百度吳恩達(dá)：語音識別會推動物聯(lián)網(wǎng)的革命

2015年1月30日消息，百度Big Talk2015年第一期在美國硅谷開講，百度首席科學(xué)家吳恩達(dá)（Andrew Ng）在會上表示，百度是第一個(gè)建立深度學(xué)習(xí)的網(wǎng)絡(luò)，而深度學(xué)習(xí)將改變?nèi)斯ぶ悄埽@些機(jī)會體現(xiàn)在文本、圖像和語音識別。

吳恩達(dá)以火箭為例，“建造火箭需要一個(gè)很多的燃料（數(shù)據(jù)）和很大的引擎，深度學(xué)習(xí)就是讓火箭騰飛的引擎。”

目前，百度已經(jīng)在硅谷或中國建立了巨大的神經(jīng)網(wǎng)絡(luò)。他認(rèn)為，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，用算法讓他更智能，“建立了有效的深度學(xué)習(xí)的算法將會改變整個(gè)人工智能”。

具體的，深度學(xué)習(xí)為人工智能帶來的新機(jī)會體現(xiàn)在三個(gè)地方：文本、圖像和語音識別。

“電腦視覺是深度學(xué)習(xí)帶來的革命”。據(jù)吳恩達(dá)介紹，在計(jì)算機(jī)視覺方面，已經(jīng)有了一個(gè)很好的技術(shù)來建立圖像，未來幾年會改變醫(yī)學(xué)影像、圖像搜尋，以及新的產(chǎn)品和技術(shù)，比如Baidu Eye。

而在語音識別方面，會對互聯(lián)網(wǎng)、家用電器帶來很大的改革。吳恩達(dá)認(rèn)為，語音會是改革互聯(lián)網(wǎng)的很大一個(gè)因素。語音識別會推動物聯(lián)網(wǎng)的革命，比如汽車界面、家用設(shè)備，以及可穿戴設(shè)備。在這方面，特別是在移動互聯(lián)網(wǎng)方面，中國其實(shí)領(lǐng)先于美國和其他國家很多。

不過對于外界表述的惡意機(jī)器人帶來的負(fù)面影響，吳恩達(dá)認(rèn)為這些炒作和擔(dān)心沒有需要，這在今天是沒有任何實(shí)現(xiàn)的可能性。

他將惡意機(jī)器人的炒作歸結(jié)為勞工話題，是學(xué)術(shù)界和政客的炒作。“這樣的炒作實(shí)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(shí)間，技術(shù)建立了很多機(jī)會。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。我非常顧慮，沒辦法及時(shí)訓(xùn)練需要的人”。 

以下為吳恩達(dá)演講實(shí)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(xiǎn)、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(shí)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(diǎn)，對于在領(lǐng)先機(jī)構(gòu)里面的你們，你們能夠在策略上思考這些機(jī)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(gè)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(gè)非常基本的原因。為什么深度學(xué)習(xí)沖擊世界，因?yàn)槲覀兌伎梢詼y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(gè)虛擬圈里完成整個(gè)循環(huán)。

過去時(shí)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(jī)會。因?yàn)樵诨ヂ?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(dāng)時(shí)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(dāng)我們放大以后繼續(xù)來看。把他當(dāng)成紅的方塊。電腦的問題就是看到這些數(shù)據(jù)，色素的強(qiáng)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(gè)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(gè)相對容易，但是計(jì)算機(jī)視覺比這個(gè)要復(fù)雜得多，但我們看這個(gè)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(jìn)來，而你寫這個(gè)注解的能力，就是對這個(gè)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(gè)圖片，說，這個(gè)棒球運(yùn)動員準(zhǔn)備擊球，一個(gè)人在沖浪，一個(gè)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(gè)能力寫注解。所以我給你們一個(gè)驚喜，這個(gè)字幕不是人寫出來的，是電腦寫的，百度是第一個(gè)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(jì)算機(jī)視覺我們已經(jīng)建立了一個(gè)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(jì)算機(jī)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(gè)人工智能的方法。舉個(gè)例子。建造火箭，需要兩個(gè)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(gè)很大的引擎和很多的燃料才行的通，算法的時(shí)候也是，建立一個(gè)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(gè)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(diǎn)，幾年后我就開始了在google云項(xiàng)目，用一千個(gè)電腦建立的一億個(gè)神經(jīng)元的網(wǎng)絡(luò)，這其實(shí)為深度學(xué)習(xí)帶來很大進(jìn)展。后來我意識到這是一個(gè)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(gè)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(gè)實(shí)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(jī)可以識別你的語音。如果在嘈雜的環(huán)境中，比如車?yán)锘蛘卟蛷d中，識別就不是很好，我們要想辦法解決這個(gè)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(gè)問題。我們要不要換一個(gè)角度，為語音識別建立一個(gè)火箭發(fā)動機(jī)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(shí)的數(shù)據(jù)，我們要利用七千小時(shí)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(shí)語音數(shù)據(jù)來總結(jié)出十萬多個(gè)小時(shí)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(shí)間當(dāng)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(gè)？市場上有很多的產(chǎn)品，但是語音會是一個(gè)改革互聯(lián)網(wǎng)很大的因素。在這個(gè)方面，中國其實(shí)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(shí)間在智能手機(jī)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(jìn)的話，以后這個(gè)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(gè)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(shí)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?yàn)楝F(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(jī)器人，有些人在擔(dān)心機(jī)器人可能會帶來負(fù)面影響。其實(shí)我們現(xiàn)在掌握的技術(shù)是非常好的，我個(gè)人還不知道怎么建造出有自我感知的機(jī)器人。當(dāng)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(dān)心我覺得沒有必要。非常感謝。

問：有幾個(gè)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(gè)我學(xué)習(xí)的事情是說你拿一個(gè)軟件，在很慢的機(jī)器里沒法運(yùn)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(gè)很難，你知道，做軟件其實(shí)是個(gè)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(jià)格顯著下降，Andrew解釋了在百度的一千個(gè)電腦做一個(gè)10億的鏈接?，F(xiàn)在這個(gè)更便宜了是吧？

答：降低成本的很大一個(gè)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(dāng)我?guī)ьI(lǐng)google深度學(xué)習(xí)team，叫綠色團(tuán)隊(duì)，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(gè)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(jì)算機(jī)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(jì)算機(jī)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(shí)候，還沒有電腦，智能手機(jī)，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(jī)是個(gè)很親密的裝置。我有一個(gè)iphone 6plus，在美國朋友都問我為什么要用這個(gè)，太大了，但是在中國就顯得很小。在中國，智能手機(jī)大屏幕可以來工作，這是很好的機(jī)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(jī)會。

問：最后一個(gè)問題，Andrew談到了一些關(guān)于深度學(xué)習(xí)的恐懼， 當(dāng)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(gè)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(dān)憂？

答：你知道么，有時(shí)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(jī)器人啊，世界末日的情況今天會有任何現(xiàn)實(shí)的可能性。這樣的炒作實(shí)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(shí)間，技術(shù)建立了很多機(jī)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藘砂倌陱霓r(nóng)業(yè)經(jīng)濟(jì)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(jī)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(shí)訓(xùn)練需要的人。惡意機(jī)器人的炒作實(shí)際上是勞工話題，是學(xué)術(shù)界，政客一些嚴(yán)肅的人的炒作。