兩大機器人會議齊聚中國 人工智能很吸睛

ICML和MLSS兩大機器人會議齊聚北京，被業(yè)界認為是破天荒的第一次。由此可見，中國人工智能的發(fā)展在國際上已經(jīng)異軍突起，越來越吸引各界的目光。

最近在科技界，人工智能、機器學習可謂炙手可熱�；叵脒@一年，機器學習大佬們紛紛從學術界“跳槽”工業(yè)界，祖師爺Geoffrey Hinton被谷歌招入麾下，泰斗Yann Lecun加盟Face book，前“谷歌大腦之父”Andrew Ng成為百度首席科學家。作為人工智能最重要的分支，近幾年，機器學習取得的突破進展，讓世界不得不為之矚目。

這個六月，一場機器學習領域的饕餮盛宴正在上演。國際機器學習大會（ICML）和機器學習暑期國際研討會（MLSS）這兩個機器學習頂級會議首次來到北京。人工智能為何如此火爆？學術界與工業(yè)界有哪些新進展？人工智能下一突破會在何處？筆者抓住這個千載難逢的機會，來到現(xiàn)場，不僅能近距離膜拜大師，更期待找到問題的答案。

兩大盛會首來中國，原因何在

今年，ICML和MLSS齊聚北京，可謂史無前例。究竟是什么吸引兩大機器學習頂級會議從歐美移駕中國、各位人工智能大師千里迢迢赴京？筆者認為，中國目前在人工智能領域可謂異軍突起，無論學術界還是工業(yè)界都有亮眼表現(xiàn)。

從國家層面，政府高度重視發(fā)展人工智能技術，人才方面，越來越多就讀于世界頂級名校的中國學子學成歸國，工業(yè)方面，中國真正做到了技術的工業(yè)落地，尤其在互聯(lián)網(wǎng)產(chǎn)品上變現(xiàn)能力極強。

人工智能研究新成果

去年ICML大會上，Andrew Ng帶領學生Adam Coates利用2萬美金的GPU集群做到了谷歌價值約100萬美金服務器集群識別貓臉同樣的效果。今年，谷歌實驗室科學家QuocLe帶來了提取語句和文本特征的新方法。通過加入一層Paragraph Vector來表示語境，巧妙的解決了傳統(tǒng)“bag-of-words”（詞袋）模型無序和語意缺失的問題。

自然語音處理領域鼻祖，加拿大蒙特利爾大學的Yoshua Bengio教授將傳統(tǒng)Denoising Auto-encoder（DAE）算法訓練循環(huán)（training epoch）中數(shù)據(jù)的損失邊緣化（marginalized），實現(xiàn)了用少量的訓練循環(huán)達到或超過DAE模型的效果。

機器學習泰斗GeoffreyHinton的學生，加拿大多倫多大學教授Ruslan Salakhutdinov則介紹了關于自然語言的多模態(tài)神經(jīng)語言模型（multi modal neural language）。在圖文（image-text）模型中，通過一個卷積網(wǎng)絡，可以同時學到關鍵詞和圖像特征。

每屆ICML，最受關注的便是Best Paper花落誰家。要知道，ICML的評委們對文章的篩選一向以“苛刻”著稱。今年，最終歸屬于北京大學2009級博士生唐建的《Understanding the Limiting Factors of Topic Modeling via Posterior Contraction Analysis》，這是繼去年百度深度學習實驗室負責人余凱獲得Best Paper銀獎后再次爭得國際頂級榮譽。

百度引領人工智能創(chuàng)新

據(jù)筆者不完全統(tǒng)計，本次大會收錄了17篇來自中國的regular paper，其中來自工業(yè)界共計5篇，百度4篇，阿里1篇。百度大數(shù)據(jù)實驗室負責人張潼從理論上解決了機器學習不同方向上的優(yōu)化問題。例如，他提出AccProx-SDCA框架，優(yōu)化了機器學習三大關鍵問題SVM、Lasso和Ridge Regression的運行時間。

從MLSS到ICML，AndrewNg、張潼、余凱等豪華陣容先后亮相百度展臺；產(chǎn)品上，從搜索廣告CTR預估到各種預測的實現(xiàn)，再到移動產(chǎn)品的落地，顯示出了領跑人工智能、機器學習領域的雄心和決心。

人工智能的下一突破

那么，人工智能新的突破在哪里？在深度學習晚宴的Panel discussion環(huán)節(jié)中，從AndrewNg的回答中或許能找到答案。Andrew Ng談到，近些年深度學習取得的顯著進展，得益于基于大量標記數(shù)據(jù)（tagged data）的有監(jiān)督學習（supervised learning）的研究。隨著物理世界的數(shù)字化，大量標記數(shù)據(jù)產(chǎn)生，并且被提供給深度學習算法。如谷歌、百度這樣的互聯(lián)網(wǎng)公司已經(jīng)從中獲得價值。所以，有監(jiān)督學習將在短期內(nèi)仍是人工智能的研究重點，并在機器視覺、語音識別、廣告和推薦系統(tǒng)等方面產(chǎn)生重要作用。

Andrew Ng認為，基于深度學習技術，App和硬件都將變得更加智能。試想這樣一個應用場景，在開車的時候，只要說出“發(fā)件人我”，“回復給誰”，再說出郵件內(nèi)容，手機會自動將語音準確轉化為文本郵件，最終成功將郵件發(fā)送給接收人。在Andrew看來，未來幾年手機將會是連接一切的橋梁，人類通過手機將開啟智能生活。

另一方面，神經(jīng)學家相信，動物和孩子往往是通過無標記數(shù)據(jù)（untagged data）來學習的。目前已經(jīng)有科學家嘗試在無標記數(shù)據(jù)上應用深度學習技術，但還沒有找到合適的算法。未來，在這方面，可能會出現(xiàn)很多突破。據(jù)說，Andrew Ng帶領的百度人工智能實驗室將在這方面有所建樹。