5月19日，由中國(guó)電子學(xué)會(huì)主辦，ZD至頂網(wǎng)協(xié)辦的第八屆中國(guó)云計(jì)算大會(huì)進(jìn)入第二日程，第四范式首席科學(xué)家、機(jī)器學(xué)習(xí)領(lǐng)域國(guó)際學(xué)術(shù)帶頭人、香港科技大學(xué)教授楊強(qiáng)在現(xiàn)場(chǎng)帶來了“AI For Everyone”的主題演講。

楊強(qiáng)表示，“我們所說的強(qiáng)人工智能和超級(jí)人工智能，實(shí)際上并不是我們需要害怕的東西，我們需要害怕的東西是我們的技術(shù)，一定需要大數(shù)據(jù)，但是我們本身又沒有大數(shù)據(jù)這樣的紅利。相反我們要發(fā)展的技術(shù)是這樣的，把知識(shí)遷移到身上，短時(shí)間通過小數(shù)據(jù)能夠?qū)W習(xí)、能夠成長(zhǎng)，如果我們有能力把大數(shù)據(jù)的模型遷移到我們每一個(gè)人身上，我們也使得我們每一個(gè)人都能夠享受到這樣的人工智能紅利。”

以下是楊強(qiáng)演講實(shí)錄：

大家好，我是香港科技大學(xué)的。

今天我們有人工智能的技術(shù)，我們大家都為它的成就歡呼，但是我們手邊，我們是不是人人已經(jīng)享受到人工智能的紅利呢?我們帶著這問題來回顧一下人工智能的發(fā)展歷程。首先我們要看人工智能的起始是要感謝這位思想的先驅(qū)圖靈，他問的一個(gè)問題就是機(jī)器可以思維嗎?我們今天的努力，也是跟很多前人的鋪墊是分不開的。有哪些努力呢?我們可以看一下，從50年代開始，大家就在做各種假設(shè)，提出各種問題，畢竟一開始的時(shí)候，大家總是非常的樂觀，認(rèn)為一下子就可以解決，但還是提出了很多關(guān)鍵性的問題，比如說機(jī)器可以學(xué)習(xí)嗎?機(jī)器可以規(guī)劃嗎?機(jī)器可以推理嗎?等等。

比方說我們把老專家的一些思考、一些思維和知識(shí)給它遷移到計(jì)算機(jī)里面。但是后來發(fā)現(xiàn)這個(gè)過程實(shí)際上是非常非常艱難的，因?yàn)榘阎R(shí)描述出來，把知識(shí)表達(dá)出來，把知識(shí)學(xué)習(xí)出來，并不是那么簡(jiǎn)單的事。

在這個(gè)過程當(dāng)中呢，也有很多的努力，在不斷的積累，比方說IBM為首的服務(wù)器的制造商，在1990年代就在象棋領(lǐng)域就把人類的冠軍給打敗了，這個(gè)也是一個(gè)里程碑。這說明什么呢?說明要取得人工智能是離不開計(jì)算能力，同時(shí)機(jī)器學(xué)習(xí)的研究者也取得了很大的進(jìn)展，總而言之有很多的努力，這些努力被圈在實(shí)驗(yàn)室里。這個(gè)就總結(jié)一下，在人工智能就是AI For No One其實(shí)很強(qiáng)的原因是數(shù)據(jù)量的不足，也是因?yàn)楫?dāng)時(shí)并沒有這么便利的云計(jì)算，能夠幫助我們收集這么大的數(shù)據(jù)，比方說利用群體智能、群體智慧、手機(jī)、網(wǎng)絡(luò)等等之類來聚集大量的數(shù)據(jù)。到了今天人工智能活起來，有幾個(gè)原因，第一個(gè)原因確實(shí)匯聚了很多的數(shù)據(jù)，可以想象谷歌公司，還有國(guó)內(nèi)的互聯(lián)網(wǎng)公司，都匯聚了這樣很多大數(shù)據(jù)。今天的計(jì)算能力是突飛猛進(jìn)的。第三是今天的算法，有很大得逞就。像深度學(xué)習(xí)、像強(qiáng)化學(xué)習(xí)等等之類的。這樣我們有目共睹的成就，比方說可以做機(jī)器的同聲翻譯，我們可以做非常好的人臉識(shí)別，使得我們基于圖像的搜索就變的非常便利，這個(gè)也是感謝科學(xué)家的努力，我們對(duì)圖片還要進(jìn)行標(biāo)注，這還要發(fā)動(dòng)廣大的群眾來進(jìn)行標(biāo)注，我們系統(tǒng)可以做的聰明一點(diǎn)，來識(shí)別哪些標(biāo)注，所以這比賽最后就導(dǎo)致了深度學(xué)習(xí)算法的非常大的成功，比方說就提高準(zhǔn)確率方面，提高至少10%，從不能用的階段到可用的階段。

