說到人工智能和機(jī)器人，上點(diǎn)兒歲數(shù)的碼農(nóng)們可能對(duì)封面這張圖有點(diǎn)印象。不明就里的朋友，可以回去補(bǔ)習(xí)一下《編輯部的故事》。
我是個(gè)二手的人工智能表演藝術(shù)家：從博士畢業(yè)開始，就在MSRA做了幾年語(yǔ)音識(shí)別項(xiàng)目的研究。雖然我們的兩任院長(zhǎng)——李開復(fù)老師和洪小文老師都是語(yǔ)音研究出身，卻絲毫不能改變當(dāng)年這一項(xiàng)目在全院最雞肋的地位。
為什么雞肋呢？因?yàn)樵诋?dāng)年，各種各樣的人工智能應(yīng)用能真刀真槍上陣的并不多。就拿語(yǔ)音識(shí)別來(lái)說，從幾十年前IBM和AT&T提出人類用語(yǔ)音與機(jī)器交互這一偉大的設(shè)想以來(lái)，就有無(wú)數(shù)的業(yè)內(nèi)業(yè)外人士為之激動(dòng)、為之奮斗，也為之失望。我們都知道新技術(shù)的發(fā)展有條Gartner曲線，先被炒得大熱，再跌下來(lái)，又慢慢爬坡到穩(wěn)定的狀態(tài)。語(yǔ)音識(shí)別或人工自然則不然：它被爆炒了好幾次，也深深地摔下來(lái)好幾次。這一方面反映了人工智能問題的巨大吸引力，也體現(xiàn)了它巨大的難度。在我從事語(yǔ)音的那幾年，恰逢一個(gè)谷底時(shí)期，那是有無(wú)數(shù)的“有識(shí)之士”紛紛站出來(lái)表達(dá)對(duì)互聯(lián)網(wǎng)糙快猛的膜拜，并夾槍帶棒地表達(dá)對(duì)人工智能的鄙夷，認(rèn)為我們不過是馬勺上的蒼蠅——混飯吃的。我們要是向互聯(lián)網(wǎng)界提起自己是做“語(yǔ)音識(shí)別”的，也放佛在兩會(huì)會(huì)場(chǎng)上上偷看了毛片那樣無(wú)地自容。
然而不得不說，在真正從事人工智能的那幾年里，我接觸到了到目前為止看來(lái)最嚴(yán)謹(jǐn)、最具學(xué)者風(fēng)范的幾位良師和益友。比如我第一任的老板，Bell Labs來(lái)的資深科學(xué)家宋謌平老師、第二任的老板，原港大教授霍強(qiáng)老師、以及多年的好友，現(xiàn)科大訊飛執(zhí)行總裁胡郁等。這些人工智能專家身上都有一種共同的特質(zhì)：思維深邃又有獨(dú)立見解，長(zhǎng)期甘守寂寞，在人工智能的低潮期從未放棄探索與研究。
那么事情是什么時(shí)候發(fā)生轉(zhuǎn)折的呢？2010年前后，我以前微軟的同事俞棟老師、鄧力老師等，將深度學(xué)習(xí)在圖像領(lǐng)域的突破移植到語(yǔ)音識(shí)別領(lǐng)域，一下子把識(shí)別錯(cuò)誤率降低了20%以上，這讓原來(lái)感覺總是差點(diǎn)兒火候的語(yǔ)音識(shí)別突然看到了在某些場(chǎng)景下實(shí)用的希望。從圖像、語(yǔ)音等領(lǐng)域的突破開始，人工智能的一個(gè)新春天又悄然來(lái)臨，同時(shí)也火了“深度學(xué)習(xí)”這個(gè)詞。
“深度學(xué)習(xí)”這個(gè)詞兒，實(shí)在是太美妙了，不是有鄧麗君的一句歌詞么？“你問我愛你有多深？我愛你八公分！”深，就意味著莫測(cè)，意味著正常人的智商大概難以企及。正常人不明白的事兒從我嘴里說出來(lái)，那我不牛逼誰(shuí)牛逼？就是因?yàn)檫@樣一個(gè)逼格甚高的詞兒（有點(diǎn)兒像廣告領(lǐng)域的“程序化交易”），再加上若干人工智能應(yīng)用確實(shí)有了一定的突破，在今天，人工智能已經(jīng)替代大數(shù)據(jù)、O2O，成為互聯(lián)網(wǎng)各位賣野藥的、開秀場(chǎng)的、搞劫持的、做流氓軟件的諸企業(yè)家們最好的春藥。
