京东周伯文:人工智能仍是初步阶段,未来会大10倍不止

2017年11月25日

京东,人工智能,京东,IBM,语音识别,金融,ABI

谢谢主办方的邀请,我演讲的主题是拥抱未来。

谈到人工智能大家都非常关心,这也是一个风口、热点。谈到人工智能,我们自然会想到的深蓝、阿尔法狗,最新的,想到计算机视觉的进步。

可以说人工智能在过去几年中对很多行业都产生了非常大的影响。

但我要讲的不是今天的人工智能,今天的人工智能还很弱小,弱小到我认为某种意义上更多的是可叫做人工智能初步阶段。

我个人定义了一下人工智能不同的阶段。我们现在所处的阶段,它是一种非常窄义的人工智能。

就是说你在设计一个人工智能系统的时候,首先要告诉它,它要做的是什么样的任务,要回答什么样的问题,要采集相应的标注的数据。它只能做你设计好的一件事情,其他的事情哪怕跟它非常相关,但是稍微变一下人工智能就没办法解决。

打个比方,让人工智能看到一张图,让它描述这张图是干什么的,好像计算机已经理解了这个内容,其实不然。给它另外一张图,问它这张图跟那张图有什么差别,人工智能的系统不能回答。所以它并没有更多的智能的概念,所以我们叫它为窄义的人工智能。

作为人工智能的研究者,过去30多年我们一直有一个梦想,就是做成通用的人工智能。这种人工智能是真正的具有自我设计,能够自我适应,去解决一些通用性问题的系统,我们将它叫做AGI。我们怎么从今天的ANI做到AGI,路径、方法和时间点都存在争议,学术界没有统一的认识,更多的可以说是一个愿景。

我接下来跟大家要讲的既不是窄义的,也不是通用的,我想讲的是处于中间的一个非常好的广义人工智能,即。我们怎么能取得到ABI,ABI能干什么事情。有七个领域,我认为是目前最前沿、最热的人工智能的技术研究领域,每一个研究领域都会帮助我们驱动从现在的ANI到ABI。

首先人工智能要学习,要从现在狭隘的单任务的学习变成广泛的终身的学习。目前一个人工智能的系统最大的缺点就是遗忘,我训练好了一个人工智能系统,先训练A,再训练B的时候,它就把A全部忘掉了,你要重新训练系统。如果这个问题不能解决,我们的人工智能系统只能做单一的任务。我认为有很多的办法可以解决,比如连续性的学习。

其次,今天我们的AI很多是用的神经网络,神经网络的内存不够,我们会用外面的内存帮它记录一些更长的东西。

但是这个架构是不是可以做到ABI,学术界有很大的争论。所以我们要做的是选择性的弹性学习。它会自动选择在不同的任务之间,哪些东西我应该记住,哪些东西我应该遗忘,就跟我们人类学习东西一样。

有几个主要的问题,你怎么能够让一个人工智能的系统有长期的记忆,不是放在内存里,而是新的事物来的时候哪一块可以匹配,我应该用哪一块的东西来解决问题。这一点还没有得到很好的解决。

比如我们让人工智能系统看很长的小说,它看了前面就忘了后面,很难把小说的内容联系起来。另外学习新的技能的时候,它不知道怎么用旧的技能去解决新的技能。

第三,目前大量的人工智能学习用的是海量的可标记的学习,将来ABI是从所有可能的内容中去学习。

举一个简单的例子,我们人类在晚上睡觉的时候,我们脑子里潜意识的会存放你今天的一些经历,这个存放的过程没有人监督,没有人告诉你做的对还是不对,但是过程中大脑会受到刺激,第二天醒来的时候你已经是全新的自己了。

现在人工智能系统没有这个能力,它必须有明确的信号告诉它我识别这个图像识别错了还是对了,错了就改正,对了就不变。

下一个问题,现在所有的人工智能基本上都是用专家预设的架构来学习的,多少神经网络、多少神经原、非线性的函数去驱动它,全部要人设计,在将来它将变成自适应的结构。

我们人类的脑细胞每天都有新的脑细胞在诞生,老的脑细胞在死亡,这是自然的过程,这个自然的过程中人的学习能力更强。所以在人工智能架构里面也会自动的产生新的神经原细胞,自动消失神经原细胞。

