1月31日消息，百度首席科學(xué)家吳恩達(Andrew Ng)今日在美國硅谷召開的百度Big Talk大會上，以人工智能和深度學(xué)習(xí)為題發(fā)表演講。吳恩達表示目前電腦的技術(shù)已具備自動識別并描述圖片內(nèi)容等感知能力，但還遠遠不到擔憂機器具備自我感知甚至“邪惡”的時候。

吳恩達回憶說，七年前電腦還很難準確識別一副圖像中的咖啡杯。但是隨著人工智能、深度學(xué)習(xí)等技術(shù)的發(fā)展，目前的技術(shù)已經(jīng)能讓電腦理解圖片。

現(xiàn)場展示的三幅圖片，分別配有“這個棒球運動員準備擊球”、“一個人在沖浪”、“一個車停在現(xiàn)場”三個圖注。吳恩達透露說，這三個圖注正是由電腦完成而非人工。而這背后的推動技術(shù)就是神經(jīng)網(wǎng)絡(luò)，這也是吳恩達第一次在美國展示這一進步。

圖像之外，語音也是百度正著力發(fā)展的方向。吳恩達展望說，未來語音識別會給互聯(lián)網(wǎng)、物聯(lián)網(wǎng)帶來巨大變革，用戶和家電之間甚至能夠通過對話進行溝通。

在這些已經(jīng)或者即將發(fā)生的技術(shù)進步背后，總有人擔心電腦的進步，有可能會如同電影版產(chǎn)生“邪惡”的機器人。對于這個話題，吳恩達表示他自己還不知道如何制造出擁有自我感知的機器人，對于人工智能的負面擔心，他覺得是毫無必要的炒作。

以下是吳恩達演講的文字實錄：

非常高興大家可以在硅谷相聚，在過去幾年有一種人工智能已經(jīng)開始起飛了，對硅谷有很大的沖擊，就像Jason所講，今天你會聽到人工智能如何沖擊并改變醫(yī)療保險、教育和其他領(lǐng)域。

這里面有很多種操作，今天我想和大家分享兩件事情，第一件，什么是和什么不是深度學(xué)習(xí)，在二十分鐘的時間里面我們希望可以讓你知道這樣的技術(shù)是什么。第二點，對于在領(lǐng)先機構(gòu)里面的你們，你們能夠在策略上思考這些機構(gòu)——公司、學(xué)校、企業(yè)是否要做深度學(xué)習(xí)的技術(shù)。

多年以來，我們一直有這樣的創(chuàng)意，就是人工智能的虛擬圈，比如做一個很好的產(chǎn)品，可以得到很多很好的用戶，這些用戶可以提供很多的數(shù)據(jù)。最后，用人工智能就可以讓很多的產(chǎn)品越來越好，讓你得到越來越多的用戶，如此產(chǎn)生人工智能的良性循環(huán)。但是這樣的理念根本沒有成功，在這幅拼圖里面所缺失的最大一環(huán)，就是人工智能。來看早一代的人工智能算法，即使有很多的數(shù)據(jù)支持，但是表現(xiàn)功能不會越來越好，在我腦中有一個非?；镜脑颉槭裁瓷疃葘W(xué)習(xí)沖擊世界，因為我們都可以測量算法，所以在大數(shù)據(jù)里面，新的人工智能的算法越來越好，我們可以第一次在整個虛擬圈里完成整個循環(huán)。

過去時間，很多溝通都是通過文字，過去十年間網(wǎng)頁就是一堆文字。如今在百度，我們看到，特別是在移動互聯(lián)網(wǎng)領(lǐng)域，溝通已經(jīng)改變成為了圖像和語音。百度已經(jīng)經(jīng)歷改變十五年了，現(xiàn)在就要跟大家分享在圖像語音方面的機會。因為在互聯(lián)網(wǎng)上的溝通，提供更好的服務(wù)，給各國和全世界使用?，F(xiàn)在談?wù)劙俣热绾卫斫鈭D像和語音。

