余凱認(rèn)為未來(lái)將會(huì)實(shí)現(xiàn)硬件入口多元化，任意一個(gè)設(shè)備都有可能成為入口，而地平線的定位就是要成為人工智能領(lǐng)域的英特爾。

智能硬件熱潮未退，在人工智能這個(gè)領(lǐng)域，需要一個(gè)能橫跨圖像、語(yǔ)音、自然語(yǔ)言理解和自主控制的平臺(tái)型的公司。余凱，百度深度學(xué)習(xí)研究院（IDL）創(chuàng)始人，大概是國(guó)內(nèi)能夠把深度學(xué)習(xí)理論講述最清楚的科學(xué)家之一?，F(xiàn)在，他創(chuàng)立地平線機(jī)器人，希望能夠成為人工智能領(lǐng)域的英特爾。

「 深度學(xué)習(xí)」

雖然人工智能涉及的領(lǐng)域很廣，但是一個(gè)人工智能的系統(tǒng)從功能上看還是有一些共通性的，我認(rèn)為主要有三個(gè)方面，第一個(gè)是環(huán)境感知，第二個(gè)是思考推理，第三個(gè)是決策控制。具體來(lái)說(shuō)，無(wú)論是語(yǔ)音識(shí)別還是圖像識(shí)別，這在過(guò)去是獨(dú)立分開(kāi)又很大的兩個(gè)領(lǐng)域，最初完全沒(méi)有交集，深度學(xué)習(xí)技術(shù)被廣泛使用之后，這兩個(gè)領(lǐng)域都過(guò)渡到采取深度神經(jīng)網(wǎng)絡(luò)的模型，并產(chǎn)生顯著提高。最新的進(jìn)展就是AlphaGo圍棋比賽，以一種很直觀的方式讓社會(huì)大眾感受到了深度學(xué)習(xí)的進(jìn)展。

深度學(xué)習(xí)是指對(duì)原始的數(shù)據(jù)通過(guò)不斷地學(xué)習(xí)、抽象，得到這些數(shù)據(jù)的表達(dá)或描述。深度學(xué)習(xí)的發(fā)展經(jīng)歷過(guò)幾次高潮和低谷，這一波的高潮業(yè)界公認(rèn)是從2006年開(kāi)始，多倫多大學(xué)計(jì)算機(jī)系教授Geoffery Hinton發(fā)表文章向大家證明可以訓(xùn)練學(xué)習(xí)很深的神經(jīng)網(wǎng)絡(luò)。

2010年左右，深度學(xué)習(xí)的研究和應(yīng)用實(shí)現(xiàn)突破，歸結(jié)于下面兩個(gè)主要理由。首先是計(jì)算能力有了本質(zhì)的提高，另外在互聯(lián)網(wǎng)時(shí)代，數(shù)據(jù)出現(xiàn)了爆發(fā)式增長(zhǎng)，所以從2010年開(kāi)始，深度學(xué)習(xí)被大規(guī)模使用在人工智能各個(gè)領(lǐng)域。

深度學(xué)習(xí)為什么這幾年得到這么大的關(guān)注？關(guān)鍵原因是性能可以隨著數(shù)據(jù)的增長(zhǎng)而提高。其他的機(jī)器學(xué)習(xí)的方法可能隨著數(shù)據(jù)的增加，性能提高到某一個(gè)點(diǎn)就飽和了。但目前為止對(duì)于深度學(xué)習(xí)我們還沒(méi)有觀察到這點(diǎn)，這可能是它最值得關(guān)注的地方。深度學(xué)習(xí)在語(yǔ)音識(shí)別上的應(yīng)用使其準(zhǔn)確率提高很多，隨后深度學(xué)習(xí)開(kāi)始被使用到圖像識(shí)別等其他領(lǐng)域。大家發(fā)現(xiàn)深度學(xué)習(xí)像是一個(gè)大錘子，可以打很多不同的釘子，它是一個(gè)很好的工具，解決表面上看很不同的問(wèn)題。

「 深度學(xué)習(xí)的未來(lái)」

深度學(xué)習(xí)的研究目前有四個(gè)方向。首先是學(xué)習(xí)如何記憶；第二是學(xué)習(xí)如何關(guān)注與取舍，把注意力集中到需要關(guān)心的細(xì)節(jié)上；第三個(gè)是增強(qiáng)學(xué)習(xí)，學(xué)習(xí)如何控制主動(dòng)行動(dòng)；第四個(gè)采用深度學(xué)習(xí)解決任務(wù)的新方式，就是序列化地逐步解決一個(gè)復(fù)雜問(wèn)題。

目前，絕大多數(shù)深度學(xué)習(xí)完成的任務(wù)，還是根據(jù)一個(gè)輸入信號(hào)得到一個(gè)輸出的結(jié)果，無(wú)論是語(yǔ)音識(shí)別還是圖像識(shí)別。比如，深度學(xué)習(xí)進(jìn)行了分類，你給計(jì)算機(jī)一個(gè)圖像，它可以告訴你是貓還是狗，你對(duì)計(jì)算機(jī)說(shuō)句話，它可以識(shí)別出來(lái)，這是現(xiàn)在的狀態(tài)?，F(xiàn)在深度學(xué)習(xí)的前沿是如何去學(xué)習(xí)保留一個(gè)長(zhǎng)時(shí)記憶，進(jìn)而完成一個(gè)復(fù)雜的任務(wù)，就像假如我們聽(tīng)課時(shí)有個(gè)筆記本可以做筆記，那么我們選擇哪些知識(shí)寫在筆記本上，如何寫這些知識(shí)，就是如何去記憶。所以一個(gè)新的趨勢(shì)就是如何通過(guò)深度學(xué)習(xí)的方法，把之前很長(zhǎng)一段時(shí)間的序列數(shù)據(jù)，抽象提取精華記錄下來(lái)或者記憶下來(lái)，幫助計(jì)算機(jī)將來(lái)做判斷、做分析、做決策。

