百度首席科学家：解析人工智能和大数据

百度首席科学家吴恩达（Andrew Ng）在硅谷的百度BIG TALK大会上发表演讲。吴恩达表示，深度算法将和大数据结合，使新的人工智能算法越来越好，未来人工智能虚拟圈里完成整个循环。

恩达解释道，以前人工智能的虚拟圈，比如做一个很好的产品，可以得到很多很好的用户，这些用户可以提供很多的数据。最后，用人工智能就可以让很多的产品越来越好，让你得到越来越多的用户，如此产生人工智能的良性循环。

如今，人们沟通已经从文字转向图像和语音，未来这方面将有很大机会。百度为此正在经历改变。吴恩达认为这个给百度带来了新的机会。不过，这些都需要电脑理解图像基础上进行，而百度是第一个用神经网络技术写的。

吴恩达指出，电脑视觉是深度学习带来的革命。百度已经建立了有效的深度学习的算法，改变整个人工智能的方法。而百度为什么能够实现深度学习，吴恩达给出了自己答案，就是百度拥有强大的数据收集能力，比如，用户使用语音搜索，这个过程虽然简单，但是这是在百度综合各种环境后，从7千万语音数据中，从来总结出十万多个小时的数据，通过这些数据，可以建立矩阵，跟其他的语音识别系统效果要更好。这背后秘诀就是百度拥有强大数据来支撑。

吴恩达认为，语音会是一个改革互联网很大的因素。中国其实领先于美国和其他国家很多，特别是在移动互联网方面。我们花很多时间在智能手机上，用打字的方式沟通，即使在嘈杂的环境中用语音沟通，可以通过讲话就可以给另一半发消息，如果语音识别继续改进的话，以后这个技术可能改变我们的生活。此外，语音识别也会对互联网，家用电器带来很大的改革。

吴恩达演讲全文：

非常高兴大家可以在硅谷相聚，在过去几年有一种人工智能已经开始起飞了，对硅谷有很大的冲击，就像Jason所讲，今天你会听到人工智能如何冲击并改变医疗保险、教育和其他领域。

这里面有很多种操作，今天我想和大家分享两件事情，第一件，什么是，和什么不是深度学习，在二十分钟的时间里面我们希望可以让你知道这样的技术是什么。第二点，对于在领先机构里面的你们，你们能够在策略上思考这些机构—公司、学校、企业是否要做深度学习的技术。

多年以来，我们一直有这样的创意，就是人工智能的虚拟圈，比如做一个很好的产品，可以得到很多很好的用户，这些用户可以提供很多的数据。最后，用人工智能就可以让很多的产品越来越好，让你得到越来越多的用户，如此产生人工智能的良性循环。但是这样的理念根本没有成功，在这幅拼图里面所缺失的最大一环，就是人工智能。来看早一代的人工智能算法，即使有很多的数据支持，但是表现功能不会越来越好，在我脑中有一个非常基本的原因。为什么深度学习冲击世界，因为我们都可以测量算法，所以在大数据里面，新的人工智能的算法越来越好，我们可以第一次在整个虚拟圈里完成整个循环。

过去时间，很多沟通都是通过文字，过去十年间网页就是一堆文字。如今在百度，我们看到，特别是在移动互联网领域，沟通已经改变成为了图像和语音。百度已经经历改变十五年了，现在就要跟大家分享在图像语音方面的机会。因为在互联网上的沟通，提供更好的服务，给各国和全世界使用。现在谈谈百度如何理解图像和语音。

七年前，在斯坦福，我让我的学生写程序识别咖啡杯的图像，他们用了当时最好的图像和算法，这就是他们得到的结果。他们发现到处都是咖啡杯，为什么识别咖啡杯这么困难？当我们放大以后继续来看。把他当成红的方块。电脑的问题就是看到这些数据，色素的强度，告诉我们这些数据定义了咖啡杯，所以长久以来这是在电脑图像方面不足的地方。神经元网络的技术很有前景，人脑的工作被激发开来，因此模拟神经元的信号，用算法让他更具有智能。在深度学习，刚才讲的热磁，来模拟人脑，很多研究人员想用这个热磁。可是神经学家知道根本不可能知道人脑如何工作。我的朋友开玩笑说，神经网络好像用卡通画脑子。过度简单的用卡通描述脑子，因此对大脑不是非常了解。这些程序可以了解这些物体，能做的就是说照张相，给神经网络很多数据，很多咖啡杯图像，可以来学习，可以来说这是咖啡杯。这只是识别咖啡杯，是个相对容易，但是计算机视觉比这个要复杂得多，但我们看这个图像，看到很多东西。如果要给很多注解的话，你就说，黄色大巴开在路上，右边的画，你就说，一间起居室，很多阳光照进来，而你写这个注解的能力，就是对这个图像的深度理解。那么，可不可以让电脑理解图片和我们做的一样？如果要让你用中文来注解这张图片，同样，你就看这个图片，说，这个棒球运动员准备击球，一个人在冲浪，一个车停在现场。