同時(shí)深度學(xué)習(xí)模型，作為一個(gè)辨別性的模型，它也可以轉(zhuǎn)化成一個(gè)生成模型，比方說現(xiàn)在我們看到這個(gè)圖，就是谷歌訓(xùn)練好的圖片識(shí)別性轉(zhuǎn)化成生成器，這是像深度學(xué)習(xí)描繪那些印象最深得情景，機(jī)器潛意識(shí)怎么回事。斯坦福的科學(xué)家就可以面對(duì)這樣的圖片去問一些自然語言的問題，用文字來問問題，在圖片里面得到答案，再用文字來回答。我們可以拿一個(gè)著名畫家就是印象派，我們把這圖片變成印象派這也可以做，這就深度學(xué)習(xí)幫我們做了。我們看今年的阿爾法狗今年非常火，KGS讓網(wǎng)上對(duì)議圍棋的網(wǎng)站，經(jīng)過十幾年的積累，它已經(jīng)積累了非常非常多的棋譜，這個(gè)里面通過可以產(chǎn)生3千萬的盤面來訓(xùn)練，沒有這個(gè)也沒有阿爾法狗。所以呢我們說云計(jì)算一定是人工智能的前提，尤其在今天。第二個(gè)例子我們看到IBM我們知道在2011年擊敗了電視節(jié)目的世界冠軍，它應(yīng)該鳴謝誰呢?就是在網(wǎng)上有很多的知識(shí)這個(gè)知識(shí)也是很多人積累努力的結(jié)果。

所以這里不妨做一個(gè)比喻，人工智能是怎么產(chǎn)生的?這個(gè)能力要感謝兩個(gè)事，一個(gè)是生米一樣，還沒有變成熟飯，但是把它做熟是感謝人工智能，從互聯(lián)網(wǎng)到人工智能的轉(zhuǎn)變，我們看到這些成功還是集中在大公司提供了一個(gè)思考的起點(diǎn)，對(duì)于其他的領(lǐng)域，這些領(lǐng)域沒有大數(shù)據(jù)，我們應(yīng)該怎么辦呢?人工智能是不是對(duì)他們就沒有作用了呢?他們是不是就沒有能夠享受到人工智能的紅利呢?比方說在生物信息領(lǐng)域，我們知道可以獲得很大的一個(gè)數(shù)據(jù)，這個(gè)數(shù)據(jù)是單條的基因鏈，或者是蛋白質(zhì)鏈。但是我們把它和人的行為對(duì)應(yīng)起來，這樣的數(shù)據(jù)，確實(shí)是少之又少，往往在生物信息領(lǐng)域能夠得到幾千條樣本已經(jīng)是相當(dāng)不錯(cuò)了。這個(gè)和圖像識(shí)別里面上千萬個(gè)樣本，那簡(jiǎn)直就沒法比的。所以深度學(xué)習(xí)到今天對(duì)于生物信息領(lǐng)域的大部分?jǐn)?shù)據(jù)還是沒有用的。

再舉一個(gè)例子呢，是教育領(lǐng)域，到現(xiàn)在積累大量的數(shù)據(jù)，所以我們?cè)倩貋砜?，剛剛講的這些紅利，實(shí)際上大部分的企業(yè)是沒有辦法享用，這就為我們帶來一個(gè)問題，我們應(yīng)該怎么辦?總結(jié)一下到今天的這些成就，也僅僅是AI For No One，對(duì)某些人，對(duì)某些富人、對(duì)某些具有大數(shù)據(jù)的人工智能是有用，但是對(duì)于我們大部分的人，我們只能旁觀。當(dāng)然我們的志向尤其是做研究，讓所有的人都能享受到這樣的紅利，因此我們?cè)谘芯克覀冊(cè)趯W(xué)校，應(yīng)該做什么樣的工作?能夠使得這一件事發(fā)生呢?我們?cè)谥v這些技術(shù)之前，我先來回顧一下，對(duì)人工智能的恐懼，我們?cè)谶^去我們是靠走路，現(xiàn)在變成騎馬，甚至有汽車，因此人工智能為我們帶來的紅利也就使得我們?nèi)四軌蚰芰ψ兂蓴U(kuò)大，我們?nèi)说哪芰ψ兂筛心芰?。這樣的話，而使我們每一個(gè)人變的更加強(qiáng)大，基于這樣一個(gè)觀點(diǎn)，我們希望所有的人都能夠享受到人工智能帶來的好處，每個(gè)人都有一匹馬，每一個(gè)人都有一輛車，這樣就是AI For No One。我們?cè)趺茨軌蜃屵@個(gè)事發(fā)展呢?結(jié)合我們自己的研究。機(jī)器越來越強(qiáng)讓每一個(gè)人都享受這樣的紅利。