第二個(gè)方向是注意力模型，動(dòng)態(tài)的將注意力集中到某些細(xì)節(jié)，提高識(shí)別性能。比如，看圖說(shuō)話圖像理解，你根據(jù)一幅圖生成一句話，很可能是非常宏觀的。如果我們能夠把注意力聚焦在從引入到識(shí)別的機(jī)制過(guò)程中，根據(jù)目前的識(shí)別結(jié)果，動(dòng)態(tài)地一步一步調(diào)整聚焦到圖像的細(xì)節(jié)，那么就可以生成一些更合理或者更精細(xì)的表達(dá)，比如在圖像中，關(guān)注一個(gè)飛碟，我們可以調(diào)整關(guān)注區(qū)域在圖像中把飛碟找出來(lái)，提取它的特征進(jìn)行識(shí)別。

深度學(xué)習(xí)還有一個(gè)方向是增強(qiáng)學(xué)習(xí)，目前的深度學(xué)習(xí)都是通過(guò)大量的數(shù)據(jù)在線下學(xué)習(xí)一個(gè)模型，把這個(gè)模型基本學(xué)好了，到線上只是應(yīng)用。增強(qiáng)學(xué)習(xí)是指計(jì)算機(jī)可以結(jié)合當(dāng)前狀態(tài)的改變而采取進(jìn)一步措施，得到一些反饋和收益，同時(shí)也改變了自身的環(huán)境，與周圍環(huán)境在一種動(dòng)態(tài)過(guò)程中一起演化不斷決策。比如無(wú)人機(jī)在遇到障礙物的時(shí)候判斷該往哪個(gè)方向飛，它會(huì)收集到周圍很多信號(hào)，然后去做一個(gè)決策，是往左偏還是往右偏？是不是失衡了？它需要根據(jù)環(huán)境的反饋和自身的狀態(tài)，不斷修正，根據(jù)反應(yīng)的每一個(gè)結(jié)果繼續(xù)做出反應(yīng)決策，這就是增強(qiáng)學(xué)習(xí)的大體過(guò)程。

無(wú)論是長(zhǎng)時(shí)間學(xué)習(xí)還是增強(qiáng)學(xué)習(xí)，這些都是人工智能底層架構(gòu)通用的功能，我們認(rèn)為未來(lái)會(huì)需要這樣的平臺(tái)，可以將這些功能集合在一起，但又能適用于解決大多數(shù)的人工智能任務(wù)。

「 地平線的野心」

互聯(lián)網(wǎng)的本質(zhì)是連接，連接人和信息、人和商品、人和服務(wù)。然而任何連接都需要通過(guò)媒介進(jìn)行，PC時(shí)代，用戶通過(guò)瀏覽器進(jìn)入互聯(lián)網(wǎng)，瀏覽器幾乎是當(dāng)時(shí)唯一的互聯(lián)網(wǎng)入口；到了移動(dòng)互聯(lián)網(wǎng)時(shí)代，瀏覽器的職責(zé)被分化到多個(gè)APP上，軟件時(shí)代的APP化使連接媒介更加多樣。

但隨著硬件智能化的到來(lái)，未來(lái)汽車、家電、玩具都有可能變得越來(lái)越智能，而這必將導(dǎo)致連接媒介和交互方式的巨大變革。很難想象，我需要掏出手機(jī)來(lái)操控某個(gè)家電、洗衣機(jī)或者空調(diào)。

比如，未來(lái)很多家居產(chǎn)品上會(huì)有個(gè)屏幕，展現(xiàn)非常豐富的信息。在這樣的場(chǎng)景下，用戶將不再需要通過(guò)遙控器或者打開(kāi)手機(jī)APP來(lái)操控家電，更多的是直接和設(shè)備進(jìn)行交流、交互。除了交互方式的變革外，隨著智能硬件表達(dá)和處理信息的能力越來(lái)越強(qiáng)，可以作為連接媒介更好地讓人們獲取信息和服務(wù)。

最近幾年人工智能很熱，很多創(chuàng)業(yè)者都希望能夠在這個(gè)領(lǐng)域有一番作為，但人工智能實(shí)際上是語(yǔ)音圖像識(shí)別、語(yǔ)義理解、大數(shù)據(jù)分析等技術(shù)的高度集合，其中的每一項(xiàng)技術(shù)都需要巨大的時(shí)間和研發(fā)成本的投入。如果創(chuàng)業(yè)者要基于這些技術(shù)開(kāi)發(fā)相應(yīng)的產(chǎn)品功能，滿足用戶需求，依靠自身的力量顯然是不現(xiàn)實(shí)的。因而在人工智能這個(gè)領(lǐng)域，需要一個(gè)能橫跨圖像、語(yǔ)音、自然語(yǔ)言理解和自主控制的平臺(tái)型的公司。

放到手機(jī)行業(yè)會(huì)更容易理解，開(kāi)發(fā)者可以開(kāi)發(fā)很多應(yīng)用程序，比如微信、滴滴出行、大眾點(diǎn)評(píng)，以此來(lái)滿足用戶不同的需求。但這些都是基于高通或者聯(lián)發(fā)科等公司提供的芯片，以及iOS或者安卓等操作系統(tǒng)，基于這樣一個(gè)成熟的軟硬件相結(jié)合的平臺(tái)，開(kāi)發(fā)者才能開(kāi)發(fā)各種APP。