酷应用

（附视频） | AI奠基人、美国AI科学家特伦斯谈深度学习

百家作者：人工智能学家 2019-06-26 23:31:05

来源：笑看国际风云

特伦斯 · 谢诺夫斯基（Terrence Sejnowski）：世界十大人工智能科学家之一，还是美国仅3位在世的‘四院院士’之一，同时兼任全球人工智能顶级会议NIPS基金会主席。1989年，特伦斯加入美国索尔克生物研究所，任计算神经生物学实验室主任至今。该实验室也是美国生命科学领域成果最多的研究机构，特伦斯与DNA双螺旋结构的发现者弗朗西斯·克里克还是同事关系，两人共同潜心钻研神经网络科学。

2013年，白宫宣布启动美国‘BRAIN计划’并注资50亿美元，用于开发创新的神经技术，以加速人类对大脑功能的理解。特伦斯作为参与该计划研究的核心人物之一，为该计划的推动提供了诸多建设性指导和建议。

特伦斯在人工智能领域的地位举足轻重，那些过往足以证明他的研学积淀和丰富阅历。作为神经网络的先驱，早在1986年，特伦斯就与杰弗里·辛顿共同发明了玻尔兹曼机，把神经网络带入到研究与应用的热潮，将深度学习从边缘课题变成了互联网科技公司仰赖的核心技术，让人工智能进入‘井喷式’的高速发展阶段。

与此同时，特伦斯还与奥克兰大学的教授芭芭拉·奥克利在全球最大的在线学习平台Coursera，共同开设了一门名为《学会如何学习》的课程，通过系统讲解大脑认知的底层知识，让学习者可以改变思维模式，提高学习的能力和效率。现在该课程学习人数已经超过了300万，成为了全球最受欢迎的互联网课程之一。

日前，由领先的投资交流交易平台雪球主办的2019雪球中概峰会，于3月30日正式举办。本次大会以“新势力,新机遇”为主题，聚焦视频直播、人工智能、新零售和教育等热门行业的现状与发展,，邀请近三十位明星中概公司高管、顶级投资人、雪球人气意见领袖畅谈中概投资热点与趋势,共同探知中概领域新风向。世界十大AI科学家、美国四院院士之一特伦斯在2019雪球中概峰会上发表了精彩演讲。

以下是演讲内容：

特伦斯·谢诺夫斯基：今天到来想给大家讲一下近期AI发展的进展，在最近的《深度学习》一书中也进行了一些记载。可能很多人都在问我们要怎样利用AI来赚钱呢？我今天就是来给大家讲一些过去的例子以及未来的建议。

在讲之前首先介绍一个奖项,是计算机界非常重要顶级的奖项叫图灵奖,今年图灵奖在上周颁发给了这三位,都是我的好朋友,他们也是深度学习的专家。我觉得上一个发言是一个很好的简介讲了交易所的工作方式以及怎样通过交易来赚钱,交易通常有两种方式:1,买进长期持有,像巴菲特这种买进持有三年的方式。2,高频交易,利用市场上的小变动进行大量的交易来赚钱,但是这两者中间有一个灰色的区域叫作算法交易,就是我今天要讲的主题。

首先给大家讲一个故事,就是世界上最成功的对冲基金是由詹姆斯·西蒙斯所成立的文艺复兴公司带来的一个记录,詹姆斯·西蒙斯本身是一个非常著名的数学家。詹姆斯·西蒙斯本来是纽约一所大学的数学学院院长,但是他建立了这家公司,就是为了利用数学上的一些知识来进行算法交易,这家公司的基金在十年当中成功地实现了每年50%以上的复利,詹姆斯·西蒙斯本人也创下了在一年之内赚下70亿美元的记录。。

接下来介绍一下深度学习。

深度学习起始于上世纪50年代，是由弗兰克·罗森布拉特首先发明了一个称之为“感知器”的神经网络,大家可以看到它是一个很简单的架构,首先有一系列输入的数据,每组数据都有自己的权重，最终加总，然后得出一个结果，输出是0或者1,这个网络可以对图像进行分类,比方说猫或者是狗可以进行判断，还可以通过改变其中的权重来改进这个算法。因此所谓的深度学习就是通过积累大量的案例,从案例当中来学习经验,这个要比编写新的程序解决问题要便宜得多。

