首页 > 产品介绍 > 对话图麟科技CTO朱才志:现在的深度学习是“大

对话图麟科技CTO朱才志:现在的深度学习是“大

日期:2017-12-24 13:19      人气:     

原标题:对话图麟科技CTO朱才志:现在的深度学习是“大炮打蚊子”

图麟科技近期完成了新一轮融资,借此机会,W君专访了CTO朱才志。作为图麟科技的技术领头人,朱才志从2000年开始研究计算机视觉(CV),2014年与魏京京等人共同成立图麟科技,开启了从实验室走向市场之路。

当前,AI概念漫天齐飞,那么人工智能到底是一个什么样的技术?为何如今突然爆发?AI如何赋产业?

对话图麟科技CTO朱才志:现在的深度学习是“大

人类无需恐慌

W:人工智能技术为何如今突然爆发?

朱才志:人工智能非常火,大部分人是从AlphaGo开始关注。但人工智能早在上个世纪40年代就发芽,当时的概念叫神经元;1956年才正式提出人工智能的概念,技术上出现了一个单层神经网络,科学家们非常有信心,希望20年之内,创造出和人类智能水平相当的人工智能产品。这是第一次高潮,但是随后进入低谷期,很多人开始悲观。

1980年,随着神经网络BP算法突破,迎来了第二次高潮,技术上的单层神经网络也发展至多层,弥补了之前单层神经网络的缺陷。此后,又遇到了新问题,计算机的计算能力不足,之后这段时间可以看做又一次行业发展低谷。

随着云计算、大数据等技术的出现,算力得以解决,也就迎来了这轮人工智能的爆发。AlphaGo、AlphaGo Zero等都是基于多层神经网络,通过强大的算力对大数据进行计算分析。可以说,这是人工智能发展的第三次黄金时期,算法、算力、数据三要素均具备,所以在感知领域的视觉、听觉方面,计算机达到甚至超过了人类。比如CV领域里的人脸识别、语音领域的机器翻译、人机对话等。

W:人工智能这么发展下去,是否会威胁到人类?很多人很担忧。

朱才志:不要担忧,更不用恐慌,这个还早。虽然在某些感知领域方面,AI达到人类水平,但是在认知方面,也就是让机器人像人一样思考并采取行动,还需要相当长的时间实现。从科研角度来看,在机器认知方面还有很多难题,现在自动驾驶算是一种认知方面的一种探索,比如通过感知周边环境,自动做出反应,但依然是除了会开车外,还是什么都不会。还有一种情感机器人,可以聊天,这个需要不断的完善,目前依然处于早期阶段,没有像深度卷积神经网络发展那么快。

行业一般称现在是弱人工智能阶段,其实应该是窄人工智能,从弱到强,从窄到宽,最少也需要5-10年的时间。

大炮打蚊子

W:谈到人工智能,都会提深度学习,这是一个什么样的技术?

朱才志:通俗一点讲,传统的机器学习算法,当数据量计算达到一定程度会饱和,而深度学习则解决了这一问题。首先,给它越多的数据,其精度就越高;其次,在能力上,某些方面可以超过人类。

深度学习算是一种通用技术,原理就是端到端的解决方案,数字输入到输出之间设计一个损失函数就可以了,中间过程不需要人工干预,由神经网络全部解决。这意味着什么呢,就是不需要我们再去重新学习具体的领域知识了。比如我研究图像17年,但是学习了深度学习后,即使在语音领域一窍不通,只要懂神经网络,就可以快速建出模型打败传统语音方面的专家。

深度学习没出现之前我们的CV科学家怎么做呢?就是花很多年,去针对特定问题寻找图像的最适合的特征表达,能设计出新的特征表达就可以成就一篇高深论文。如果是跨领域,你就需要重新学习领域知识,通过很长时间积累才能写出来。在学术界有一个有趣的现象,20年前,你要是写神经网络相关的论文,有很大概率会被拒掉,因为当时处于神经网络的低潮期;现在则是相反的情况,基本上如果你的论文没有和深度学习沾边,可能就会被拒。因为大家发现,深度学习这种通用技术,可以绕过非常多的领域知识积累,直接来到一个高性能的平台上。

W:深度学习是万能的?

朱才志:不能说深度学习是万能的,作为一项技术,也有它的缺陷。目前深度学习基础理论方面的研究还是欧美做得更好些,国内基本都算是拿来主义。目前业内有一个共识,深度学习解决问题的方式好比是大炮打蚊子。

现在可以设计到千层神经网络,网络的拟合能力也很强,学习能力对于问题来说基本是无限的,善于从大数据中去学习。但目前的深度卷积神经网络大多是通过暴力拟合,你给我数据我就把曲线撑起来,数据越多、曲线可以越复杂、性能也越高。暴力拟合带来的问题就是,不明白机器为什么工作得很好、为什么工作得不好,参数太多也没有办法可视化、分析,所以深度学习就变成了纯工程化性的反复调参、试错:我会不断调整参数让机器工作,但是让我分析理论,这个我真没有。做不到可视化和分析,这种精准化的缺失会带来很多无效的计算,造成浪费。