在近日舉行的騰訊研究院年會(huì)上，騰訊副總裁、AI Lab院長(zhǎng)姚星發(fā)表了《AI 真實(shí)的希望與喧嘩的隱憂》主題演講，介紹了騰訊人工智能部門的發(fā)展歷程，同時(shí)也對(duì)機(jī)器學(xué)習(xí)和人工智能的未來談了自己的看法。機(jī)器之心參與了本次會(huì)議，并對(duì)演講內(nèi)容進(jìn)行了整理。

 

姚星首先回顧騰訊與中國(guó)互聯(lián)網(wǎng)二十年的發(fā)展歷程，從最初的窄帶時(shí)代到現(xiàn)在的移動(dòng)互聯(lián)網(wǎng)時(shí)代，在每一個(gè)重要節(jié)點(diǎn)騰訊都有一款重量級(jí)產(chǎn)品出現(xiàn)。在最近進(jìn)入到 AI 爆發(fā)的階段，騰訊也順勢(shì)成立了自己的 AI Lab。演講中正式向外公布騰訊 AI Lab 所關(guān)注 AI 四個(gè)基礎(chǔ)研究領(lǐng)域和 4 個(gè)專屬研究方向。也談及在趨之若鶩的 AI 浪潮中，大家對(duì)人工智能的希望來自于深度學(xué)習(xí)的算法、模型和數(shù)學(xué)理論的突破，但同時(shí)深度學(xué)習(xí)自身的能力局限、計(jì)算能力的限制以及數(shù)學(xué)理論的不可解釋性為過高的期望降溫。

以下為演講內(nèi)容整理：

各位朋友大家下午好。今天我演講的題目——AI：真實(shí)的希望與喧嘩的隱憂。希望表明了大家對(duì) AI 的期待，而隱憂則說明大家期望過高。

騰訊與中國(guó)互聯(lián)網(wǎng)二十年的發(fā)展

回顧中國(guó)互聯(lián)網(wǎng)過去二十年的發(fā)展，這二十年是信息高速發(fā)展的二十年，大致經(jīng)歷了三個(gè)發(fā)展階段：上個(gè)世紀(jì)九十年代、21 世紀(jì)初期以及2010 年后。

 

 

在上世紀(jì)九十年代初期，中國(guó)第一次連上互聯(lián)網(wǎng)——「跨越長(zhǎng)城，連接世界」。隨著第一封 e-mail 的發(fā)出，中國(guó)正式進(jìn)入到互聯(lián)網(wǎng)大家庭中來。但是由于當(dāng)時(shí)網(wǎng)絡(luò)速度的問題，大部分互聯(lián)網(wǎng)應(yīng)用只限于溝通。溝通解決了當(dāng)時(shí)的很多問題，人們不再需要面對(duì)面才能進(jìn)行交流，或者通過傳統(tǒng)書信的方式進(jìn)行溝通。不論天涯海角，只要能連上互聯(lián)網(wǎng)，人們總是可以接觸到信息。

隨著整個(gè)網(wǎng)絡(luò)設(shè)備和傳輸能力的發(fā)展，特別是 2000 年以來，網(wǎng)吧的大量涌現(xiàn)、網(wǎng)絡(luò)連接速度的大幅提升、網(wǎng)絡(luò)帶寬速度的快速提升，人們對(duì)互聯(lián)網(wǎng)的訴求不再僅僅是消息的傳遞和溝通，更多的是分享。當(dāng)時(shí)興起了很多基于分享的應(yīng)用，博客、MSN、 Facebook、QQ 空間等都是基于分享的。人人為我，我為人人——有很多內(nèi)容或者信息都是通過互聯(lián)網(wǎng)來分享的，比如跟朋友分享生活的喜悅和苦惱。

隨后移動(dòng)時(shí)代的發(fā)展，特別是以智能手機(jī)為代表的智能終端的發(fā)展，也即自 2010 年以來，移動(dòng)互聯(lián)網(wǎng)高速發(fā)展所帶來明顯的變革——人們不再受限于特定時(shí)間和特定空間的互聯(lián)網(wǎng)連接。以前大家都是在網(wǎng)吧或者工作的地方才能獲取互聯(lián)網(wǎng)信息，現(xiàn)在大家隨時(shí)隨地通過智能手機(jī)就可以與互聯(lián)網(wǎng)連接。可以看出，中國(guó)互聯(lián)網(wǎng)過往二十年的發(fā)展是隨著設(shè)備的發(fā)展、產(chǎn)業(yè)的發(fā)展、信息產(chǎn)業(yè)的發(fā)展而演進(jìn)的。

