地平线机器人创始人余凯：深度学习为何影响巨大？

过去几年，Google、微软、Facebook、百度都成立了深度学习研究院。为什么深度学习如此重要?听听余凯的分析。

本文经混沌研习社(微信公众号：dfscx2014)授权转载，研习社是一所线上商学院，致力为创业公司培养具有互联网思维和全球化视野的创新人才。

演讲者|余凯(地平线机器人创始人，前百度研究院副院长)

为什么在过去的50年时间里面，人工智能煽起了大家这么强大的热情，但是没有取得我们所期待的进展?

一个本质的问题，就是过去大部分的人工智能系统，我们希望它以一个所谓的科学演绎的方式来进展。

何为科学演绎?过去受到自然科学的影响，从一个基本的法则出发，就能推导出一个复杂的系统。比如说通过牛顿的三大定律，很多的经典力学的问题都可以解决。

从这样的系统思维出发，导致人工智能系统通常会过于简单，但是我们希望模拟的，是一个复杂系统的行为，这就无法实现目的。

为什么呢?

第一，这个世界纷纭复杂，问题之间互相影响，形成复杂的网络，这样的系统很难利用一个简单的公式来描述。

第二，很多因素你观测不到，你根本无法观测到所有问题。

第三，对这个复杂的世界，你直接抓住它的规律并且描述它，是非常难的。所以让它从数据中学习，随着数据进化，这是关键。

大数据时代的意义是什么?本质上是提供了了解复杂世界的能力。

深度学习为何影响巨大?

它是最接近人类大脑

最适合大数据的

大脑神经原从一个简单的神经原出发，构造复杂的网络，构造了我们今天最前沿的人工智能技术，这是我们最近经常听到的深度学习。

深度学习在2014年的时候，被麻省理工学院的科技评论杂志评为十个突破性的技术，Google、微软、Facebook、百度都成立了深度学习研究院。

我们过去很少看到一个技术从高校出来，短暂时间影响了大的公司，并且产生了很大的实际价值。为什么?主要有四方面的原因。

第一点，这样的模型和人工智能系统，是当前我们可以找到的，最接近人类大脑的人工智能系统。

第二点，深度学习特别适合大数据。

过去的模型方法对大数据的处理效果不好，推广误差很大。由于你采集的数据有噪声，样本不够多，计算不是完美的，可能产生的机制并不完全跟你的应用场景一致。

随着数据的规模增长，过去传统的人工智能算法的效果并不能随之不增长，因为它的算法不能处理更大规模的数据，算不动了。

但是深度学习模型足够复杂，可以处理大数据，所以使得它在数据规模增长的情况下，效果也在不断提升。这通常使得数据成为商业壁垒。

你有更多的数据，你并不比你的竞争对手有更强的优势。但是如果你有一个这样的曲线模型，才能真正的让数据成为一个商业壁垒。

第三点，深度学习是一套灵活的建模语言，根据不同的问题设计不同的网络结构解决它。

怎么写出好文章，跟怎么样做出人工智能系统是相通的。写出好文章，你需要对语言的驾驭能力非常强，还需要感知生活的能力很强。

深度学习是一样的，除了对数据、计算工具、建模语言、深度神经网络灵活，还需要对要解决的问题有非常深刻的理解。

第四点，end-to-end learning，端到端的学习。

从数据感知到预处理，再到各种环节的特征抽取，还有特征变换，最后你得到了一个数据形式，你可以基于这个数据形式做预测，做识别，做判断。

过去大部分的研究工作在最后这部分，数据已经准备好了，你做最后的处理。之前的步骤被忽略。如果开始把有用的信息丢掉，没有用的信息留下来，后面的算法再精巧也弄不回来。

深度学习从2006年开始就提出了全新的思想，把以前支离破碎的步骤、统筹都是人工手动的步骤，变成一气呵成的系统。尽量减少人工干预，这是一个整体的优化目标，而不是一个局部的优化目标。

这个变化是革命性的，人工智能在很多的方面有进展，很重要的就是端到端的学习思想。

因为有深度学习

人工智能技术进展显著

让生活更美好

最近人工智能技术在图像和计算机视觉的领域，其实取得了非常大的进展。从2010年到今天，这个水平在不断的提升，由于深度学习的变化带来了进展。人的错误率在5%左右，今天最好的深度神经网络在这件事情上已经超越了人。

在这件事情计算机做得比人好，是不是代表了计算机真的很牛，其实没有。

比如数据集里面图像分类，是给青蛙分类，随便找一个人来，他哪知道各种细分的青蛙种类，特别训练的神经网络可以在这件事情上做得比人更好，但是你如果找真正的生物学家，他做得比机器人更好。

现在自动驾驶有非常大的进展，推进的速度比我想象还快。很多车厂的技术，比如说福特、特斯拉等等都有涉及到。

有一次我看到有一个用户体验，有一个人回家，他很困真的是睡着了，后来他醒了，发现幸亏有自动驾驶的驾驶技术，使他不至于产生交通事故。人工智能的技术真的就是让人的生活更加美好。

在语音也是另外的应用，我2012年回中国的时候组建语音团队，基本上招不到人。因为过去十多年的时间里面，所有培养的语音人才都转专业了，找不到工作。

但是12年以来，因为深度学习，使得语音识别的准确率越来越高。12年移动搜索我们的识别率在80%，今天已经达到了90%以上。