阿里大數(shù)據(jù)科學(xué)家金榕：機器人的糧食是數(shù)據(jù)

阿里巴巴大數(shù)據(jù) 金榕機器人

金榕 | 2016-07-27 11:14

【數(shù)據(jù)猿導(dǎo)讀】我們正處于一個激動人心的時代，在這個時代能夠利用非常大的數(shù)據(jù)，能夠利用巨大的計算能力，讓那些十年前、二十年前研發(fā)出來的算法，能夠真正發(fā)揮巨大的價值

阿里大數(shù)據(jù)科學(xué)家金榕：機器人的糧食是數(shù)據(jù)

近日，阿里巴巴大數(shù)據(jù)科學(xué)家金榕教授做了主題為《機器人的糧食是數(shù)據(jù)》的演講。金榕教授目前在阿里巴巴搜索團隊負(fù)責(zé)大數(shù)據(jù)及人工智能相關(guān)研究，擁有美國卡內(nèi)基梅隆大學(xué)博士學(xué)位，曾任美國密歇根州立大學(xué)終身教授，長期致力于統(tǒng)計機器學(xué)習(xí)研究。金榕教授曾擔(dān)任NIPS、SIGIR等頂級國際會議領(lǐng)域主席，KDD、AAAI、IJCAI等頂級會議高級程序委員會委員，獲得過美國國家科學(xué)基金會NSF Career Award。

以下為演講實錄：

大家下午好，我的名字叫金榕?？赡艽蠹叶贾?，大部分阿里的員工都有花名，是吧?但是金榕是我的真名不是花名。我是2014年加入阿里的，我原先是在美國密歇根州工作了十幾年，實際上我在阿里做的工作主要是數(shù)據(jù)、智能、機器學(xué)習(xí)的事情。我們主要的產(chǎn)品是在淘寶上的個性化搜索和個性化推薦，大家如果對淘寶推薦和搜索產(chǎn)品有任何建議，歡迎跟我聯(lián)系。

今天我想說的話題，是數(shù)據(jù)和智能之間的關(guān)系。我們先看一個例子，就是汽車自動駕駛這件事情，現(xiàn)在自動駕駛已經(jīng)被炒得非常熱了，從Google最早開始推出智能駕駛的車，實際上在內(nèi)華達州已經(jīng)有了制造，到很多車廠都已經(jīng)開始做自動駕駛這件事情。可能很少人知道，這件事情也是一個非常老的話題，1994年的美國的卡內(nèi)基梅隆大學(xué)有一個項目-Alvin Project，目的就是要做一個自動駕駛的車， 1994年已經(jīng)很成功的把一個車從東海岸開到西海岸，基本上是自動駕駛的，以每小時120公里的速度開。對我來講，一個很有意思的問題，我想大家也會問，這樣一個20年前就已經(jīng)比較成型的技術(shù)，為什么到現(xiàn)在真正的商業(yè)化才開始呢?對吧?當(dāng)然這個除了商業(yè)化的原因以外，實際上一個非常重要的原因是什么?就是數(shù)據(jù)的問題。

早期在做自動駕駛的時候，實際上收集的數(shù)據(jù)是非常少的，基本上只有幾十個小時的駕駛數(shù)據(jù)，對復(fù)雜路況的處理能力比現(xiàn)在低很多，從安全性上講是不夠的。這就造成了為什么這樣一個技術(shù)在20年前已經(jīng)相當(dāng)成熟了，但是到今天大家才真正給它商業(yè)化、規(guī)模化，其中一個很大的原因是由于Google或者說其他的車廠有非常大的能力收集幾十萬小時的駕駛信息，而且有非常大的處理數(shù)據(jù)能力，能夠把所有的信息抽出來，能讓車在非常復(fù)雜的情況下有一個很好的處理能力。從這個意義上來講，大的數(shù)據(jù)真的是很重要的。