伴隨著互聯(lián)網(wǎng)過往二十年的發(fā)展，騰訊在過去二十年里做了些什么?實(shí)際上在每一個(gè)階段，騰訊都有一款重量級(jí)的產(chǎn)品出現(xiàn)。

 

在上世紀(jì)九十年代，也即中國(guó)互聯(lián)網(wǎng)的早期發(fā)展階段——窄帶時(shí)代，就如剛才所說，當(dāng)時(shí)的互聯(lián)網(wǎng)主要是用于溝通，在那個(gè)階段騰訊推出了 QQ。QQ 是目前世界上同時(shí)在線人數(shù)最多的應(yīng)用，已經(jīng)達(dá)到兩億人同時(shí)在線的體量。而到了寬帶時(shí)代，在 2000 年初的時(shí)候，QQ 空間誕生。QQ 空間目前日上傳照片數(shù)超過五億張，這個(gè)規(guī)模跟世界上最大的社交網(wǎng)絡(luò) Facebook 相比，幾乎是同一個(gè)量級(jí)，在總照片數(shù)量上跟 Facebook 也幾乎是同一個(gè)量級(jí)(2013 年 Facebook 公開數(shù)據(jù)顯示其日上傳照片數(shù)大概是在 2.5 億張左右，總照片數(shù)大概 6000 億張)。

然后來到移動(dòng)互聯(lián)網(wǎng)時(shí)代，為大家所熟知的一個(gè)產(chǎn)品就是微信。這款產(chǎn)品不僅是一個(gè)簡(jiǎn)單的應(yīng)用，WeChat 是一個(gè)超級(jí) APP。微信不僅解決了溝通問題，還解決了社交、分享的問題，還支持線下支付、線下打車，甚至醫(yī)院掛號(hào)看病、交水電費(fèi)等一系列功能都可以在這一個(gè)軟件上實(shí)現(xiàn)。實(shí)際上，騰訊的這三款產(chǎn)品在整個(gè)世界范圍內(nèi)都是領(lǐng)先的。

從整個(gè)發(fā)展史來看，我們可以看出過往的發(fā)展史經(jīng)歷窄帶時(shí)代、寬帶時(shí)代，然后到現(xiàn)在的移動(dòng)互聯(lián)網(wǎng)時(shí)代，它猶如生物進(jìn)化一般，從原始的單細(xì)胞生物到多細(xì)胞生物到最后有智能的生物。那么今年來講「智能」，智能會(huì)更加的廣義，不僅僅是智能終端，大家討論更多的智能是 AI。

 

騰訊的 AI 布局

2016 年正好是 AI 發(fā)展六十周年，從去年開始 AI 迅速爆發(fā)，可以說是家喻戶曉。這也是為什么我剛剛在跟很多嘉賓聊的時(shí)候說，大家覺得騰訊在 AI 上很低調(diào)，沒有什么大動(dòng)作。甚至有很多人問我騰訊到底有沒有在做 AI?怎么從來沒有向外界宣布任何 AI 相關(guān)的布局規(guī)劃呢?實(shí)際上騰訊有自己的 AI 部門，從 2016 年 4 月份開始，騰訊成立了自己的 AI Lab，目前已經(jīng)有 30 多位的 Research Scientists，絕大多數(shù)擁有博士學(xué)歷及以上且都有海外研究經(jīng)歷。他們中業(yè)界的來自于微軟、IBM、Facebook 等公司，學(xué)術(shù)界是從世界最頂級(jí)學(xué)府引進(jìn)的人才，包括斯坦福、加州伯克利、康奈爾、麻省理工、哥倫比亞大學(xué)等頂級(jí)高校。

 

 

目前在騰訊，我們已經(jīng)組織了一個(gè) 30 人左右的 AI Lab，而且規(guī)模還在擴(kuò)張。騰訊的 AI 可能不像其它公司的 AI 為人所了解，比如說谷歌的 AI，很多人都知道 DeepMind 在做圍棋，他們用強(qiáng)化學(xué)習(xí)來實(shí)現(xiàn)，而且他們用強(qiáng)化學(xué)習(xí)來完成很多任務(wù)。以及他們提出了很多的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)(neural network)，比如 WaveNet，deepNet，LipNet 等;而百度為大家所熟知的有無人車、度秘等一些產(chǎn)品。但騰訊的 AI 一直沒有對(duì)外宣傳，今天我也跟大家分享騰訊在 AI 上面的一些考慮。