七年前，在斯坦福，我讓我的學(xué)生寫程序識別咖啡杯的圖像，他們用了當時最好的圖像和算法，這就是他們得到的結(jié)果。他們發(fā)現(xiàn)到處都是咖啡杯，為什么識別咖啡杯這么困難?當我們放大以后繼續(xù)來看。把他當成紅的方塊。電腦的問題就是看到這些數(shù)據(jù)，色素的強度，告訴我們這些數(shù)據(jù)定義了咖啡杯，所以長久以來這是在電腦圖像方面不足的地方。

神經(jīng)元網(wǎng)絡(luò)的技術(shù)很有前景，人腦的工作被激發(fā)開來，因此模擬神經(jīng)元的信號，用算法讓他更具有智能。在深度學(xué)習(xí)，剛才講的熱磁，來模擬人腦，很多研究人員想用這個熱磁?？墒巧窠?jīng)學(xué)家知道根本不可能知道人腦如何工作。我的朋友開玩笑說，神經(jīng)網(wǎng)絡(luò)好像用卡通畫腦子。過度簡單的用卡通描述腦子，因此對大腦不是非常了解。

這些程序可以了解這些物體，能做的就是說照張相，給神經(jīng)網(wǎng)絡(luò)很多數(shù)據(jù)，很多咖啡杯圖像，可以來學(xué)習(xí)，可以來說這是咖啡杯。這只是識別咖啡杯，是個相對容易，但是計算機視覺比這個要復(fù)雜得多，但我們看這個圖像，看到很多東西。如果要給很多注解的話，你就說，黃色大巴開在路上，右邊的畫，你就說，一間起居室，很多陽光照進來，而你寫這個注解的能力，就是對這個圖像的深度理解。那么，可不可以讓電腦理解圖片和我們做的一樣?如果要讓你用中文來注解這張圖片，同樣，你就看這個圖片，說，這個棒球運動員準備擊球，一個人在沖浪，一個車停在現(xiàn)場。

所以，電腦是否可以理解圖像，好像我們有這個能力寫注解。所以我給你們一個驚喜，這個字幕不是人寫出來的，是電腦寫的，百度是第一個用神經(jīng)網(wǎng)絡(luò)技術(shù)寫的?，F(xiàn)在還有其他好多公司來尾隨我們。所以我們今天在的位置在哪里呢?在計算機視覺我們已經(jīng)建立了一個很好的技術(shù)來建立圖像。我們在對美國聽眾展示用中文寫的字幕。既然已經(jīng)有非常復(fù)雜的電腦技術(shù)，現(xiàn)在就是應(yīng)用是什么。

電腦可以了解在過去五年有長足的發(fā)展。應(yīng)用是什么?醫(yī)學(xué)影像，圖像的搜尋，買什么衣服，百度還有其他公司有這樣的計算機視覺技術(shù)，嘗試產(chǎn)品和技術(shù)，今天也不知道最好的應(yīng)用是什么，未來幾年會改變這方面的情況。

所以，電腦視覺是深度學(xué)習(xí)帶來的革命。為什么深度學(xué)習(xí)，也就是神經(jīng)網(wǎng)絡(luò)如今有迅猛的發(fā)展?這就是我們來建立了有效的深度學(xué)習(xí)的算法，改變整個人工智能的方法。舉個例子。建造火箭，需要兩個部分組成，很大的引擎，很多燃料，好像宇宙火箭，如果有很大的引擎，很少的燃料，這是無法工作的，反之亦然。所以需要有一個很大的引擎和很多的燃料才行的通，算法的時候也是，建立一個很大很大的神經(jīng)網(wǎng)絡(luò)。另外數(shù)據(jù)就是燃料，在整個人類社會的數(shù)據(jù)化，可以看到很多以前拿不到的數(shù)據(jù)。這就是很大的可以騰飛的火箭。因此未來的最近今年的深度學(xué)習(xí)就是讓火箭可以騰飛。