在春藥的加持下，大佬們紛紛把自己滿肚子的互聯(lián)網(wǎng)思維嘔吐出來(lái)，擺出一副智能仁波切的嘴臉，像念“嗡嘛呢叭咪吽”那樣把“人工智能、深度學(xué)習(xí)、機(jī)器人、無(wú)人駕駛”等詞匯擺在嘴邊，并且具備了時(shí)刻達(dá)到高潮的能力。我曾經(jīng)有幸聽過幾位大佬有關(guān)人工智能的論述和演講，據(jù)說他們都已經(jīng)成為人工智能先驅(qū)者一個(gè)多禮拜了。就內(nèi)容而言，有一種郭德綱做政府工作報(bào)告的莫名喜感，只不過沒有那么密集的包袱罷了。
在智商不夠的人看來(lái)，一切都是智能的。于是乎，一些充滿了邪教氣息的論斷，在互聯(lián)網(wǎng)界開始甚囂塵上，例如：
“機(jī)器學(xué)習(xí)模型依靠左右互搏，可以迅速達(dá)到很高的智能水準(zhǔn)?！?/span>（說他們智商低，是因?yàn)檫@一點(diǎn)他們真信了。）
“人工智能毀滅人類的奇點(diǎn)即將來(lái)到！”（我認(rèn)為機(jī)器早就能毀滅人類了，不過這跟人工智能并沒有關(guān)系。）
只有人工智能才能拯救人類！”（潛臺(tái)詞是：只有我這樣人工智能的使者才能拯救你們?。?/span>
“我們的產(chǎn)品融合了大數(shù)據(jù)和人工智能技術(shù)?！?/span>（其實(shí)多數(shù)情況下不過是用hadoop跑了個(gè)腳本。）
作為一個(gè)知識(shí)分子，我是不太擅長(zhǎng)罵人的。咱們還是先講講道理，看看深度學(xué)習(xí)到底解決了什么，還有哪些挑戰(zhàn)。
實(shí)際上，到今天為止，無(wú)論什么樣的機(jī)器學(xué)習(xí)，本質(zhì)上都是在統(tǒng)計(jì)數(shù)據(jù)，從中歸納出模型。實(shí)際上，很早以前大家就認(rèn)識(shí)到，深層的神經(jīng)網(wǎng)絡(luò)比起淺層的模型，在參數(shù)數(shù)量相同的情形下，深層模型具有更強(qiáng)的表達(dá)能力。這個(gè)概念說起來(lái)也好理解：用同樣的面積的鐵皮，做個(gè)桶比做個(gè)盤子盛的水要多一些。對(duì)此，馬三立大師早有論述：碗比盤深，盆比碗深，缸比盆深，最淺的是碟子，最深的是缸。而盤子或桶里的水，則類比于模型可以接納并總結(jié)的數(shù)據(jù)：太淺層的模型，其實(shí)很容易自滿，即使有大量的數(shù)據(jù)灌進(jìn)去，也并沒有什么卵用。
既然很早就知道深層模型的表達(dá)能力更強(qiáng)，那么為什么近年來(lái)深度學(xué)習(xí)才大放異彩呢？那是因?yàn)橥半m然盛水多，我們以前卻沒有掌握將它高效率地灌滿的辦法。也就是說，以前對(duì)深度神經(jīng)網(wǎng)絡(luò)，沒有太有效的工程優(yōu)化方法。一個(gè)大桶擺在那兒，卻只能用耳挖勺一勺勺往里灌水，多怎才能灌滿?。恐钡奖臼兰o(jì)，Geoffrey Hilton和他的學(xué)生發(fā)明了用GPU來(lái)優(yōu)化深度神經(jīng)網(wǎng)絡(luò)的工程方法，這就好比灌水時(shí)發(fā)明了水管，極大地提高了效率。這樣的工程方法產(chǎn)生后，深度神經(jīng)網(wǎng)絡(luò)才變成工業(yè)界實(shí)用的武器，并且在若干領(lǐng)域都帶來(lái)了里程碑式的變化。
桶有了，水管也有了，還缺什么呢？當(dāng)然就是水了。對(duì)深度學(xué)習(xí)模型而言，水就是海量的數(shù)據(jù)。比方說原來(lái)用淺層的模型做人臉識(shí)別，訓(xùn)練樣本到了一定的規(guī)模，再多就沒有用了，因?yàn)楸P子已經(jīng)灌滿了，再灌就盛不了了。可是，改用深度學(xué)習(xí)，再加上有了水管以后，數(shù)據(jù)一直往里面灌，模型還是可以繼續(xù)學(xué)習(xí)和提高。就拿機(jī)器識(shí)別物體這樣的任務(wù)來(lái)說，通過數(shù)百萬(wàn)副圖片的訓(xùn)練，深度學(xué)習(xí)模型甚至可以超過人的肉眼的識(shí)別能力，這確實(shí)是人工智能在感知類問題上重要的里程碑。
