微軟亞洲研究院常務(wù)副院長(zhǎng)芮勇人工智能趨勢(shì)之四化

“人工智能”一詞最早出現(xiàn)于1956年，近年來(lái)“人工智能”越來(lái)越熱，人們對(duì)此也感到一些困惑。未來(lái)，人工智能的發(fā)展趨勢(shì)應(yīng)是大數(shù)據(jù)化、自適應(yīng)化、可穿戴化和增強(qiáng)化。

大數(shù)據(jù)化

微軟認(rèn)知服務(wù)是把微軟過(guò)去二十幾年做的人工智能分支的技術(shù)，包括計(jì)算機(jī)視覺(jué)、語(yǔ)音、語(yǔ)言、搜索等技術(shù)放在認(rèn)知服務(wù)上。這樣的好處是當(dāng)人們想開(kāi)發(fā)一個(gè)App的時(shí)候，不用重新開(kāi)發(fā)，直接調(diào)用即可。

圖1為估算顏齡的一個(gè)網(wǎng)站：www.how-old.net，在這上面首先要知道人臉在什么位置，其次是判斷性別。2015年底，發(fā)布了第二個(gè)版本，可以估計(jì)出人類的情感、喜怒哀樂(lè)等。

2011年以前，深度學(xué)習(xí)在沒(méi)有被引入計(jì)算機(jī)視覺(jué)之前，其錯(cuò)誤率大約為百分之二十幾，直到2012年，深度學(xué)習(xí)第一次被引入計(jì)算機(jī)視覺(jué)，這時(shí)錯(cuò)誤率大幅下降到百分之十幾，之后幾年更是降到了10%以內(nèi)。

此外，物體檢測(cè)是比物體分類更難的事情，特別是像素級(jí)別的物體分割。我們知道一張圖片有很多像素級(jí)別，每個(gè)像素是屬于貓，還是屬于這只貓邊上的草，每一項(xiàng)都要進(jìn)行分類，這是非常難的。從圖片分類到物體檢測(cè)，再到像素級(jí)的物體分割，為什么計(jì)算機(jī)視覺(jué)可以做到？這是因?yàn)槿祟惿闪撕芏嗟臄?shù)據(jù)，這些數(shù)據(jù)被拿來(lái)訓(xùn)練計(jì)算機(jī)，它才能夠有一定的智能，這也是第一類趨勢(shì)——大數(shù)據(jù)化。

圖1　估算顏齡的一個(gè)網(wǎng)站

圖2　

自適應(yīng)性

在電影《星際迷航》有這樣一個(gè)場(chǎng)景，不同的星迷去不同的星球探索，可以通過(guò)一個(gè)機(jī)器來(lái)進(jìn)行交流，這在當(dāng)時(shí)還是一種科幻。研發(fā)人員總能把科幻變?yōu)楝F(xiàn)實(shí)，目前有一種實(shí)時(shí)翻譯器，使得兩種說(shuō)不同語(yǔ)言的人可以實(shí)時(shí)交互。大約在2010年時(shí)微軟內(nèi)部進(jìn)行了展示。2015年，我們將這項(xiàng)技術(shù)加入到Skype里。

其中，必須要有四項(xiàng)技術(shù)做得非常好。第一步，中文的音頻系統(tǒng)要被實(shí)時(shí)翻譯成中文文字，并且要非常準(zhǔn)確；第二步，因?yàn)槭侨粘５膶?duì)話，會(huì)有一些口語(yǔ)，嗯、啊等，需要把這些地方進(jìn)行翻譯；第三步，中文文字翻譯出來(lái)之后，需要翻譯成外文文字；第四步，把這些外文翻譯成語(yǔ)音。同時(shí)還要注意翻譯出的聲音應(yīng)該是像同一個(gè)人說(shuō)話，這也是我們提到的自適應(yīng)化。

可穿戴化

隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，未來(lái)計(jì)算機(jī)看到圖2時(shí)，會(huì)告知一名男子正騰空而起表演滑板特技。微軟有一款設(shè)備——Hololen，能夠?qū)崿F(xiàn)兩個(gè)不同物理空間的人可以在同一個(gè)空間進(jìn)行交互。

增強(qiáng)化

人工智能和人，并不是誰(shuí)PK誰(shuí)的問(wèn)題。計(jì)算機(jī)比人類強(qiáng)的就是它的存儲(chǔ)功能和記憶功能，它是一個(gè)很好的左邊半個(gè)大腦的補(bǔ)充。未來(lái)，不是人對(duì)抗機(jī)器，而是人加上機(jī)器，讓人類變得更加厲害！

（本文整理自微軟亞洲研究院常務(wù)副院長(zhǎng)芮勇博士在“清華人工智能”論壇上的演講，未經(jīng)本人確認(rèn)）