來的布局，我覺得主要有兩個層面：一個是業務層面，繼續圍繞360公司的核心基因安全業務，用人工智能為其提供服務。從研究的層面來說，一方面我們會繼續專注打造更好的模型、算法提升端上人工智能的能力；另一方面利用大數據來提升深度學習的能力。
360人工智能研究院院長顏水成
鄭宇：第二個問題我想問騰訊優圖黃飛躍博士，聽眾們對這個部門并不是很了解，請你先介紹一下這個部門，以及在人工智能領域你們都做了什么工作及其特點。
黃飛躍：優圖現在是騰訊旗下的部門，團隊成立于2012年，最初的是社交網絡事業群下面的一個團隊，到今天我們已經自發成長為一個部門，我們是做人工智能和相關算法的研發和業務落地，目前已經擁有數十項先進的技術以及數千億規模的圖像計算的能力……
優圖雖然是定義做相關研發，但我們的所有研發都是依托業務的實際需求，這樣會形成一個比較良好的業務、算法落地的閉環，可以及時知道我們業務的好和壞，及時更新我們的算法。
現在團隊比較看好的方向和主要從事業務有識別類的相關領域。比如說像生物特征識別，我們比較看好的首先是人臉識別、聲紋識別，再往后到指紋識別等一系列的識別：內容識別、圖片和語音識別等等。人臉識別技術層面上我覺得相對比較成熟，相信在往后的幾年中人臉驗證有機會從互聯網走到線下，這樣的識別場景比現在的人臉識別有更大的價值。又比如圖像識別，它的概念和領域相對更廣，我相信后幾年圖像識別會有一個爆發式的增長。
最新的像增強現實、聊天機器人這些技術也是我比較看好的，這些技術真實改善了人類的生活體驗，同時它也能夠在線下和線上有非常好的結合，更貼近應用，更容易產生比較實際的價值和成果。
我們希望通過用人工智能的一些技術真正改變互聯網用戶的生活品質。與此同時，我們也將把最新的一些研發成果通過開發平臺和騰訊云對外輸出，保證相關的技術能夠真正給互聯網用戶帶來生活品質的提升。
騰訊優圖創始人黃飛躍博士
鄭宇：李磊是交大畢業，剛開始去的是百度，現在到了今日頭條，從你個人的角度看在人工智能這個領域里，百度和今日頭條各有什么優勢和不足，尤其是不足要講清楚。
李磊：我到頭條之前在百度的深度學習研究院工作了兩年，工作的內容基本上圍繞深度學習和自然語音理解，到了頭條之后我在頭條實驗室工作，工作的內容是圍繞深度學習、自然語音理解和計算機學習，前后比較，內容上我現在做得更多了。
我覺得兩家公司最大的共同點是它們都是人工智能為主的公司。百度毫無疑問，在人工智能方面投入非常大，語音識別和無人駕駛都是代表；大家傳統的觀念認為今日頭條是新聞客戶端，但如今頭條是所有信息、內容分享創作的平臺。這個平臺的一邊是內容創作者，另一邊是內容消費者，為了把最好的內容推薦給最需要的讀者，需要的是機器學習的技術。從這一點上來講這兩家公司都是以人工智能技術為核心的公司。
不同點主要在于發展階段和體量。百度和谷歌、微軟步調一致，很早就已經開始在這個領域進行研究：微軟在2009年開始語音識別；谷歌在2012年用1000臺計算機，16000個CPU做貓臉識別；百度做深度學習研究所，做的事情是語音識別和圖像識別，幾乎可以做人工智能所有領域。
今日頭條和這幾家公司不一樣，自2012年創立至今只有4年，大家可以想想成立4年的時候那些大公司在做什么？Facebook有研究院；百度沒有實驗室；谷歌還在做搜索。今日頭條在2014年的時候整個團隊就有這個意識說要在最前沿的技術上做非常大的投入。在人工智能這個前沿技術上，不管是現在立刻能用到，還是說為了技術儲備而做前沿研究，這點上今日頭條的理念是非常非常好的。
今日頭條科學家李磊
鄭宇：小米很多都是人工智能，但是我們想知道小米有哪些不是人工智能，是非常的爛的？因為在座的有很多的小公司代表，你們做不好的地方可能是他們的機會。你就說說什么東西你想做，但是做不好，很難做，不足是什么？