所以，电脑是否可以理解图像，好像我们有这个能力写注解。所以我给你们一个惊喜，这个字幕不是人写出来的，是电脑写的，百度是第一个用神经网络技术写的。现在还有其他好多公司来尾随我们。所以我们今天在的位置在哪里呢？在计算机视觉我们已经建立了一个很好的技术来建立图像。我们在对美国听众展示用中文写的字幕。既然已经有非常复杂的电脑技术，现在就是应用是什么。电脑可以了解在过去五年有长足的发展。应用是什么？医学影像，图像的搜寻，买什么衣服，百度还有其他公司有这样的计算机视觉技术，尝试产品和技术，今天也不知道最好的应用是什么，未来几年会改变这方面的情况。

所以，电脑视觉是深度学习带来的革命。为什么深度学习，也就是神经网络如今有迅猛的发展？这就是我们来建立了有效的深度学习的算法，改变整个人工智能的方法。举个例子。建造火箭，需要两个部分组成，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，这是无法工作的，反之亦然。所以需要有一个很大的引擎和很多的燃料才行的通，算法的时候也是，建立一个很大很大的神经网络。另外数据就是燃料，在整个人类社会的数据化，可以看到很多以前拿不到的数据。这就是很大的可以腾飞的火箭。因此未来的最近今年的深度学习就是让火箭可以腾飞。大概是2010，五年前，最大的神经网络有一千万的连接点，几年后我就开始了在google云项目，用一千个电脑建立的一亿个神经元的网络，这其实为深度学习带来很大进展。后来我意识到这是一个非常昂贵的技术，有朋友就意识到用不同的技术，用其他gpu技术，在电脑里面处理讯息图像的技术可以建立这样的神经网络，用大的引擎飞火箭。比过去还大十倍。今天在百度，硅谷或中国建立了巨大的神经网络。代表百度来讲，我们是第一个建立深度学习的网络，这就是火箭引擎，现在有很多公司步我们后尘。

现在举个实例，深度学习如何了解互联网。今天百度很多用户是用语音搜索，很多太年幼的用户，也有很多年龄大的用户，或文化程度不高的用户，无法用拼音搜索。对于他们，用语音搜索是唯一的方式可以让我们知道他们的需求。如果在安静的环境中，手机可以识别你的语音。如果在嘈杂的环境中，比如车里或者餐厅中，识别就不是很好，我们要想办法解决这个问题。传统的方式是工程师要写软件，分解成小的软件来解决这个问题。我们要不要换一个角度，为语音识别建立一个火箭发动机一样的流程。一般来说最大的语音识别的数据是需要两千小时的数据，我们要利用七千万小时的语音数据来，燃料多三倍。我们后来又说从这七千万小时语音数据来总结出十万多个小时的数据，通过这些数据，可以建立矩阵，跟其他的语音识别系统，比别的api都好很多。在比较小的时间当中，建立出体系。在嘈杂的环境中也表现的比较好。秘诀就是我们有很大的引擎和很多的燃料。

为什么要说这个？市场上有很多的产品，但是语音会是一个改革互联网很大的因素。在这个方面，中国其实领先于美国和其他国家很多，特别是在移动互联网方面。我们花很多时间在智能手机上，用打字的方式沟通，即使在嘈杂的环境中用语音沟通，可以通过讲话就可以给另一半发消息，如果语音识别继续改进的话，以后这个技术可能改变我们的生活。

此外，语音识别也会对互联网，家用电器带来很大的改革。我有五个遥控器，如果我可以用讲话控制的话就完美了。我现在还没有下一代，但是我希望有一天我的儿子或孙子一辈，可以问我在我小时候你跟你的微波炉讲话却没有反应这是真的吗？太不礼貌了。未来语音识别会对我们的技术带来翻天覆地的变化。

现在围绕互联网有很多变化，因为现在有很多的数据围绕着语音，如果有很大的引擎很多的燃料，通过深度学习可以深入了解解决这些问题，可以改变我们使用技术的方式，也可以带来其他领域，如金融这些方面的变化。你们可以看出来我非常兴奋，另外还有炒作的因素，在过去有很多人提到了邪恶的机器人，有些人在担心机器人可能会带来负面影响。其实我们现在掌握的技术是非常好的，我个人还不知道怎么建造出有自我感知的机器人。当然，我对于技术是很有激情的，我相信会改变我们的生活，给成千上万人的生活带来变化。有些炒作或担心我觉得没有必要。