然而，上面的例子提醒我們：人工智能和人的智能，還真的不是一回事。幾歲的小孩子，大人給他指過一次貓，下次他十有八九就能認(rèn)出來(lái)。然而不論是多強(qiáng)的人工智能模型，也不可能看幾張貓的圖片，就能準(zhǔn)確地認(rèn)識(shí)貓。也就是說，深度神經(jīng)網(wǎng)絡(luò)的“智能”，是建立在海量數(shù)據(jù)基礎(chǔ)之上的，因此，深度學(xué)習(xí)與大數(shù)據(jù)，有著非常緊密的內(nèi)在聯(lián)系。
關(guān)于深度學(xué)習(xí)，還有一個(gè)有趣的現(xiàn)象。就目前情況來(lái)看，深度學(xué)習(xí)技術(shù)在互聯(lián)網(wǎng)應(yīng)用（例如廣告、推薦等）上取得的提高，沒有語(yǔ)音圖像這些領(lǐng)域那樣顯著。這里面有什么規(guī)律性的解釋么？個(gè)人認(rèn)為，自然現(xiàn)象的數(shù)據(jù)處理，例如語(yǔ)音識(shí)別，我們完全可以通過主動(dòng)的語(yǔ)料采集，讓各個(gè)phoneme甚至biphone、triphone都挺有充分的覆蓋；而互聯(lián)網(wǎng)收集的社會(huì)行為，例如廣告點(diǎn)擊、新聞閱讀這些數(shù)據(jù)，Ground truth并不清晰：即使對(duì)于同一個(gè)人、同一則廣告、同一個(gè)廣告位，點(diǎn)擊與否也是個(gè)很不確定的事件，而這樣的不確定性即使引入再多的上下文信息，也不可能消除。而引入了大量的上下文信息（即模型需要的feature）后，在每個(gè)片段上的數(shù)據(jù)實(shí)際上非常稀少，并不能滿足深度學(xué)習(xí)模型徹底進(jìn)化的需要。怎么解決這個(gè)問題呢？最近爆火的Alphago采用的deep reinforcement learning方法論，或有是個(gè)啟發(fā)。
以上種種人工智能技術(shù)經(jīng)歷的磨難與輝煌，乃至更加波瀾壯闊的未來(lái)，都需要參與者們抱定一顆平常心，以十年磨一劍的決心和毅力去攻克一個(gè)個(gè)產(chǎn)品與技術(shù)難關(guān)。同時(shí)，這需要對(duì)于科學(xué)技術(shù)真正的信仰與堅(jiān)持，因?yàn)?/span>人工智能不同于賣盒飯或者搞劫持，凡小學(xué)肄業(yè)以上文化程度，對(duì)手段之道德底線無(wú)特殊要求者皆可以勝任，它需要對(duì)于科學(xué)技術(shù)真正的信仰與堅(jiān)持，對(duì)于背景理論多年的修養(yǎng)與磨練，遠(yuǎn)非看上去那樣簡(jiǎn)單美好。
資本與大佬們對(duì)于人工智能的追捧，當(dāng)然不能說是壞事。不過說實(shí)話，在里面確實(shí)也能多少嗅出一些單純追逐風(fēng)口、順風(fēng)接屁的惡趣味。這個(gè)領(lǐng)域已經(jīng)被捧殺了好幾回，好不容易有些轉(zhuǎn)機(jī)，還是給大家正確的普及、合理的預(yù)期比較重要。就拿語(yǔ)音識(shí)別來(lái)說，Benchmark集合上詞正確率的提升，其實(shí)并不意味著人機(jī)直接用語(yǔ)言進(jìn)行交流已經(jīng)可以暢通無(wú)阻：各種復(fù)雜噪音環(huán)境下的魯棒性問題、自然語(yǔ)言理解的巨大挑戰(zhàn)、找到適合語(yǔ)音交流的殺手級(jí)應(yīng)用場(chǎng)景，這些都是當(dāng)我們推門以為豁然開朗時(shí)，又發(fā)現(xiàn)橫亙?cè)诿媲暗耐跷菖c太行。理性的人工智能從業(yè)者，不要輕信各種花色品種的大佬們場(chǎng)外吃了春藥后的搖旗吶喊——因?yàn)槟悴⒎钦蚪K點(diǎn)沖刺，而是剛剛踏上跑道。
（圖片來(lái)自@南大周志華 老師微博）
春藥吃下去，High是能High一陣，但精盡人亡就不好了。那些把人工智能捧成耶和華一般的行業(yè)分析師與大佬，是十分值得警惕的：我敢斷言，當(dāng)此領(lǐng)域再遇波折，將“人工智能”這四個(gè)字踩在腳下、惡狠狠淬上一口的，還會(huì)是這一撥人。而其中有些個(gè)別人惡俗的熱捧，則可以說是人工智能的恥辱——西施長(zhǎng)得好不好，是不需要八大胡同的選美比賽來(lái)品頭論足的。