實(shí)際上騰訊的 AI 主要基于四個(gè)垂直領(lǐng)域，計(jì)算機(jī)視覺(Computer Vision)、語音識(shí)別(Speech Recognition)、自然語言處理(NLP)和機(jī)器學(xué)習(xí)(Machine Learning)，每一個(gè)領(lǐng)域都是代表了 AI 的一個(gè)基礎(chǔ)的研究方向，但是每個(gè)領(lǐng)域都可以更多深層次的研究拓展。比如在計(jì)算機(jī)視覺領(lǐng)域，除了傳統(tǒng)的圖像處理還會(huì)有增強(qiáng)現(xiàn)實(shí)(AR)的研究拓展，也會(huì)引入空間定位(Simultaneous Localization and Mapping)技術(shù);比如在語音識(shí)別領(lǐng)域，我們除了傳統(tǒng)的語音識(shí)別、語音合成以外，還會(huì)引入更多的跟語音相關(guān)的拓展研究比如說自動(dòng)翻譯(Translation)。另外在 NLP 里，除了傳統(tǒng)的自然語言處理的對(duì)人的認(rèn)知行為的一些研究，我們還會(huì)做聊天機(jī)器人的一些研究。在 ML 里，從監(jiān)督類的機(jī)器學(xué)習(xí)到無監(jiān)督的機(jī)器學(xué)習(xí)，然后到增強(qiáng)學(xué)習(xí)的機(jī)器學(xué)習(xí)，都會(huì)展開相關(guān)的研究。這四個(gè)領(lǐng)域基本上涵蓋了當(dāng)今整個(gè) AI 基礎(chǔ)研究領(lǐng)域的方方面面，也是騰訊 AI Lab 將會(huì)關(guān)注的四個(gè)基礎(chǔ)研究領(lǐng)域。

 

然后我們還提出了四個(gè)專屬的研究方向，這是結(jié)合整個(gè)騰訊公司的業(yè)務(wù)來進(jìn)行的。

我們提出了內(nèi)容 AI(Content AI)，我們把基于內(nèi)容類的推薦和搜索類的應(yīng)用都?xì)w屬在內(nèi)容 AI 里。

另外還有我們的社交 AI(Social AI)，騰訊是一個(gè)社交應(yīng)用上很強(qiáng)勢(shì)的公司，包括剛剛說的 QQ 空間、微信都是社交平臺(tái)，所以在社交 AI 上面我們會(huì)基于社交考慮來研究相關(guān)的 AI 技術(shù)，比如社交中的對(duì)話、聊天機(jī)器人、智能助手等，都會(huì)納入這個(gè)研究方向中來。

另外一個(gè)方向，我認(rèn)為是和全世界其他所有的公司都不太一樣的一個(gè) AI 方向，即我們的游戲 AI(Game AI)。大家可能會(huì)問我，DeepMind 也有做圍棋的 AI，但是它只是一個(gè)圍棋游戲，它不會(huì)涉及到太多的游戲。而對(duì)于騰訊來講，在整個(gè)騰訊集團(tuán)里面，游戲是騰訊一塊很大的業(yè)務(wù)。我們會(huì)在游戲里面引入更多 AI 能力，實(shí)際上這個(gè) AI 游戲的想像空間是非常大的。大家試想一下，會(huì)不會(huì)有一天 LOL 里 AI 也來參加世界電競(jìng)賽，與人類交戰(zhàn)。大家知道現(xiàn)在騰訊有一款很受歡迎的手游叫做「王者榮耀」，如果把這里面的能力提升，是不是可玩性、樂趣性就會(huì)更多，騰訊對(duì)這一塊也是很關(guān)注的。

除此之外我們還會(huì)提供很多工具類的 AI，會(huì)結(jié)合到騰訊的云服務(wù)，我們需要研發(fā)相關(guān)技術(shù)從而加強(qiáng)相關(guān)能力來實(shí)現(xiàn)這些工具的開放。這些工具將包括基于圖像的人臉識(shí)別的能力、語音識(shí)別的能力、在自然語言處理里的輿情處理能力等，還包括我們?cè)谏疃葘W(xué)習(xí)上的開放深度學(xué)習(xí)平臺(tái)的能力。