另外一個是AlphaGo，大家現(xiàn)在都知道Google做一個能夠下圍棋的機器人，可以自動去讀棋譜能夠跟頂尖的圍棋選手下，而且一直保持非常好的勝率。但是同樣，大家也知道下棋這件事情不是今天才發(fā)生，很早年前IBM的Deep Blue(深藍)是非常成功的例子，他制作了一套系統(tǒng)能夠跟國際最好的象棋大師做對弈。我也想提一下，所有Google在AlphaGo里面做的系統(tǒng)，包括深度學(xué)習(xí)、強化學(xué)習(xí)這件事情，實際上在20年前就已經(jīng)被人在游戲上應(yīng)用了。在1996年的時候，我估計現(xiàn)場有些同學(xué)可能都還沒出生，那時候有一個系統(tǒng)叫TD(λ)的算法，有幾位科學(xué)家把這個算法應(yīng)用在一個在美國挺流行的游戲上，很快成為了世界冠軍。

這里頭最神奇的地方，跟AlphaGo比起來的話，AlphaGo還需要讀人類棋手的棋譜，從中吸取經(jīng)驗成長成為世界頂級的選手，但是對于我剛才說的TD(λ)的算法來講，當(dāng)時就是做了兩個不同版本的算法，這兩個版本自己跟自己下了150萬盤，就成了世界冠軍。某種意義上講，真的是自學(xué)成才的算法。

那么說回來，為什么說這樣一套AlphaGo的系統(tǒng)大部分的核心技術(shù)點，實際上在20年前都已經(jīng)很成熟，為什么到今天大家才把它的面紗揭開來呢?關(guān)鍵還是數(shù)據(jù)的問題，20年前我們的計算機不足以處理這么多的數(shù)據(jù)，現(xiàn)在我們有了GPU可以非常有效的處理這些數(shù)據(jù)。

可能還有一個比較重要的點，大家日常都會接觸到語音識別技術(shù)。實際上語音識別技術(shù)在這幾年有一個非常突飛猛進的發(fā)展，比如智能手機就已經(jīng)開始普遍應(yīng)用語音交互。實際上語音識別技術(shù)，是在六十年代開始的，有很多技術(shù)的東西其實很早的時候都有人嘗試做，但是最近兩年獲得成功，還是歸結(jié)于現(xiàn)在我們的數(shù)據(jù)處理能力和計算能力，使得它完全能夠變成更加智能化的工具。

數(shù)據(jù)有一個非常厲害的能力就是挖掘價值。我想舉個例子，這個例子就是花唄，大家可能都知道花唄的背后實際上是你的信用分，這個信用分基于你整個以前的行為，這些行為會告訴系統(tǒng)說你這個人有多大的可能還錢或者說有多大的還付能力，花唄是非常復(fù)雜的一個系統(tǒng)。把你整個所有的交易行為都形成數(shù)據(jù)，然后來算這個人能借給他多少錢，償還能力如何。這個跟美國以前的信用體系有非常大的差別，完全是從數(shù)據(jù)上挖掘出你的行為，來測量你的信用有多好。

另外一方面，花唄在做信用測量的時候，另外一個很有意思的事情在客服上。很多顧客會打電話到支付寶，問為什么我的花唄分比較低?怎樣能夠把我的花唄分?jǐn)?shù)提高?這個實際上就需要這些學(xué)習(xí)智能的機器人，能夠從這個模型里面提取出有用的信息，告訴這個人怎么能夠做一些努力、做一些改變，能夠把他的花唄分最有效的生長起來。

下面我想說一個非常有意思的技術(shù)，因為我意識到好像在國內(nèi)最主要的技術(shù)是深度學(xué)習(xí)這樣的技術(shù)，對吧?實際上在過去的十年間，我認(rèn)為在統(tǒng)計數(shù)學(xué)產(chǎn)生了一個非常有力量的技術(shù)，它的中文名是壓縮感知。這個技術(shù)是非常有趣的技術(shù)，就是可以重現(xiàn)歷史。大家設(shè)想這樣一個情況，你有一個非常非常老的、破損的已經(jīng)不行了的照片，就像左邊這個照片一樣。你肯定有一個心愿，這個心愿是說有沒有一個機器可以把很破損的照片恢復(fù)的沒有瑕疵，這是大家的心愿。自從有了這么一個非常厲害的技術(shù)叫做壓縮感知，它實際上是可以把破損的照片，把它重現(xiàn)成很完美完整的照片。這是非常頂尖的幾個科學(xué)家在最近幾年做的杰出的工作帶來的成果。