所以總結(jié)起來我們看到18世紀(jì)發(fā)展了工業(yè)大革命，通過資本來使得某一些資本家變的越來越強(qiáng)大，窮的越來越窮，富的越來越富。我們不希望看到這樣的現(xiàn)象發(fā)展，今天這革命其實(shí)也有這樣的危險(xiǎn)，就是智能革命，實(shí)際上數(shù)據(jù)是資本，數(shù)據(jù)是石油。有數(shù)據(jù)的人能夠提供越來越多的服務(wù)，他也就能夠得到更多的數(shù)據(jù)。會(huì)不會(huì)形成一些智能寡頭呢?這個(gè)我們認(rèn)為才是對(duì)人類最大的危險(xiǎn)，并不是人工智能本身，而是這種數(shù)據(jù)的現(xiàn)象就像金融發(fā)生的一些，這里我要特別提我們確實(shí)在做努力，其中一個(gè)努力是遷移學(xué)習(xí)，比方說右邊這里是一個(gè)著名的心理學(xué)家，他做了一個(gè)實(shí)驗(yàn)，使得新的領(lǐng)域?qū)W習(xí)效率大大提高，這為我們提了一個(gè)什么啟發(fā)呢?如果我們?cè)谟?jì)算機(jī)也能做到遷移，就可以使得在數(shù)據(jù)少的情況下，數(shù)據(jù)一定的情況下，我們的效率能夠提高，并且在效果一定的情況下，我們用的數(shù)據(jù)就不用那么多，也就是說我們遇到一個(gè)新的領(lǐng)域，我們?nèi)绻心芰?，把一個(gè)過去的模型遷移到新的領(lǐng)域，我們?cè)谛碌念I(lǐng)域并不需要那么多的數(shù)據(jù)，所以小數(shù)據(jù)也可以享受人工智能的福利。比方說我們?cè)谕扑]的領(lǐng)域，像在剛才這一位講，京東、阿里，像國(guó)外的亞馬遜，大量的推薦任務(wù)，如果有一個(gè)新的領(lǐng)域，我們沒有很多新的數(shù)據(jù)，這個(gè)問題在推薦領(lǐng)域叫冷啟動(dòng)問題，解決冷啟動(dòng)的方法，就是過去大數(shù)據(jù)建好的模型，來把它遷移到一個(gè)新的領(lǐng)域，使得新的領(lǐng)域，只要得到少數(shù)的數(shù)據(jù)，也可以工作的很好，這些實(shí)驗(yàn)我們都做過。

同時(shí)我們可以讓機(jī)器去讀一些文字，把這些知識(shí)給變成能夠?qū)D像有用的知識(shí)，這樣知識(shí)就可以在不同的表達(dá)之間做遷移。我們做了一個(gè)是研究說明也讓機(jī)器讀多少文字，它就可以來幫助你識(shí)別圖像足夠好呢，我們就發(fā)現(xiàn)其實(shí)就相當(dāng)于我們經(jīng)常說的那一句話，一幅圖片，相當(dāng)于一千個(gè)字，所以這個(gè)我們也通過這實(shí)驗(yàn)來加以證實(shí)，也就是說書并不需要無限的讀下去，這對(duì)于大部分學(xué)生來說這是一個(gè)好消息。