所以說從目前來講，整個(gè)騰訊 AI 研究的基礎(chǔ)領(lǐng)域是四個(gè)，我們的專屬研究方向也是四個(gè)。

深度學(xué)習(xí)喧囂之下的隱憂

AI 不是一個(gè)新的概念，它的發(fā)展經(jīng)歷了六十多年，在這六十年里，人工智能的發(fā)展之路并不平坦。在去年人工智能又突然爆發(fā)了，勢(shì)頭一直延續(xù)到了現(xiàn)在。1956 年的達(dá)特茅斯會(huì)議，AI 這個(gè)名詞被首次提出。人工智能比較有名的事件是九十年代 IBM 深藍(lán)打敗了卡斯帕羅夫，也就是那個(gè)時(shí)代的 AlphaGo 和李世乭。人們記憶中最清晰的一件事還是去年 AlphaGo 圍棋打敗圍棋世界冠軍李世乭，這表明在圍棋這個(gè)最古老、最復(fù)雜的游戲上面，AlphaGo 的智能已經(jīng)超越了人類。

 

當(dāng)然整個(gè)發(fā)展史里面也有很多技術(shù)方面的演進(jìn)，比較有代表性的就是 2006 年，Geoffery Hinton 在深度學(xué)習(xí)上有了巨大的突破，帶領(lǐng) AI 的所有發(fā)展方向極速提升。我認(rèn)為這次人們期待 AI 最主要的原因是這一次 AI 的底層算法在深度學(xué)習(xí)上面有了實(shí)質(zhì)性的突破。

這次 AI 的發(fā)展是從 2012 年開始的，先在業(yè)界落地。可以看到整個(gè)深度學(xué)習(xí)的方法和傳統(tǒng)方法完全不一樣，不像以前的研究方法，是通過模仿來實(shí)現(xiàn)的。這一情形和早期人類想粘上羽毛學(xué)習(xí)飛翔比較類似，我們都知道真正的飛翔是通過空氣動(dòng)力學(xué)去完成的，這也是深度學(xué)習(xí)的一個(gè)思想之一。之所以現(xiàn)在能有很多應(yīng)用上的突破，是因?yàn)檠芯繂T們掌握了內(nèi)在的學(xué)習(xí)方法，而不是表面的模仿。所以從這一點(diǎn)來說，我們現(xiàn)在在深度學(xué)習(xí)的研究方法上是正確的。

第二個(gè)是模型上的提升，剛才我說了，AI 的發(fā)展有六十年，機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)并不是最近才突然出現(xiàn)的。神經(jīng)網(wǎng)絡(luò)早在六十年代就有過——當(dāng)時(shí)提出來感知機(jī)(perceptron)。機(jī)器學(xué)習(xí)在八九十年代也非常火，當(dāng)時(shí)有一個(gè)叫 SVM(支持向量機(jī))的分類器，已經(jīng)是非常厲害的一種機(jī)器學(xué)習(xí)的算法。那么現(xiàn)在為什么又重新提出來?深度學(xué)習(xí)同原來的機(jī)器學(xué)習(xí)相比，在模型能力上有非常大的提升。大家都知道我們所有的機(jī)器學(xué)習(xí)的方法，都是從 A 到 B 去尋找一個(gè)擬合函數(shù)，實(shí)現(xiàn)一個(gè)最佳的擬合過程。在這個(gè)過程中如果選取的特征越多，擬合的效果就會(huì)越好。但同時(shí)有一個(gè)問題，當(dāng)特征太多的時(shí)候，計(jì)算能力就會(huì)出現(xiàn)問題。在淺層模型中，如果要模擬出一個(gè)從 A 到 B 的完美擬合過程，它的數(shù)據(jù)能達(dá)到幾億甚至幾十億的規(guī)模，當(dāng)他達(dá)到這種規(guī)模的時(shí)候它的計(jì)算能力就會(huì)急劇下降，會(huì)通過一個(gè)非常復(fù)雜的復(fù)合函數(shù)去描述數(shù)據(jù)。但是深度學(xué)習(xí)的方式能夠很好的解決這個(gè)問題，它通過深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的多層連接，其特征表達(dá)是一個(gè)指數(shù)層倍的關(guān)系，如果說用一個(gè)全連接(fully connected)描述十億的特征，可能我們只需要三層一千個(gè)節(jié)點(diǎn)的連接，就能構(gòu)建十億個(gè)特征的權(quán)重出來。所以從本質(zhì)來講，模型上的提升也是深度學(xué)習(xí)的一個(gè)突破。

