吴恩达,百度首席科学家、百度大脑项目负责人,一位与 Geoffrey Hinton、Yoshua Bengio、Yann LeCun 齐名的人工智能专家。近日,吴恩达接受了技术研究和分析公司 Gigaom 的专访,谈及了未来五年人工智能重要研究领域、中国人工智能研究以及人工智能与经济、社会关系等问题。
谈谈你在百度的日常工作吧。你们的人工智能团队在做什么?
答:我们从事基础人工智能技术的开发工作。所有技术,从语音识别到计算机视觉、自然语言处理、数据仓库、用户理解,我们用人工智能技术支持很多百度国际业务并孵化新业务方向。比如,在百度,所有主要业务线都已经转型使用了人工智能。从网页搜索、广告到机器翻译、给用户推荐饭馆等。所以,人工智能在百度很普遍了。除此之外,我们也看到了人工智能所带来的许多新机遇,比如改善基于对话的(基于聊天窗口)的医疗助理,或使用面部识别打造自动开门的十字转门。我们所有团队也在追求那些新的垂直领域里的机遇。
在基础研究领域,你有没有什么想做的事情?比如,那些或许有用但我们却搞不清楚其所以然的事情?
答:我们在基础研究领域做了很多工作,有趣的是,成功的基础研究一开始会以基础研究的面貌出现,但是,一旦你看到了它的应用价值,过一段时间后就会变得不那么基础了。我们做了很多这样的研究。可以说,在百度,早期的面部识别是以基础研究的面貌起步的,但是,这个服务如今融入产品中了,也服务着产品的百万用户。神经机器翻译最初也是一项基础研究。实际上,这个故事有着不广为人知的另一面:神经机器翻译是在中国开创、研发和使用的。中国团队在某个研究领域领先其他国家,这只是例子之一。我们在计算机视觉方面的基础研究,比如,面部识别,也一直处于领先位置。今天,我们正在会学习的机器人和机器学习领域进行广泛的基础研究。我们的研究覆盖了从非常基础的研究到非常应用的研究的所有阶段。
如今人工智能领域,你认为五年内可以解决的难题之一是什么? 也就是今天很难解决但是五年后就会普遍加以实现的事情?
答:从研究角度出发,我认为迁移学习和多任务学习是我想试着解决的问题之一。今天,机器学习全部经济价值都是应用学习,从针对特定任务的标记数据中学习,比如通过大量标记数据人脸数据库学习识别面部。对于很多任务来说,特定垂直领域的数据并不足以支持系统建构。因此,迁移学习会是一个很有活力的领域,机器机器可以学会一个不同的任务。比如,学会大体上识别物体。学会大体上识别物体后,这个知识中有多少会对识别面部的特定目的有用。