這里我就要提到現(xiàn)在很熱的另外一個(gè)領(lǐng)域，就是穿戴式智能硬件，我們知道穿戴式是非?？岬?，但是如果它不提供足夠的服務(wù)，有一天它也會(huì)敗落下去。這些服務(wù)來自于哪里呢?來自于對(duì)數(shù)據(jù)的解釋，我們一個(gè)人戴了一個(gè)手環(huán)，我們這個(gè)人在走、還是在睡覺、還是在吃飯。如果這手環(huán)背后的云沒有辦法來識(shí)別，它就不能夠提供對(duì)應(yīng)的服務(wù)。但是如果需要來識(shí)別，它就需要有一個(gè)足夠好的模型，這個(gè)模型我們可以通過遷移學(xué)習(xí)來得到，比方說我們?cè)谝粋€(gè)領(lǐng)域，我們已經(jīng)收集了很多女孩做咖啡的數(shù)據(jù)，我們就可以把這樣的數(shù)據(jù)給遷移到老人在做茶，不需要很多的做茶的數(shù)據(jù)，我們就可以做一個(gè)很好的模型，這實(shí)驗(yàn)我們也做了通過MIT收集的數(shù)據(jù)，是相當(dāng)?shù)某晒Α?/p>

我們還做了一些比較有趣的比方說通過圖片能夠自動(dòng)產(chǎn)生對(duì)應(yīng)的詩歌，這個(gè)是公司做的一個(gè)，就是自學(xué)習(xí)的實(shí)驗(yàn)，這是一個(gè)我們小的時(shí)候，可能玩過的游戲，這個(gè)游戲交給計(jì)算機(jī)，通過自學(xué)習(xí)，最后強(qiáng)化學(xué)習(xí)，能夠做到這一點(diǎn)，最近我們把遷移學(xué)習(xí)和強(qiáng)化學(xué)習(xí)相結(jié)合，也做了一個(gè)非常好的，使得不需要訓(xùn)練很長(zhǎng)的時(shí)間，我們就可以把新的游戲給學(xué)會(huì)。

這里我要說，遷移學(xué)習(xí)并不是僅僅在實(shí)驗(yàn)室這些有趣的實(shí)驗(yàn)里面，它在工業(yè)上、尤其是在傳統(tǒng)工業(yè)上，也可以大批的應(yīng)用。這里我要舉一個(gè)例子就是千萬級(jí)微信公眾號(hào)上面，我們有很多這樣的數(shù)據(jù)，我們?cè)趺礃幽軌蚶眠@樣的數(shù)據(jù)來識(shí)別，針對(duì)最有可能性的客戶，怎么做客戶識(shí)別呢?如果通過人來做，一個(gè)人也就能少于幾十個(gè)，最多一百個(gè)這樣。但是如果我們能夠通過大數(shù)據(jù)來做的話，這個(gè)就非常成功了，就可以對(duì)上億的人進(jìn)行甄別，這個(gè)是非常成功。但是這些款項(xiàng)往往都是小額的貸款，但是大額貸款我們能不能做一個(gè)對(duì)應(yīng)的模型，實(shí)際上用深度學(xué)習(xí)來做是非常難的?為什么呢?因?yàn)榇箢~貸款本身發(fā)生的事情就非常少，沒有足夠的樣本。

最近我們通過遷移學(xué)習(xí)把小額貸款的大量的數(shù)據(jù)產(chǎn)生的模型，遷移到少數(shù)數(shù)據(jù)大額貸款少數(shù)樣本這樣問題上，也取得了非常大的成功。這個(gè)也是讓我們覺得非常高興。對(duì)于小數(shù)據(jù)的人終于能夠享受到這樣的人工智能紅利了。

我總結(jié)來說呢，就是我們所說的強(qiáng)人工智能和超級(jí)人工智能，實(shí)際上并不是我們需要害怕的東西，我們需要害怕的東西是我們的技術(shù)，一定需要大數(shù)據(jù)，但是我們本身又沒有大數(shù)據(jù)這樣的紅利，就好像我們大家都看過獅子王里面的壞獅子，它就想把所有的資源集中在自己的身邊。這樣豪門更豪。相反呢我們要發(fā)展的技術(shù)是這樣的。辛巴這樣一個(gè)有很多的人幫助它，他們把知識(shí)遷移到辛巴身上，使得短時(shí)間通過小數(shù)據(jù)能夠?qū)W習(xí)、能夠成長(zhǎng)，我們每一個(gè)人都是一個(gè)辛巴，如果我們有能力把大數(shù)據(jù)的模型遷移到我們每一個(gè)人身上，我們也使得我們每一個(gè)人都能夠享受到這樣的人工智能紅利。

這個(gè)就是我今天要帶給大家的信息，謝謝大家。

來源：ZD至頂網(wǎng)