另外，針對(duì)反向傳播問題(BP)，AI 界從 80 年代開始真正使用 BP 算法來訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)。在神經(jīng)網(wǎng)絡(luò)里，當(dāng)輸入信息由多層網(wǎng)絡(luò)向前傳播之后，將網(wǎng)絡(luò)的輸出結(jié)果與實(shí)際結(jié)果的誤差，從輸出層向輸入層反向傳播。在整個(gè) BP 過程，都是需要通過隨機(jī)梯度下降的方式進(jìn)行求解，以逐漸逼近最優(yōu)值。今年來，隨著網(wǎng)絡(luò)結(jié)構(gòu)的不斷加深，使用傳統(tǒng)的 Sigmoid 激活函數(shù)使深層網(wǎng)絡(luò)的參數(shù)優(yōu)化過程中出現(xiàn)梯度消失的問題。通過一些數(shù)學(xué)的理論和技巧，可以很好解決這種梯度消失問題，以用于訓(xùn)練非常深層的神經(jīng)網(wǎng)絡(luò)。

 

正因?yàn)檫@三方面的優(yōu)勢(shì)，使得在這次 AI 的浪潮里，深度學(xué)習(xí)才會(huì)如此之火。而且我堅(jiān)信這次的 AI 浪潮會(huì)持續(xù)很久。在 1993 年到 2000 年左右，整個(gè)傳統(tǒng)的淺層機(jī)器學(xué)習(xí)的研究進(jìn)展還是很不錯(cuò)的，圖中可以看到這段時(shí)期錯(cuò)誤率有明顯的下降，也即識(shí)別效果的提升很快。但是從 2000 年到 2010 年這十年，可以看出沒有明顯的下降變化?？赡苁窃诜椒ㄉ厦?，在模型上面都沒有太大的研究進(jìn)展。在 2012 年左右有一個(gè)明顯的轉(zhuǎn)折點(diǎn)，也就是微軟研究院第一個(gè)在業(yè)界把深度學(xué)習(xí)用于語音識(shí)別，取得了極大性的突破，隨后又進(jìn)行了一系列性能上的提升。在過往的五年當(dāng)中，深度學(xué)習(xí)的發(fā)展是非?？斓?。

講了很多深度學(xué)習(xí)的內(nèi)容，剛才談到深度學(xué)習(xí)的快速發(fā)展，它的方法很好，模型也很好，數(shù)學(xué)算法也在突破，但是現(xiàn)狀是什么呢?今天我想談的話題是大家對(duì) AI 的期待很大，但期待有些過，為什么會(huì)這么講?作為一個(gè)從業(yè)者，我認(rèn)為目前 AI 上還是有很多局限的，可能需要提出來，與大家一起探討。

第一個(gè)是深度學(xué)習(xí)本身所具備的能力，即大家所說的將 AI 與人類相比，存在多大的差距。實(shí)際上如今所有的深度學(xué)習(xí)方法，不論這個(gè)方法有多么的新，其學(xué)習(xí)過程都是要從頭開始，需要經(jīng)歷數(shù)據(jù)重新訓(xùn)練的過程。這一點(diǎn)和人的學(xué)習(xí)能力相比確實(shí)有很大的差距，因?yàn)槿擞泻芏嗟闹悄苁桥c生俱來的，如小孩剛出生，他感知這個(gè)世界是三維的并不需要多長(zhǎng)時(shí)間，并且如果你將一個(gè)物體放在電視機(jī)后面，他會(huì)知道電視機(jī)后面有這樣一個(gè)物體，這些能力是與生俱來的，其與生物的進(jìn)化是相關(guān)的。所以靈長(zhǎng)類動(dòng)物和單細(xì)胞生物相比是有與生俱來的能力的，人類的小孩不需要再次經(jīng)歷單細(xì)胞演進(jìn)到靈長(zhǎng)類動(dòng)物這一過程。但在目前的深度學(xué)習(xí)方法下，不論我們提出了多么優(yōu)秀的模型，其都需要從最開始的數(shù)據(jù)開始學(xué)。這和人類的學(xué)習(xí)能力相比，是一個(gè)巨大的缺陷。

第二個(gè)是計(jì)算能力。不論是多么好的深度學(xué)習(xí)模型或者神經(jīng)網(wǎng)絡(luò)出現(xiàn)，本質(zhì)上還是通過計(jì)算能力去解決大數(shù)據(jù)的問題，更好的計(jì)算能力去做更好的擬合。在這個(gè)計(jì)算力上面，過往的十年是整個(gè)硬件發(fā)展的十年，是符合摩爾定律的。但是在以后需要訓(xùn)練更多參數(shù)的情況下，我們能否有足夠的計(jì)算力以達(dá)到預(yù)期效果還有待商榷。

