原百度深度学习研究院创始人余凯谈人工智能大趋势

余凯认为未来将会实现硬件入口多元化，任意一个设备都有可能成为入口，而地平线的定位就是要成为人工智能领域的英特尔。

智能硬件热潮未退，在人工智能这个领域，需要一个能横跨图像、语音、自然语言理解和自主控制的平台型的公司。余凯，百度深度学习研究院（IDL）创始人，大概是国内能够把深度学习理论讲述最清楚的科学家之一。现在，他创立地平线机器人，希望能够成为人工智能领域的英特尔。

「 深度学习」

虽然人工智能涉及的领域很广，但是一个人工智能的系统从功能上看还是有一些共通性的，我认为主要有三个方面，第一个是环境感知，第二个是思考推理，第三个是决策控制。具体来说，无论是语音识别还是图像识别，这在过去是独立分开又很大的两个领域，最初完全没有交集，深度学习技术被广泛使用之后，这两个领域都过渡到采取深度神经网络的模型，并产生显著提高。最新的进展就是AlphaGo围棋比赛，以一种很直观的方式让社会大众感受到了深度学习的进展。

深度学习是指对原始的数据通过不断地学习、抽象，得到这些数据的表达或描述。深度学习的发展经历过几次高潮和低谷，这一波的高潮业界公认是从2006年开始，多伦多大学计算机系教授Geoffery Hinton发表文章向大家证明可以训练学习很深的神经网络。

2010年左右，深度学习的研究和应用实现突破，归结于下面两个主要理由。首先是计算能力有了本质的提高，另外在互联网时代，数据出现了爆发式增长，所以从2010年开始，深度学习被大规模使用在人工智能各个领域。

深度学习为什么这几年得到这么大的关注？关键原因是性能可以随着数据的增长而提高。其他的机器学习的方法可能随着数据的增加，性能提高到某一个点就饱和了。但目前为止对于深度学习我们还没有观察到这点，这可能是它最值得关注的地方。深度学习在语音识别上的应用使其准确率提高很多，随后深度学习开始被使用到图像识别等其他领域。大家发现深度学习像是一个大锤子，可以打很多不同的钉子，它是一个很好的工具，解决表面上看很不同的问题。

「 深度学习的未来」

深度学习的研究目前有四个方向。首先是学习如何记忆；第二是学习如何关注与取舍，把注意力集中到需要关心的细节上；第三个是增强学习，学习如何控制主动行动；第四个采用深度学习解决任务的新方式，就是序列化地逐步解决一个复杂问题。

目前，绝大多数深度学习完成的任务，还是根据一个输入信号得到一个输出的结果，无论是语音识别还是图像识别。比如，深度学习进行了分类，你给计算机一个图像，它可以告诉你是猫还是狗，你对计算机说句话，它可以识别出来，这是现在的状态。现在深度学习的前沿是如何去学习保留一个长时记忆，进而完成一个复杂的任务，就像假如我们听课时有个笔记本可以做笔记，那么我们选择哪些知识写在笔记本上，如何写这些知识，就是如何去记忆。所以一个新的趋势就是如何通过深度学习的方法，把之前很长一段时间的序列数据，抽象提取精华记录下来或者记忆下来，帮助计算机将来做判断、做分析、做决策。

第二个方向是注意力模型，动态的将注意力集中到某些细节，提高识别性能。比如，看图说话图像理解，你根据一幅图生成一句话，很可能是非常宏观的。如果我们能够把注意力聚焦在从引入到识别的机制过程中，根据目前的识别结果，动态地一步一步调整聚焦到图像的细节，那么就可以生成一些更合理或者更精细的表达，比如在图像中，关注一个飞碟，我们可以调整关注区域在图像中把飞碟找出来，提取它的特征进行识别。

深度学习还有一个方向是增强学习，目前的深度学习都是通过大量的数据在线下学习一个模型，把这个模型基本学好了，到线上只是应用。增强学习是指计算机可以结合当前状态的改变而采取进一步措施，得到一些反馈和收益，同时也改变了自身的环境，与周围环境在一种动态过程中一起演化不断决策。比如无人机在遇到障碍物的时候判断该往哪个方向飞，它会收集到周围很多信号，然后去做一个决策，是往左偏还是往右偏？是不是失衡了？它需要根据环境的反馈和自身的状态，不断修正，根据反应的每一个结果继续做出反应决策，这就是增强学习的大体过程。

无论是长时间学习还是增强学习，这些都是人工智能底层架构通用的功能，我们认为未来会需要这样的平台，可以将这些功能集合在一起，但又能适用于解决大多数的人工智能任务。

「 地平线的野心」

互联网的本质是连接，连接人和信息、人和商品、人和服务。然而任何连接都需要通过媒介进行，PC时代，用户通过浏览器进入互联网，浏览器几乎是当时唯一的互联网入口；到了移动互联网时代，浏览器的职责被分化到多个APP上，软件时代的APP化使连接媒介更加多样。

但随着硬件智能化的到来，未来汽车、家电、玩具都有可能变得越来越智能，而这必将导致连接媒介和交互方式的巨大变革。很难想象，我需要掏出手机来操控某个家电、洗衣机或者空调。

比如，未来很多家居产品上会有个屏幕，展现非常丰富的信息。在这样的场景下，用户将不再需要通过遥控器或者打开手机APP来操控家电，更多的是直接和设备进行交流、交互。除了交互方式的变革外，随着智能硬件表达和处理信息的能力越来越强，可以作为连接媒介更好地让人们获取信息和服务。

最近几年人工智能很热，很多创业者都希望能够在这个领域有一番作为，但人工智能实际上是语音图像识别、语义理解、大数据分析等技术的高度集合，其中的每一项技术都需要巨大的时间和研发成本的投入。如果创业者要基于这些技术开发相应的产品功能，满足用户需求，依靠自身的力量显然是不现实的。因而在人工智能这个领域，需要一个能横跨图像、语音、自然语言理解和自主控制的平台型的公司。

放到手机行业会更容易理解，开发者可以开发很多应用程序，比如微信、滴滴出行、大众点评，以此来满足用户不同的需求。但这些都是基于高通或者联发科等公司提供的芯片，以及iOS或者安卓等操作系统，基于这样一个成熟的软硬件相结合的平台，开发者才能开发各种APP。