黃江吉：這是個很好的問題。很多人說現在是人工智能的春天，對很多創業公司來說是彎道超車的好機會，我覺得這個是一個事實。但是其實這個彎道和過去任何一個彎道一樣本質上并沒有改變創業的難度。我認為如果要創業成功你依然要很深刻的了解用戶的痛點是什么，如何讓你的產品更好地滿足用戶的痛點。不是因為僅僅掌握了一種新技術，就可以自然而然地獲取海量用戶。我覺得今日頭條是一個很好的案例，不斷使用新技術去解決用戶的痛點。這是我對創業公司機會的理解。
再回答剛才鄭宇的問題，我覺得不是說小米在人工智能領域的哪些方面做得比較爛，我覺得大家應該問的是我們在哪些現有我們做的產品上面功能也好，用戶體驗也好，整體的產品的滿足度，哪些做得比較爛，我認為這些都是機會。如果你關起門來問我的話，我覺得全部產品做得都不夠智能，我們做的只是冰山一角，還有很長的路要走。
小米聯合創始人黃江吉
微軟亞洲研究院主管研究員鄭宇
鄭宇：很多高校的老師或者是在研究機構的人想去工業界做，但是心中有很多的忐忑，我去了以后能不能活下來，所以我想問一個挑釁一點的問題，你覺得360做人工智能有哪些制約或者你不滿意的地方？
顏水成：我一般解釋問題喜歡從武術的角度出發，我覺得在學術界，人工智能的研究的方法挺像，希望你是一個名門正派，打敗了別人，還能提煉一些招式出來，這些招式在和別人格斗時能打贏別人；在工業界這種招式變得不那么重要，重要的是你有一種武術，用一種合作的方式把別人打敗，把一個問題解決掉，這就是好的人工智能。
問題的重點是你要有人工智能的思想和方法把這個問題解決。我加入360是因為他有他的優勢，在當前的特殊時期，我們可以說是網絡在人工智能領域稍稍有點領先學術界，人工智能的資源有很大的優勢。
我加入360的時候，智能硬件是非常關鍵的業務，現在直播也是非常關鍵的業務，這些事情恰好是我想做的。如果說有什么弊端的話，就是互聯網的節奏比學術界要快得多，比如說在學術界半年或者是三個月有很好的成績出來，能有一篇很好的學術論文，但這顯然不適合工業界。
鄭宇：研究院更多的是看未來，老板有沒有給具體的指標？
黃江吉：像微軟亞洲的研究院是沒有標準的，在中國一個好的研究院肯定是兩條腿同時并進。當你有什么成果的話需要快速支持現有的業務，讓人工智能的算法或者是思想在業務中發揮作用。另外你要有一個長遠的想法，一年半或者一年以后產品需要什么樣的人工智能技術；或者自己去孵化這樣的業務，但要能在很短時間內上線的。這是一個很好的方式，能保證研究院在名企內部生存下來。
鄭宇：AI在語音和視覺上都取得了很大的進步，但是在文本上沒有很大的進步，有什么樣可能的技術方向去解決這個問題？
黃江吉：我的感受是用深度學習在處理自然語言和自然語言理解方面做出的成果是遠遠比以前多了，而且今年幾乎2/3以上的論文是用深度學習來做的，所以剛才那一個前提說我們好像沒有看到深度學習在自然語言方面像語音技術和圖像技術那樣有很大的成功，其實不是，只是晚了一些，現在有很大的進步。
顏水成：我個人是做圖像和大數據做得比較多，對于自然語言的理解研究得不是特別多，人是怎么處理語言這一塊，跟我們現在所使用的方式其實還是不一樣的。從人的角度來說，現在的整個方向，跟人的方式是有本質的差別，有很大的變革。另外一方面從圖像的角度，如果你想做一般性質的這種圖像搜索的話其實還是非常困難的，無論是谷歌還是百度。
鄭宇：最后每位專家用一句話總結人工智能發展。
黃江吉：我認為機器學習有可能改變了一個工程師開發產品的方法論，完全顛覆了，跟以前完全不一樣。
顏水成：人工智能讓學術界和工業界的人有了共同語言，這個是非常好的。
黃飛躍：大家不要將人工智能等同于機器學習，機器學習也不等同于深度學習。我們不應該把我們的實業僅僅局限于一個問題上，而我們要解決的問題比有監督的學習更復雜，我們要讓計算機去學習一些簡單的問題，但是也要讓計算機學會邏輯推理，學會在復雜的環境下怎么去跟環境交互，同時也學會怎么樣用最少的能量去掌握新的技能。
李磊：一句話就是潤物細無聲，人工智能就像十幾年前的互聯網融入我們生活一樣，它能夠融入我們日常生活，能夠改善我們的生活品質，而我們人對無所不在的人工智能沒有察覺。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
