吴恩达：人工智能带来的变革是革命性的

3月22日，2015中国（深圳IT）领袖峰会开幕式的主题演说中，百度首席科学家吴恩达公开发表主题演说《深度自学与人工智能》。他在演说中回应，人工智能的发展让他想起第一次工业革命。

他说道，我期望大家能把眼光放到未来的工业革命上面，它给我们带给的影响是十分深远影响的。　　同时，他还提及，目前基于深度自学的人工智能主要注目于三个领域：图像、语音和不道德。这些领域正在经历着飞速的创意进展和提高。　　他指出，人工智能正在增进大量用户、海量数据和杰出产品构成于是以循环。

新的人工智能方法深度自学，打破了原有的人工智能算法，人工智能将为人类低收入带给极大变革。人工智能的临界点正在来临。百度在声音和图像识别方面获得了突破性进展。比如，在人脸识别方面，谷歌的6000对人脸识别错误百分比为0.37%，百度为0.16%。

　　基于深度自学的人工智能正在转入高速创意期　　在过去一些年份中，人工智能的技术发展曾多次一度较为下滑。但近年来基于深度自学的人工智能技术向计算机彰显了类似于人类神经系统的自学能力，这让人工智能技术获得了大幅的提高。为了把深度自学作好，我们就必需理解人脑在做到什么。

　　使用HPC技术提高深度自学的计算出来性能　　火箭的升空还包括两件事情，一个是发动机，另外一个是燃料。发动机和燃料之间必需用料的十分好，火箭升空的这种形态给我们的深度自学也带给了一些救赎。在深度自学中，我们必须充足大的发动机和充足多的燃料储存。

　　大的发动机所指的是IT计算技术的发展。当深度自学概念刚经常出现的时候，更好的是用于CPU技术，建构小的神经元网络只有100万或1000万的相连。

从2008年起，GPU技术再次发生了相当大的发展。GPU被普遍运用在手机、平板等移动硬件设备上，我们利用GPU可以结构更加大的神经元网络。

再行往后，在谷歌深度自学项目这样的项目里构建了基于多CPU的云技术。从今天看下一段的趋势，我们将不会从云技术跳出HPC（超强性能计算技术）。　　云技术和HPC技术来自于两类有所不同的研究社区，它们背后的研究人员是有所不同的两类人。

在云技术上，你可以同时用于上千台计算机；而HPC技术对硬件的拒绝是数目较小的、性能更高的硬件。　　充足多的燃料所指的是能用的大数据。

同谷歌、facebook比起，尽管百度的数据量没有那么大，但正如上述对HPC技术的叙述，百度在发动机上的投资是比他们多的。　　图像识别的错误率早已减少到0.3%　　目前，百度在人脸识别领域和很多其他领域比其他国际上领先的大公司要夸奖，我们在人脸识别只有0.3%的错误率　　另外，现在的图片辨识技术早已可以很好的构建让计算机对一幅图片展开文字场景叙述了。现在很多计算机的读图能力早已多达了人眼所见的信息，这些技术给我们打开了无限的有可能。比如对服饰的辨识和搜寻、对老年人的照料等等，有可能都是未来的空间。

　　语音辨识正在执着99%的辨识精准度　　语音辨识是深度自学未来的大方向之一。通过神经元系统和适当的数据燃料，我们的语音辨识准确性更加低，对于背景噪音的过滤器做到的更加好。　　在语音辨识这个领域，我们还有很多要做到的。

目前，语音辨识准确率可以超过95%，但这个99%的辨识准确率在实际场景运用中的用户体验上是天壤之别的。我们目前正在希望在这个方向上展开希望。　　语音辨识技术也将不会普遍的运用于物联网的应用于场景上，人们将可以用语音与电视、各种家电构建有效地的对话。　　除了人类不道德，大数据还辨识机器不道德　　我们看见很多技术公司现在都需要提供到一些大数据来理解人们在互联网的环境当中到底是什么样的不道德，这是技术的发展。

我们可以从这些数据当中挖出更好的价值。百度的广告也是在人工智能方面下了相当大的工夫，我们有很多数据收集过来是关于人的不道德的，而这些深度自学可以使我们理解人们的不道德是什么样的。　　实质上，大数据所辨识的除了人类不道德之外还包括机器不道德。

今天的深度自学显然是一个十分强劲的工具，使我们可以理解机器在做到什么，来更佳地管理数据中心。比如我们可以用于这方面我们理解的信息来更佳地使机器运作。我们也可以更佳地理解计算机是如何工作的，我们还可以用于深度自学来提升计算机的安全性。

　　我们实在很多不道德数据给我们带给的机会，还包括人的不道德，还包括机器的不道德，有可能比我们今天所了解到的要甚广得多。　　人工智能带给的变革是革命性的　　面向未来，如果想要看一下人工智能给我们带给的潜在影响的话，我被迫想起第一次工业革命，第一次工业革命是在英国，最后蔓延到整个欧洲的。　　我也期望大家能把眼光放到未来的工业革命上面，它给我们带给的影响是十分深远影响的。

这些工业革命也可以把人们从日常反复艰巨的工作当中解放出来，把人性解放出来，把人的思想解放出来，使人们仍然沦为思想的奴隶。这些变革，将不会使我们的生产力取得很大的提高。

本文来源：kaiyun-www.tzjhdl.com