從 2012 年提出來的 AlexNet 網(wǎng)絡(luò)模型，這個(gè)模型在當(dāng)時(shí)的 ImageNet 挑戰(zhàn)賽中獲得冠軍，到劍橋大學(xué)提出的 VGGNet，谷歌提出的 GoogleNet，再到 2015 年 MSR 提出的殘差神經(jīng)網(wǎng)絡(luò) ResNet，每一次新模型的提出都伴隨著模型層級(jí)的增加、神經(jīng)單元復(fù)雜度的加強(qiáng)、訓(xùn)練過程的加長(zhǎng)，當(dāng)然得出來的結(jié)果也更好。但是這種通過計(jì)算力去解決問題的方式是不是還能像以前一樣可持續(xù)，有待商榷。

剛才所說的都是圖像方面的研究，談及人工智能來解決系統(tǒng)認(rèn)知問題，那么與人的差距就更大了。人類語言是一個(gè)序列問題，這個(gè)語言序列問題如果通過神經(jīng)網(wǎng)絡(luò)去訓(xùn)練的話，僅通過計(jì)算力是不可能解決這個(gè)問題的。人在對(duì)話當(dāng)中很容易回溯到長(zhǎng)時(shí)間語句的某個(gè)片段關(guān)鍵詞里。但在機(jī)器學(xué)習(xí)中卻不一定能做到這樣，雖然從最早的 RNN 模型中構(gòu)建了 LSTM(長(zhǎng)短期記憶單元)模式，后來又提出了帶注意力的模型。但總體上，這種模型的演進(jìn)和人類相比是遠(yuǎn)不如人類的。舉個(gè)自然語言處理(NLP)的例子，有三個(gè)人在對(duì)話，兩個(gè)人在聊湖人跟快船的比分是幾比幾，然后中間有大段話題轉(zhuǎn)到去哪里吃飯，突然插進(jìn)來第三個(gè)人問太陽(yáng)呢?機(jī)器這時(shí)候很難理解「太陽(yáng)」到底是哪個(gè)太陽(yáng)，聊天者知道這是描述太陽(yáng)隊(duì)，因?yàn)樵凇溉ツ某燥垺惯@個(gè)話題前有湖人和快船的話題。但是機(jī)器基本上沒辦法識(shí)別，又如「夏天能穿多少穿多少，冬天能穿多少穿多少」，這兩句基本一樣，但前面的描述突出少，后面的突出多。這種認(rèn)知行為到目前為止，深度學(xué)習(xí)上再先進(jìn)的方法也沒辦法處理。

第二個(gè)例子是語音識(shí)別，我看過一個(gè)笑話，語音識(shí)別很難處理，「您好，方便面試嗎?」我在重復(fù)這句話的時(shí)候，我都不知道自己在講方便面——是嗎，還是方便——面試嗎，這的確是一個(gè)非常難的問題。但是人的理念里有很多東西，是可以通過反問，多次獲取信息來最終理解。所以說目前人工智能情況，在圖像方面，例如人臉識(shí)別的精確率有多么高能達(dá)到 99% 的識(shí)別率，但實(shí)際上是在很多的約束條件下才能實(shí)現(xiàn)，識(shí)別正臉的模型不能識(shí)別側(cè)臉，或者是把同一個(gè)人的側(cè)臉完全識(shí)別成另外一個(gè)人。在語音識(shí)別里也是如此，目前語音識(shí)別是在獲取的信息源很干凈的情況下才能有很好的效果，比如噪音比較小、沒有混響、沒有風(fēng)噪和車噪，在這樣的條件下，機(jī)器在聽語音識(shí)別的時(shí)候才可能會(huì)識(shí)別出比較好的效果。但對(duì)人來說，這完全不是問題，以及多人的面部識(shí)別，語音跟蹤，這些對(duì)人來說都不是很難。但是對(duì)機(jī)器而言，即便在我剛剛所說的感知領(lǐng)域——圖像識(shí)別和語音識(shí)別，它跟人基本的能力相比還有很大差距，更別提在認(rèn)知的任務(wù)處理上，比如 NLP 的語意理解。

 

對(duì)于整個(gè)人工智能領(lǐng)域來說，我認(rèn)為人們現(xiàn)在對(duì) AI 的期待過高。我們要回歸現(xiàn)實(shí)，AI 現(xiàn)在方興未艾，這個(gè)趨勢(shì)是很好。但未來 AI 發(fā)展的方向是什么呢?我覺得 AI 跟人，也即深度學(xué)習(xí)跟人的能力相比還是有些差距的。