算法是怎么样解决问题的呢?它可以积累很多类似的例子,然后通过其中某一个像素来进行判断,比方说正确的就是用白色代表,如果是错误的就用黑色代表。上世纪80年代我跟辛顿一起证明了这种神经网络可以通过不同分层来进行培训,我们把这个分层称之为隐藏单元,也就是在输入跟输出之间的部分。

在2012年的一次大会上，辛顿以及他的学生成功地建立了一个非常大型的神经网络,其中包含多达12个层次,这个网络可以用来对物体和图像来进行分类,大家可以看左边的结果对所有的正确图像,几乎所有的正确图像都做出了正确的分类,这个就是电脑视觉可以给我们带来的巨大变化,它已经搞清楚了人类到底是怎么样去对事物进行分类的。

这其中最关键的一个环节就是要针对数据进行贴标签,给数据贴标签是非常昂贵的,因为这正是人类最需要的一项服务,实际上在中国有些企业目前在做的就是从互联网上挖掘数据,为之贴标签。

所谓的深度学习就是想要去模仿大脑的前皮质层怎样处理信息以及怎样做出反应的,而大脑当中负责这个功能的就是基底核,所以深度学习要模仿的就是基底核的行动方式,它的主要目的就是要解决一些曾经只能由人类来解决的问题,比方说中国发明的围棋就是一项非常复杂的棋类运动。

在2016年的时候由DeepMind公司编写的AlphaGo软件就成功击败了韩国围棋选手李世石,2017年的时候柯洁表示AlphaGo不可能打败自己的,但是在经过三轮比赛全部失败之后,他又说去年我觉得AlphaGo的下法跟人类很相似,但是今年它已经变成了“棋神”。

接下来给大家看一下深度学习在一些行业带来的变化,举一个例子就是汽车行业。这边是塞巴斯蒂安·特隆是第一个通过深度学习发明了无人驾驶汽车的人,他首先是开着这辆汽车到处去收集一些数据,比方说像这样的地形,通过这种方式来教汽车怎样自我驾驶,通过这项成功他赢得了两百万美元的奖金。

这种变化可能带来的结果是多方面的。比方说，以后我们可能就用不着停车场了,但是路面上的这种车道会更加有价值,再有就是修车的4S店也会变少,另外汽车保险可能也没有那么必要了,再有就是也不会有人在驾驶中途睡过去导致死亡,美国每年有四万多人死于此类事故,也不会有醉驾的司机伤害到你的孩子,另外去上班通勤的过程也会变得更加方便舒适,再有就是肯定不会再有人偷车了,因为这个车即使被偷了也会自己开回家去。

这里给大家展示一下未来可能会出现的一些趋势,首先就是介绍一下生成对抗网络,最开始我们搞研究的时候完全没有想过它可以成型,它通过接收很多输入的例子去生成一些新的图像,比方说当它接收到了足够多火山的例子之后,就会自己制造出来一些根本不存在的火山的图片。

这边有一个小视频展示的就是这样一个生成对抗网络对于名人图像的生成,一开始它会输入很多真实存在的名人图像,成百上千的图像输入之后它就可以产生自己新的图像,而这些人是从来没有存在过的,虽然用的是西方人的脸,但是可以同样换成中国人的脸,这些人都是没有存在过的,如果注意到耳朵上,会发现还是有一些细节还是会犯错,但是本身这个能力已经让人非常惊叹了。

大家知道有很多AI的初创企业都是硬件企业,因为AI涉及到大量的计算,所以在未来如果能够让芯片的成本极大下降的话,AI的应用就可以得到极大提升,二十世纪最重要的科学家之一卡弗写了一本书,在里面就写到如果能够更好地模仿大脑的释放,就可以大量降低系统所需要的能源,有很多企业正在研制这样的芯片,也包括像英特尔这样的大企业,所以这很可能是未来的一个利益来源点。

深度学习本身就是对大脑的一种模仿,而且在5年前为了支持在这方面对大脑的模仿研究,前总统奥巴马也发起了称为“大脑”的科研计划,可以帮我们更好地了解AI在各个领域能够得到怎样的应用。大脑才是终极的智能,我们还完全做不到对大脑的模拟,但是在现代的AI技术跟未来的大脑之间永远是有一个可以取得的进步空间的。

附视频：

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”