专访Google Brain之父:AI最大挑战是“感知”

编者的话：在采访过Linkedin工程师后，时隔两天，搜狐IT的硅谷工程师“杀手”晴然再次出动了。Andrew Ng（吴恩达）是近期被热议的智慧产品Google Brain的核心人物，就在不久前他曾到访中国，并“前往”百度，这一举动一度引起业界高度关注。据悉，百度基础技术团队在2012年发力于深度学习研究，据说已经取得重大突破。而“深度学习研究”的概念也开始变得火热，用直白的语言表达来说，“深度学习研究”就是让机器具备自主学习的能力。当然，这一技术离我们的生活还很远。

文/晴然 搜狐IT驻硅谷记者

最近，Google Brain很火，它"背后的那个人"更火 (连线杂志的文章"Google brain背后的那个人"在网上被疯载）。 对，我说的就是Andrew Ng（吴恩达）；他是斯坦福大学年仅37岁的华裔教授，Google Brain之父，在线教育平台Coursera的联合创始人，还是时代杂志评选的2013年最具影响力的100人之一。 在Coursera一岁生日之际，搜狐IT在硅谷采访到了这位传说中的大神。 我们知道，Coursera被TechCrunch评为"2012年最佳初创公司"，但是关于Andrew Ng, 我们更希望了解的还是围绕Google Brain、人工智能和"深度学习"(Deep Learning)的方方面面。

以Google Brain为主要脉络，我问了了大神以下几个问题：（对了，我还特别恳请大神使用‘最不技术’的语言来回答问题，小白们大可不必担心）

我：您一直在斯坦福当教授，请问您跟Google的故事是怎么开始的呢?

Andrew：我在几年前就开始致力于"深度学习"方面的研究。 这是机器学习（Machine Learning）领域里一个很新的研究方向；这种算法的核心就是：通过搭建‘神经网络’来模拟人脑的运转，让机器具备自主学习的能力。 搭建这样的‘神经网络’需要大量的计算工具，斯坦福的研究资源慢慢变得不够用了，于是我开始在硅谷寻找新的‘计算资源’，Google是个自然而然的选择。我们都认为"深度学习"会是AI领域新的发展契机，在短期内也能催化出一些实际的应用，所以一拍即合。Google Brain就这么诞生了。

我：您这个Google Brain核心团队有多少人呢？

Andrew：20人左右。大部分都是专注于机器学习领域的计算机科学家，也有懂神经学的。

我：请您谈谈Google Brain在人工智能和"深度学习"领域的最大突破。现在的神经网络距离人类大脑到底相差多远？

Andrew：目前，我们在Google Brain搭建的神经网络在整个学术界和产业界中都是首屈一指的。尽管它非常庞大复杂，但是距离模拟真实人脑还差得很远很远，非常远。 拿‘现有算法’跟人脑做直接对比挺困难的，科学家到今天也不能完全摸清人脑的运转方式，我们只能一步一步来。 我还想提醒大家，不要overhype"深度学习" （友情编译：别把"深度学习"想得太邪乎）。 让机器向人脑一样思考依然只是个美好的梦想，我们任重而道远。

我：Google Brain对Google意味着什么呢？

Andrew：我们目前的"深度学习"技术已经或者正在被运用到很多Google产品中。 特别具体的我不方便讲，能说的就是，"深度学习"让Google产品在语音，文本和图像的识别上变得更加聪明，可以更准确地洞悉我们的信息输入，更人性化地理解我们的意图。现在，每个安卓手机的语音识别以及Google街景中的图像处理都有"深度学习"的影子。我能说的只有这么多，Google用户敬请期待吧。

我：作为Google Brain之父，您认为现如今的AI梦想跟以前有什么不一样？您今天的努力方向依然是"让机器像人脑一样思考"吗？

Andrew：AI技术中两个版块Control （控制，或者说是执行） 和 Perception（觉察）。我认为今天AI中针对Control的技术已经相对成熟，比如，我们的无人驾驶汽车接到右转指令后可以马上做到轻给刹车，同时将方向盘向右转动。 今天，AI领域最大的挑战和短板是Perception，如何让机器更好地理解人的意图；而这正是 "深度学习"可以发光发热的范畴。

在未来的30到40年，我希望看到"深度学习"技术帮助我们创造出对‘环境’有洞察和学习能力的机器，比如无人驾驶汽车可以洞察出汽车前方跑来一个小孩并做出快速反应，比如机器人可以走进每家每户，不用我们多嘴就能有序地打扫房间、清理车库等等。

我：Google brain和 "深度学习"技术会给IT产业带来怎样的影响？

Andrew："深度学习"不止被Google看重，很多IT公司都有所动作。我也造访了百度，看到他们对 "深度学习"研究得如火如荼。 在我们这个大数据时代，"深度学习"其实是应运而生的。以前的机器学习算法在接受一定量的数据输入之后，学习能力会逐渐饱和；达到这个饱和点后，你再喂给机器多少数据，它都不会变得更聪明。 我们的"深度学习"算法则不同，你源源不断将数据扔给神经网络，它会一直自主学习下去，只会变得更聪明。

我："深度学习"最直接的应用是什么？能不能结合可穿戴设备讲讲？

Andrew：最直接的应用是让文本，语音和图像的识别更加精准，并以此改善人机互动体验。 目前"深度学习"算法仍然需要强大的后台支撑；直接把"深度学习"算法植入手机这种大小的设备里目前不现实，比如，安卓手机收到的语音指令也是需要传到Google服务器才能被"深度学习"，而最终的学习结果会再从后台服务器传至个体手机。

我：您的Google Brain核心团队中有来自中国大陆的吗？对于中国的AI狂热分子，您有什么样的建议?

Andrew: 我的团队中有中国成员，我自己也是香港长大的。 我建议，对AI和"深度学习"感兴趣的朋友可以去Coursera听听我的机器学习课程。 链接在此，它是完全免费的；不需要任何机器学习背景，有点编程基础会有帮助。

Coursera的风格就是摒弃被动授课，所以我的每节课都很短，也会配有相应的实践练习。机器学习本来就是个应用学科，光把算法教给大家也没什么用。所以我做了特别的设置，把大家做出的简易神经网络可以如何被应用也做了展示，相信可以让喜欢AI的人受到启发。

后记：采访之后，小编赶紧上Coursera注册了一个账户，开始听课。介个"2012年最佳初创公司"果然不凡，作为线上教育平台，Coursera的用户体验好得不真实，我都不太敢相信自己就这么免费得蹭上斯坦福的课了，呵呵。

吴教授的每节课都在10分钟左右，配有线上互动练习，在网上提交作业后还有人给打分和纠错，可以跟同学组建讨论小组。每周工作量在5-7小时，10周结课。 美中不足是没有中文字幕，不过吴教授的中国朋友最近把他的教学笔记翻译成中文了。

才上线一年的Coursera就已经这么牛掰（350万注册用户，370个大型开放在线课程），我们绝对有理由对Google Brain和吴教授抱有更高期待。