7月23日，阿里巴巴大數(shù)據(jù)科學(xué)家金榕在造物節(jié)“科技大咖說”上進(jìn)行了演講，和現(xiàn)場(chǎng)的觀眾談?wù)撽P(guān)于數(shù)據(jù)和人工智能等問題，以下為現(xiàn)場(chǎng)演講。

　　數(shù)據(jù)是自動(dòng)駕駛、深度學(xué)習(xí)、語音識(shí)別技術(shù)突破的根源

　　今天我想說的話題，是數(shù)據(jù)和智能之間的關(guān)系。

　　我們首先來看一個(gè)汽車自動(dòng)駕駛的例子?，F(xiàn)在自動(dòng)駕駛這個(gè)名詞已經(jīng)炒得很火熱，但實(shí)際上這是一個(gè)非常老的話題。

　　美國卡內(nèi)基梅隆大學(xué)有一個(gè)項(xiàng)目-Alvin Project，目的是做一個(gè)自動(dòng)駕駛的車，1994年已經(jīng)成功地把車從東海岸開到西海岸，全程120公里每小時(shí)的速度，基本上是自動(dòng)駕駛。

　　大家也許會(huì)覺得疑惑，為什么一個(gè)20年就已經(jīng)成型的技術(shù)直到現(xiàn)在才開始商業(yè)化?實(shí)際上一個(gè)重要的原因就在于數(shù)據(jù)的問題。

　　早期做自動(dòng)駕駛，收集的數(shù)據(jù)非常少，大概只有幾十個(gè)小時(shí)的駕駛數(shù)據(jù)，對(duì)復(fù)雜路況的處理能力比現(xiàn)在低很多，安全性不夠。今天的廠商可以收集幾十萬小時(shí)的駕駛數(shù)據(jù)，而且數(shù)據(jù)處理能力很強(qiáng)，能讓車在非常復(fù)雜的情況下具有良好的處理能力。從這個(gè)意義上來講，大數(shù)據(jù)很重要。

　　另外的例子是Google的AlphaGo。很多年前IBM的Deep Blue(深藍(lán))是非常成功的例子，他制作了一套系統(tǒng)能夠跟國際最好的象棋大師做對(duì)弈。而AlphaGo系統(tǒng)里的深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等，實(shí)際上在20年前已在游戲中應(yīng)用?！　?/p>

　　1996年有一個(gè)系統(tǒng)叫TD(λ)的算法，有幾位科學(xué)家把這個(gè)算法應(yīng)用在一個(gè)在美國挺流行的游戲上，很快成為了世界冠軍。

　　更神奇的地方在于，AlphaGo需要讀人類棋手的棋譜，從中吸取經(jīng)驗(yàn)成長(zhǎng)成為世界頂級(jí)的選手，但是對(duì)于TD(λ)的算法來講，當(dāng)時(shí)做了兩個(gè)不同版本的算法，這兩個(gè)版本自己跟自己下了150萬盤，就成了世界冠軍。某種意義上講，是自學(xué)成才的算法。

　　那么為什么AlphaGo系統(tǒng)大部分的核心技術(shù)點(diǎn)，實(shí)際上在20年前都已經(jīng)很成熟，直到今天面紗才被揭開?關(guān)鍵還是數(shù)據(jù)問題。20年前的計(jì)算機(jī)不足以處理這么多的數(shù)據(jù)，而現(xiàn)在可以。

　　還有一個(gè)比較重要的點(diǎn)是語音識(shí)別技術(shù)。近幾年這項(xiàng)技術(shù)有了突飛猛進(jìn)的發(fā)展，智能手機(jī)普遍應(yīng)用語音交互。但實(shí)際上語音識(shí)別技術(shù)是從60年代開始的。很多技術(shù)很早就有人嘗試，而近兩年獲得成功，歸結(jié)于數(shù)據(jù)處理能力和計(jì)算能力，使得它能夠變成更加智能化的工具?！　?/p>

　　數(shù)據(jù)有一個(gè)非常厲害的能力就是挖掘價(jià)值。以花唄為例，花唄的背后實(shí)際上是個(gè)人的信用分，這個(gè)信用分基于個(gè)人以前的整體行為，把所有的交易行為都形成數(shù)據(jù)，數(shù)據(jù)會(huì)告訴系統(tǒng)個(gè)人有多大的可能還錢或者有多大的還付能力。這個(gè)跟美國以前的信用體系有非常大的差別，完全從數(shù)據(jù)上挖掘行為，測(cè)量信用。

　　另外一方面，很多顧客會(huì)關(guān)注如何把花唄分?jǐn)?shù)提高?這就需要學(xué)習(xí)智能的機(jī)器人從模型里提取有用的信息，并告訴個(gè)人達(dá)到目的的途徑。