我们现在的人工智能解决的问题仍是一个一个孤立的去解决,不知道怎么组合问题。在这个领域我们如何把一个问题自动分解,在子问题里解决好,搭配方案去解决一个更大的问题。

这个领域很有前景的一个方向是它能够自动组合一些模块,就像人一样,我们每天会遇到新的问题,但我们可以运用之前学习的知识来解决问题。

下一个问题跟人类很相关,不仅是算法专家研究人员要关心的问题,使用的人也非常关心。

现在人工智能很大一个弱点它不具有可解释性,它会告诉你这个图像是什么,这个语音转成文字应该什么样,机器翻译应该怎么翻,但是它没有办法告诉你为什么,因为背后的人工智能是通过大量的原理和优化来影响的。

这样就导致一个问题,我怎么能够相信它,这是一个非常复杂的问题,因为可解释性在数学上没有一个完美的定义,我们不知道什么叫可解释性,人类可以理解,但是数学不能精准的定义什么是可解释性,人工智能就很难自觉的去优化它。

根据不同的业务场景,特别是、医疗,在这些领域内可解释性你怎么来量化它,量化以后让人工智能去自适应、去学习。现在人工智能是风口,但是产业规模还不够大,如果可解释性有很大的提高,我相信行业规模会大10倍都不止。

现在的人工智能优化能力、学习能力还不够,学习能力、优化能力指的不仅仅是硬件的提升,硬件的提高速度会非常快,但是我们不知道怎么去优化一个复杂的神经网络系统,或者做到我前面所说的更广义的神经网络系统。比如它有选择的弹性,能够自学习、自适应。

某种程度上,今天人工智能的成功很大程度上取决于运气。为什么这么讲?

是因为我们去设计深度神经网络的时候,不知道怎么去优化它,因为它最优的解释是不存在的,我们做的最好的是反向传播。

理论上不应该是这么好的,但是目前大量的神经网络用这个方法在使用上可以做到足够好了。

当我们扩展到学习网络的时候更复杂、更精妙的时候,这种学习能力还能不能有,这要打一个问号。我们前几年就开始研究怎么不再用反向传播来优化神经网络系统。

换一个话题,如果这些都能做到或者做到一部分,对行业有什么影响。今天已经在运用一部分人工智能技术了,比如无人车、无人仓技术。人工智能落到一个行业的时候,它有巨大的生命力和活力,内容可以普惠我们每一个消费者。

下面我给大家讲一下京东这么一个大的商业体是怎么通过人工智能一步一步影响,使它更有生命力,更好的为消费者服务。我是9月底加盟京东的,负责把京东的人工智能用的更深更广,这是我的使命。

这是我们第一次在公开场合讲京东的丰富业务场景下所孵化的京东人工智能。从京东公司来看,我们可以把它想象成可以在不同的应用层面都能应用的人工智能。

比如我们分为四个智能联邦的概念,京东是一家面向消费者的公司,所以智能消费是很大的一块业务,怎么做到千人千面,每个人看到的消费场景都是不一样的,提供更好的人机交互服务。

比如我们看到一个女孩她在购买香水,她可以在家里闻到香水的味道,现在我们上线的业务是她可以试用口红。智能云的业务也有很多,无人机、无人仓,都是AI在后面支撑。

大家感觉不到的是2B这一段。人工智能也在帮助我们优化智能供应链,包括我们对每一个产品销售的预测都可以通过人工智能实现。包括我们自己选货、下单,不是全由人工来决定我应该补什么货、买什么货、买多少,包括选品的定价,我的定价是多少,所以既包括千人千面,还有千价。

金融方面,我们京东做了很多跟金融合作的场景,比如在智能投顾方面。所有的这些都离不开核心的人工智能技术的提升。

在京东这方面的技术层由我负责,我们有AI研究院,在全球招聘最强的AI人员,实现从窄义的人工智能到广义人工智能的发展。我们对机器学习、强化学习、深度学习都要做很好的探索,在计算机视觉方面、在语音识别、在自然语言理解方面等等都要做持续算法的创新。

这是我今天想跟大家分享的人工智能的前沿,同时也跟大家分享一下人工智能在京东的具体应用场景。非常感谢大家的时间,再次感谢主办方的邀请!

This entry was posted in 人工智能 and tagged , , , , , . Bookmark the permalink.

发表评论

电子邮件地址不会被公开。 必填项已用*标注