跟人相比第一個(gè)是創(chuàng)造力的不足。我們現(xiàn)在所有深度學(xué)習(xí)的模型都是基于大數(shù)據(jù)的，這些數(shù)據(jù)從何而來?目前的數(shù)據(jù)還是通過傳統(tǒng)的方法獲取到的，但能不能通過深度學(xué)習(xí)本身創(chuàng)造出更多的數(shù)據(jù)?AlphaGo 已經(jīng)在驗(yàn)證這樣的問題，通過增強(qiáng)學(xué)習(xí)產(chǎn)生了人類從未下過的棋局并以此來訓(xùn)練模型，這是一種創(chuàng)造數(shù)據(jù)的能力。我覺得未來在這方面發(fā)展，在增強(qiáng)學(xué)習(xí)上，我們要進(jìn)行更多的發(fā)展和突破。

第二個(gè)是舉一反三能力。AlphaGo 下圍棋能贏世界冠軍，但是它如果改下其他的棋，它的下棋方法就不行了，因?yàn)樗乃惴ㄖ皇菫閲宥O(shè)。人的很多能力是可以舉一反三的，比如小孩做數(shù)學(xué)題，當(dāng)他學(xué)會(huì)列二元一次方程之后，他會(huì)很快掌握二元一次方程的技巧去解決這一類的數(shù)學(xué)應(yīng)用。這種能力在機(jī)器學(xué)習(xí)里面也有一個(gè)同質(zhì)的算法——遷移學(xué)習(xí)。當(dāng)我們?cè)谝粋€(gè)全新的應(yīng)用場(chǎng)景里，在少量數(shù)據(jù)的情況下去測(cè)試一個(gè)在大數(shù)據(jù)集上表現(xiàn)非常好的模型，如何把原來的模型遷移過來并且能夠應(yīng)用在新場(chǎng)景里，這是一個(gè)非常重要的研究方向。

第三是歸納總結(jié)的能力。人的總結(jié)能力是很強(qiáng)的，比如牛頓第一定律、萬有引力定律等，都是總結(jié)出來的，還有很多公理也都是歸納總結(jié)出來的。但是目前機(jī)器學(xué)習(xí)是沒辦法進(jìn)行歸納總結(jié)的，機(jī)器學(xué)習(xí)的結(jié)果再好也只是一個(gè)擬合過程，并沒有能力去歸納提煉。未來我們要在模型歸納總結(jié)能力上提高，如何從海量的結(jié)構(gòu)化或者非結(jié)構(gòu)化的數(shù)據(jù)中，通過機(jī)器學(xué)習(xí)來完成知識(shí)的總結(jié)和提煉神經(jīng)網(wǎng)絡(luò)中的知識(shí)(distill knowledge)。

這三個(gè)能力，我認(rèn)為這是未來 AI 需要進(jìn)行提升的地方。

另外一個(gè)維度的缺陷是在數(shù)學(xué)理論的發(fā)展方向上，剛剛講過的很多機(jī)器學(xué)習(xí)適用的數(shù)學(xué)原理和方法，實(shí)際上是很脆弱的。跟過往淺層學(xué)習(xí)的數(shù)學(xué)理論相比，深度學(xué)習(xí)的數(shù)學(xué)原理還有很多不可解釋。在淺層學(xué)習(xí)里，有完備的統(tǒng)計(jì)學(xué)概率論理論提供支撐。比如求解凸函數(shù)的極值，有很多完善的數(shù)學(xué)理論能夠證明有最優(yōu)解的存在。但是在深度機(jī)器學(xué)習(xí)的研究中，雖然前面有提到可以用隨機(jī)梯度下降的方法去求解局部最優(yōu)值，但是它只是一個(gè)框架。我們?cè)诤芏喾矫孢€在使用啟發(fā)式的約束，比如初始化參數(shù)的設(shè)置、激活函數(shù)的設(shè)置、學(xué)習(xí)率是多少，這都是基于啟發(fā)式的，也即依賴于人的經(jīng)驗(yàn)。未來機(jī)器學(xué)習(xí)的繼續(xù)發(fā)展，在數(shù)學(xué)理論上面一定要有強(qiáng)大的支撐。此外，在交叉學(xué)科的研究上要繼續(xù)加強(qiáng)，我們知道感知機(jī)以及神經(jīng)網(wǎng)絡(luò)的提出來源于腦神經(jīng)學(xué)科，未來 AI 發(fā)展肯定要引入更多學(xué)科，不僅是統(tǒng)計(jì)學(xué)科、數(shù)學(xué)學(xué)科、計(jì)算機(jī)學(xué)科，還要引入腦神經(jīng)學(xué)科。之前所提到的殘差神經(jīng)網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)在設(shè)計(jì)上已經(jīng)有一點(diǎn)接近腦神經(jīng)的設(shè)計(jì)了。因此，未來 AI 能有更完備的發(fā)展，是需要將這些學(xué)科的研究都綜合起來的。