　　壓縮感知技術(shù)將會(huì)非常重要　　

　　在過去的十年間，我認(rèn)為在統(tǒng)計(jì)數(shù)學(xué)產(chǎn)生了一個(gè)非常有力量的技術(shù)，它的中文名是壓縮感知。這個(gè)技術(shù)是非常有趣的技術(shù)，可以重現(xiàn)歷史。

　　大家設(shè)想一下，如果你有一個(gè)非常老的、破損嚴(yán)重的照片，你肯定想要有一個(gè)機(jī)器可以把很破損的照片恢復(fù)的沒有瑕疵。有了壓縮感知技術(shù)之后，這些破損的照片，可以重現(xiàn)成很完美完整的照片。這是非常頂尖的幾個(gè)科學(xué)家在最近幾年做的杰出的工作帶來的成果。

　　有了這個(gè)技術(shù)，大家會(huì)想是不是相機(jī)運(yùn)用這個(gè)技術(shù)可以做一些改變?現(xiàn)在的數(shù)碼相機(jī)很便宜，其中一個(gè)非常重要的原因，在于數(shù)碼相機(jī)的感光材料是硅，人的感光區(qū)間和硅的感光區(qū)間差不多，所以硅可以成為非常好的傳感器來形成圖像。

　　但硅做不到紅外的感光區(qū)，而紅外感光材料非常昂貴，所有紅外或紫外相機(jī)通常都很昂貴。想要獲得高清照片很昂貴。

　　所以現(xiàn)在很多公司想要用比較簡(jiǎn)陋的相機(jī)拍攝，運(yùn)用壓縮感知技術(shù)把它重現(xiàn)成很好看的照片。美國的萊斯大學(xué)正在做單光子相機(jī)，希望能做到只測(cè)量一個(gè)光子就可以把整個(gè)圖片完完整整的呈現(xiàn)出來。

　　我個(gè)人覺得壓縮感知這樣的技術(shù)，會(huì)在以后的時(shí)間內(nèi)成為非常重要的技術(shù)。

　　人工智能和人的智能有什么差別?　　

　　接下來我想再談?wù)勚悄?。?duì)于智能，每個(gè)人都有不同的定義。從機(jī)器學(xué)習(xí)或者是人工智能角度來看，所謂的智能是一個(gè)決策函數(shù)，這個(gè)決策函數(shù)有一個(gè)輸入，比如說一個(gè)照片會(huì)給出一個(gè)決策，它告訴你照片的人是什么。

　　現(xiàn)在幾乎所有的機(jī)器學(xué)習(xí)、人工智能的方法，不管是AlphaGo，還是語音識(shí)別、自動(dòng)駕駛幾乎都是用這個(gè)方法為基礎(chǔ)的。這個(gè)智能是我們經(jīng)常說的人工智能，實(shí)際上它跟人的智能還有一個(gè)很大的差別，最大的差別就在于他們對(duì)數(shù)據(jù)的依賴。

　　小孩在學(xué)習(xí)各種技能時(shí)的一個(gè)學(xué)校過程最多幾十遍，人的學(xué)習(xí)可以依賴于相當(dāng)少的樣本學(xué)到知識(shí)、技能。但是機(jī)器智能基于決策函數(shù)的學(xué)習(xí)方式，需要巨大的數(shù)據(jù)支持。這就是為什么說只有有了巨大的數(shù)據(jù)，人工智能才會(huì)普遍運(yùn)用起來。如果數(shù)據(jù)低于一定的程度，這樣的函數(shù)是不可能被學(xué)習(xí)下來的。

　　最后總結(jié)一下，我們正處于一個(gè)激動(dòng)人心的時(shí)代，在這個(gè)時(shí)代能夠利用非常大的數(shù)據(jù)、計(jì)算能力，讓那些十年前、二十年前研發(fā)出來的算法，發(fā)揮出巨大的價(jià)值。

　　但同時(shí)也要認(rèn)識(shí)到現(xiàn)在這樣一個(gè)基于函數(shù)技術(shù)的機(jī)器學(xué)習(xí)或者說是人工智能的方法，也有一個(gè)巨大的局限性，對(duì)樣本的數(shù)量有很大的依賴。

　　到底我們應(yīng)該怎么去看待人在學(xué)習(xí)過程中的能力?為什么說人只要需要幾個(gè)樣本就能把一個(gè)技能學(xué)好，而機(jī)器學(xué)不好?

　　從這個(gè)角度來講，我認(rèn)為現(xiàn)在的數(shù)據(jù)巨大成功同時(shí)也是給在座每一位年輕人的一個(gè)巨大的機(jī)會(huì)，去探究人到底是怎么學(xué)習(xí)的。