大概是2010，五年前，最大的神經(jīng)網(wǎng)絡(luò)有一千萬的連接點，幾年后我就開始了在google云項目，用一千個電腦建立的一億個神經(jīng)元的網(wǎng)絡(luò)，這其實為深度學(xué)習(xí)帶來很大進展。后來我意識到這是一個非常昂貴的技術(shù)，有朋友就意識到用不同的技術(shù)，用其他gpu技術(shù)，在電腦里面處理訊息圖像的技術(shù)可以建立這樣的神經(jīng)網(wǎng)絡(luò)，用大的引擎飛火箭。比過去還大十倍。今天在百度，硅谷或中國建立了巨大的神經(jīng)網(wǎng)絡(luò)。代表百度來講，我們是第一個建立深度學(xué)習(xí)的網(wǎng)絡(luò)，這就是火箭引擎，現(xiàn)在有很多公司步我們后塵。

現(xiàn)在舉個實例，深度學(xué)習(xí)如何了解互聯(lián)網(wǎng)。今天百度很多用戶是用語音搜索，很多太年幼的用戶，也有很多年齡大的用戶，或文化程度不高的用戶，無法用拼音搜索。對于他們，用語音搜索是唯一的方式可以讓我們知道他們的需求。如果在安靜的環(huán)境中，手機可以識別你的語音。如果在嘈雜的環(huán)境中，比如車里或者餐廳中，識別就不是很好，我們要想辦法解決這個問題。

傳統(tǒng)的方式是工程師要寫軟件，分解成小的軟件來解決這個問題。我們要不要換一個角度，為語音識別建立一個火箭發(fā)動機一樣的流程。一般來說最大的語音識別的數(shù)據(jù)是需要兩千小時的數(shù)據(jù)，我們要利用七千小時的語音數(shù)據(jù)來，燃料多三倍。我們后來又說從這七千小時語音數(shù)據(jù)來總結(jié)出十萬多個小時的數(shù)據(jù)，通過這些數(shù)據(jù)，可以建立矩陣，跟其他的語音識別系統(tǒng)，比別的api都好很多。在比較小的時間當中，建立出體系。在嘈雜的環(huán)境中也表現(xiàn)的比較好。秘訣就是我們有很大的引擎和很多的燃料。

為什么要說這個?市場上有很多的產(chǎn)品，但是語音會是一個改革互聯(lián)網(wǎng)很大的因素。在這個方面，中國其實領(lǐng)先于美國和其他國家很多，特別是在移動互聯(lián)網(wǎng)方面。我們花很多時間在智能手機上，用打字的方式溝通，即使在嘈雜的環(huán)境中用語音溝通，可以通過講話就可以給另一半發(fā)消息，如果語音識別繼續(xù)改進的話，以后這個技術(shù)可能改變我們的生活。

此外，語音識別也會對互聯(lián)網(wǎng)，家用電器帶來很大的改革。我有五個遙控器，如果我可以用講話控制的話就完美了。我現(xiàn)在還沒有下一代，但是我希望有一天我的兒子或?qū)O子一輩，可以問我在我小時候你跟你的微波爐講話卻沒有反應(yīng)這是真的嗎?太不禮貌了。未來語音識別會對我們的技術(shù)帶來翻天覆地的變化。

現(xiàn)在圍繞互聯(lián)網(wǎng)有很多變化，因為現(xiàn)在有很多的數(shù)據(jù)圍繞著語音，如果有很大的引擎很多的燃料，通過深度學(xué)習(xí)可以深入了解解決這些問題，可以改變我們使用技術(shù)的方式，也可以帶來其他領(lǐng)域，如金融這些方面的變化。你們可以看出來我非常興奮，另外還有炒作的因素，在過去有很多人提到了邪惡的機器人，有些人在擔心機器人可能會帶來負面影響。

其實我們現(xiàn)在掌握的技術(shù)是非常好的，我個人還不知道怎么建造出有自我感知的機器人。當然，我對于技術(shù)是很有激情的，我相信會改變我們的生活，給成千上萬人的生活帶來變化。有些炒作或擔心我覺得沒有必要。非常感謝。

問：有幾個問題，這些算法有很多的事情變了，百度不是唯一做深度學(xué)習(xí)的。你的前老板google也在做。很多公司都在做。什么變了?更大的數(shù)據(jù)庫?更高的購買力?更大的引擎?