有了這個技術(shù)，大家會想是不是相機因為有了這個技術(shù)可以做一些改變?我不知道在座的同學(xué)知不知道，為什么我們手上拿的數(shù)字相機會這么便宜，有人知道為什么數(shù)碼相機會這么便宜嗎?其中一個非常重要的原因，我估計很少人清楚，就是數(shù)碼相機的感光材料是用硅，因為很巧，人的感光區(qū)間和硅的感光區(qū)間是差不多的，所以說硅可以成為非常好的傳感器來形成圖像。但硅做不到但是紅外的感光區(qū)，而紅外感光材料非常昂貴，所有紅外或紫外相機通常都很昂貴。你要想拿到一個非常非常高清的照片是非常昂貴的。

所以現(xiàn)在有很多公司在做一件事情，就是說我可不可以用一個非常簡陋的相機來拍，但是用壓縮感知技術(shù)把它重現(xiàn)成非常好看的照片來。美國的萊斯大學(xué)正在做一個驚天動地的事情 - 單光子相機，就是把相機逼到極限，能不能只測量一個光子就可以把整個圖片完完整整的呈現(xiàn)在你的面前，這件事如果能做到，就會非常厲害。我個人覺得壓縮感知這樣的技術(shù)，應(yīng)該會在以后的一些時間內(nèi)會成為一個非常非常重要的技術(shù)。

我說了這么多，有一件事情我都沒有提到，就是什么是智能，對吧?智能我想這個定義是每個人都有不同的含義，一個簡單的定義從機器學(xué)習(xí)或者是人工智能角度來看，所謂的智能是什么呢?所謂的智能就是一個決策函數(shù)，這個決策函數(shù)它會有一個輸入，比如說一個照片會給出一個決策。比如說它告訴你照片的人是什么，現(xiàn)在幾乎所有的機器學(xué)習(xí)、所有的人工智能的方法，不管是AlphaGo，不管是語音識別、不管是自動駕駛幾乎都是用這個方法為基礎(chǔ)的。這個智能是我們經(jīng)常說的人工智能，實際上它跟人的智能還是有一個很大的差別，最大的差別就在于他們對數(shù)據(jù)的依賴。

大家都可以看到，小孩在學(xué)習(xí)各種技能的時候不需要教他幾千遍、幾萬遍，通常來講一個學(xué)習(xí)的過程最多幾十遍。所以人的學(xué)習(xí)可以依賴于相當(dāng)少的樣本就能學(xué)到這個知識、這個技能。但是反過來說，機器智能這種基于決策函數(shù)的學(xué)習(xí)方式，都需要一個巨大的數(shù)據(jù)支持，這就是為什么我們說的只有有了巨大的數(shù)據(jù)，人工智能才會普遍運用起來。機器實際上是要學(xué)習(xí)一個函數(shù)的，而所有的數(shù)據(jù)理論都告訴你，要學(xué)好一個函數(shù)，這個數(shù)據(jù)量一定是非常非常大的，這有很多所謂的不可能定義。他告訴你說，如果數(shù)據(jù)低于一定的程度，這樣的函數(shù)是不可能被學(xué)習(xí)下來的。

我總結(jié)一下，我們正處于一個激動人心的時代，在這個時代能夠利用非常大的數(shù)據(jù)，能夠利用巨大的計算能力，讓那些十年前、二十年前研發(fā)出來的算法，能夠真正發(fā)揮巨大的價值。像大家看到的自動駕駛、AlphaGo等，但同時也要認(rèn)識到現(xiàn)在這樣一個基于函數(shù)技術(shù)的機器學(xué)習(xí)或者說是人工智能的方法，也有一個巨大的局限性。所有以函數(shù)技術(shù)作為基礎(chǔ)的學(xué)習(xí)，一定是對樣本的數(shù)量有很大的依賴。到底我們應(yīng)該怎么去看待人在學(xué)習(xí)過程中的能力?為什么說人只要需要幾個樣本就能把一個技能學(xué)好，為什么機器學(xué)不好?從這個角度來講，我認(rèn)為現(xiàn)在的數(shù)據(jù)巨大成功同時也是給在座每一位年輕人有一個巨大的機會，這個機會也就是到底人是怎么學(xué)習(xí)的。

來源：阿里技術(shù)矩陣

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會注明來源與作者；轉(zhuǎn)載我們原創(chuàng)內(nèi)容時，也請務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責(zé)。