再有一點(diǎn)，就是 AI 研究的開放與平等。我認(rèn)為對(duì)任何公司和任何人，AI 都應(yīng)該是平等的，這也是我們要做開放 AI 的立足點(diǎn)之一。在現(xiàn)在的 AI 領(lǐng)域里，所有的大公司都在做開源，騰訊當(dāng)然會(huì)開放自己的研究。各大公司在開源上都表現(xiàn)出很積極的一面，比如谷歌開源了自己的機(jī)器學(xué)習(xí)框架 TensorFlow，還有很多機(jī)器學(xué)習(xí)的先行者(DeepMind、OpenAI)在做開源，在開放開發(fā)框架和訓(xùn)練數(shù)據(jù)。騰訊未來也會(huì)進(jìn)行開源很多內(nèi)容，提供一個(gè)讓更多人參的平臺(tái)，共同開發(fā)人工智能。

 

對(duì)于未來 AI 技術(shù)的發(fā)展，首先是能力的提升，在創(chuàng)造能力、舉一反三能力以及歸納總結(jié)能力上有長(zhǎng)足進(jìn)步;另一方面是機(jī)器學(xué)習(xí)的完備性，我們要在數(shù)學(xué)完備、學(xué)科完備上進(jìn)一步進(jìn)行探索;同時(shí)，所有的科技公司，AI 的參與者都要以更加開放的心態(tài)去面對(duì)人工智能。

未來 AI 大有可為

說到這個(gè)話題，我又想再次強(qiáng)調(diào) AI 對(duì)騰訊來說是非常重要的，對(duì)整個(gè)中國(guó)互聯(lián)網(wǎng)都很重要?；仡櫿麄€(gè)互聯(lián)網(wǎng)浪潮，在互聯(lián)網(wǎng)時(shí)代的初始階段，中國(guó)的互聯(lián)網(wǎng)公司跟美國(guó)最強(qiáng)的互聯(lián)網(wǎng)公司相比有一定的差距。而當(dāng)下的 AI 時(shí)代，我堅(jiān)信中國(guó)的互聯(lián)網(wǎng)公司跟世界上一流的公司是處于同一位置的，為什么?第一點(diǎn)原因，我們數(shù)據(jù)足夠多，中國(guó)的互聯(lián)網(wǎng)人數(shù)是世界上其他國(guó)家的互聯(lián)網(wǎng)人數(shù)的總和。在騰訊的業(yè)務(wù)里面，微信、QQ、QQ 空間，已經(jīng)產(chǎn)生了海量數(shù)據(jù)。在中國(guó)的其他互聯(lián)網(wǎng)公司，比如電商和搜索的公司也會(huì)產(chǎn)生大量數(shù)據(jù)，這些對(duì)中國(guó)公司來說，是一個(gè)非常好的優(yōu)勢(shì)。第二個(gè)原因是來自應(yīng)用場(chǎng)景，對(duì)于騰訊的業(yè)務(wù)來說，我們有很多種把 AI 這種聽起來似乎遙不可及的技術(shù)在微信、游戲、新聞、QQ 里通過 AI 產(chǎn)品去落地，哪怕只是一個(gè)小點(diǎn)上的應(yīng)用。第三點(diǎn)是人才，目前的數(shù)據(jù)表明從事深度學(xué)習(xí)的研究人員中相當(dāng)一部分人都是中國(guó)人。雖然國(guó)內(nèi)在機(jī)器學(xué)習(xí)上的專業(yè)還比較少、學(xué)科也比較少，但是在全球范圍內(nèi)，研究深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的華人是非常多的。我參加 16 年的 ICML 和 NIPS，ICML 有 3000 多人，NIPS 有 6000 多人，有 30-40% 的參會(huì)人員都是華人，40% 的會(huì)議 paper 都是華裔寫的，在人才結(jié)構(gòu)上，中國(guó)有很好的人才基礎(chǔ)。正是基于我們數(shù)據(jù)的優(yōu)勢(shì)，場(chǎng)景落地的優(yōu)勢(shì)，人才結(jié)構(gòu)的優(yōu)勢(shì)，我覺得騰訊以及其他中國(guó)互聯(lián)網(wǎng)公司，未來在 AI 上大有可為。

最后，騰訊的 AI 使命： Make AI Everywhere——讓 AI 無所不在。