答：你知道嗎，有一個我學(xué)習(xí)的事情是說你拿一個軟件，在很慢的機器里沒法運行，但用更快的電腦就可以做了。電腦越來越快，數(shù)據(jù)越來越多。這個很難，你知道，做軟件其實是個很難的事情。但是現(xiàn)在已經(jīng)在做十年，二十年前沒法做的事情。

問：而且價格顯著下降，Andrew解釋了在百度的一千個電腦做一個10億的鏈接?，F(xiàn)在這個更便宜了是吧?

答：降低成本的很大一個原因是我們意識到了很多技術(shù)更好。Google在云技術(shù)方面有很大的潛力，當我?guī)ьI(lǐng)google深度學(xué)習(xí)team，叫綠色團隊，我們用云只建立他們的網(wǎng)絡(luò)。這是沒問題的。他們用這個方法做了很多應(yīng)用。但是隨后我們發(fā)現(xiàn)，我們可以不用云，轉(zhuǎn)而用超級計算機的技術(shù)來降低成本，建立模型，如果在云里面做，會用成千的電腦來做，幾年，因此必須要防止電腦壞掉。您們的筆記本可能三年就壞了，那些百度投資的計算機很大的容量，因此不會壞。百度是世界領(lǐng)先，使用HPC技術(shù)建立新的網(wǎng)絡(luò)。

問：我們現(xiàn)在已經(jīng)介紹了，很多人在上網(wǎng)的時候，還沒有電腦，智能手機，語音識別這些東西，到底電腦的工作是否帶動更多人上網(wǎng)?

答：智能手機是個很親密的裝置。我有一個iphone 6plus，在美國朋友都問我為什么要用這個，太大了，但是在中國就顯得很小。在中國，智能手機大屏幕可以來工作，這是很好的機會，做更多的事。在美國我們一直在用桌上電腦，沒有很多人用移動電腦。但是在中國這是很好的機會。

問：最后一個問題，Andrew談到了一些關(guān)于深度學(xué)習(xí)的恐懼， 當然他是夸張的，但是有些聰明的人都嚇到了。Eli Billi 和Steven Hawking建立了一些人工智能專家，我想他們管這個叫未來學(xué)院。不提他們說話，你自己覺得為什么他們會如此恐懼和擔憂?

答：你知道么，有時候我覺得霍金掌握了一些關(guān)于人工智能的秘密，而我不知道。不過我不覺得這些邪惡機器人啊，世界末日的情況今天會有任何現(xiàn)實的可能性。這樣的炒作實際上給人類社會提出了不同的挑戰(zhàn)，比如就業(yè)。在很久時間，技術(shù)建立了很多機會。但是在歷史上來說，技術(shù)提出了很多就業(yè)方面的挑戰(zhàn)?？疵绹?，花了兩百年從農(nóng)業(yè)經(jīng)濟到如今不到2%的人是農(nóng)民。技術(shù)取代了農(nóng)業(yè)專業(yè)，農(nóng)民可以訓(xùn)練自己的子女做不同的工作。技術(shù)的變革越來越快，因此需要重新訓(xùn)練人，比如汽車產(chǎn)業(yè)，美國有三百五十萬的卡車司機必須重新找工作。如今的教育屆從來沒有面臨過的緊張是，現(xiàn)在就要訓(xùn)練很多人適應(yīng)新的生活方式，而不是訓(xùn)練子女。我非常顧慮，沒辦法及時訓(xùn)練需要的人。惡意機器人的炒作實際上是勞工話題，是學(xué)術(shù)界，政客一些嚴肅的人的炒作。（文章來自于新浪）