專訪亞馬遜機器學習總監：在巨頭公司領導ML團隊是種怎樣的體驗？

在科技巨頭公司里領導機器學習團隊是種怎樣的體驗？

拉爾夫·赫布里希（Ralf Herbrich）是亞馬遜的機器學習總監。作為一名經驗豐富的學者，他還帶領Facebook的團隊使用機器學習，預測用戶的行為，同時，他還是微軟公司的董事。

本文是對拉爾夫的一次採訪，他認為通過語音控制設備很快就會成為常態，並且，我們將讓人工智慧執行更多人類的工作，而無需消耗大量能量。

介紹一下

Q：請向我們介紹下你自己，拉爾夫，以及你是如何取得今天的成功的？聽說你年輕時，想成為一名漁夫，而且我知道現在這仍是你的一種情懷。

拉爾夫·赫布里希：我是亞馬遜機器學習總監，團隊分布在全球六個不同的地方。我在柏林科技大學學習計算機科學和經濟學，然後作為博士後加入英國劍橋的微軟研究院，成為一名研究員。在微軟研究院工作了11年後，我加入了Facebook工作了一年，並搬到了加州的山景城。五年前，我有機會在亞馬遜創立了機器學習團隊，並在德國柏林成立了一個研究基地。

我一直把大自然當成生命動力的來源。年輕的時候，我想成為一名漁夫，在過去的五年里，我一直把激情投入大自然的懷抱，你現在經常可以看到，我會在附近的Spandau森林訓練跑步，為參加半程馬拉松或馬拉松做準備。

開發秘訣

Q：除了貢獻大量高質論文，你還熟知數百萬用戶使用的微軟Drivatars系統和Trueskill排名系統等。看來你從不接受任何不可能的事情。

這種態度如何影響你的AI工作，你能成功找出別人錯誤的秘訣是什麼？

拉爾夫·赫布里希：當你開始從事一個新領域時，首先不要質疑一切，研究已知成果和理論，獲得基礎知識和理解，是很有必要的。

然而，我總是受到「如何解決問題？」的困擾。所以每當我了解一個新領域時，都要用一個應用程序來實現它。當我聽說近似貝葉斯推理的時候，我就想用它解決技巧評估和配對的問題，恰巧開發出TrueSkill系統。同樣，在了解博弈論及其機制時，我最終研究出了在線廣告的拍賣和點擊率估算演算法。

我的很多興趣來自解決應用問題的熱情。目前我正在學習如何使機器能夠使用少量能量（人類耗費的能量），實現人類工作; 這將要求我學習更多關於計算機晶元設計和能量使用，以及神經科學的知識。

我用來檢查是否值得做的一個小竅門就是，與許多（學術界的）朋友分享我的想法。如果他們中的大多數人都說「哦，是的，這應該會起作用」，我會認為我想得還不夠大。

如果每個人都說「這是不可能的」，那麼我會重新考慮我的決定。我通常會做50％~80％的朋友認為不可能的事兒。到目前為止，效果不錯（當然，這也意味著80％的朋友一直認為我好高騖遠）。

未來3年內，AI會改變人類哪些行為？

Q：我們都認為, 在過去十年里, AI 一直在改變人類行為, 例如, 自動更正改善了我們的拼寫態度。

從應用的角度來看, 人類行為在未來2–3年會發生什麼變化？人工智慧從業者在這類系統上工作的具體職責又是什麼呢？

拉爾夫·赫布里希：我認為人工智慧將在未來幾年對人類行為做出兩個最大的改變——通過語音、手勢與機器進行交互。今天，我們非常習慣通過鍵盤、觸摸屏與計算機進行交互，但人工智慧演算法和大量標記數據，使今天的計算機能夠像耳朵和眼睛一樣準確地理解我們，這將改變我們對機器的期待度。

我記得我的孩子曾經使用功能手機（無觸摸屏），想要滑動屏幕上的圖片和重新撥號，最後很失望。

我相信十年內，消費類設備會像亞馬遜Echo設備家族一樣，都具有語音功能。

我的家裡有六個Echo，分別在廚房、衛生間、書房、客廳、我的卧室及我女兒的房間。通過與Echo設備進行語音交流，已成為我們的第二天性，我認為這也將發生在許多家庭中。

為何要測量人工智慧的卡路里效率

Q：去年10月，阿姆斯特丹舉行的WorldSummit.AI會議上，你提出了一個非常有趣的概念：測量人工智慧的卡路里效率（捕捉能源消耗），截至目前，我們僅僅關注人工智慧的質量以及準確性。

為什麼這樣的測量是必要的，它會如何改變我們使用AI的方式？

拉爾夫·赫布里希：我相信效率最終是AI真正的衡量標準：如果它完成了人類工作，消耗的能量與人類付出的相同，並且可以被規模化地部署，而不會耗盡這個世界的能源，那它就是我們需要的AI。值得一提的是，人每天20％的能源消耗專供於大腦，所以要想聰明，就要消耗大量精力。

如今，人工智慧演算法能耗過高的問題已經限制了AI的部署：在有大量項目 (如數百萬的產品或產品廣告，以及數十億的網頁)需要評分的情況下,通常的做法是使用低能量演算法將項目減少到數千個, 然後將精心設計的 AI方案應用到一個子集上。這就是眾所周知的L1/L2排名體系結構，但它是沒有節能的ML演算法的假象。

另一個用例是電子消費產品:由於人工智慧組件成為編程的基本構件，他們的能耗需要控制，以確保這些組件不會過度消耗電池。

ML團隊成功的要素

Q：去年年底，在德國Tubingen的亞馬遜人工智慧研究中心的發布會上，你說:「我們應該去專家所在的地方。」世界上很多人工智慧和機器學習專家都來自歐洲，你和你的團隊總部設在柏林，這證明你們是世界領先的人工智慧公司。

為了確保人工智慧可以應用於大規模的現實問題，一個團隊強大而成功的要素是什麼?

拉爾夫·赫布里希：我堅信一個想要用AI來成功影響許多人生活的團隊需要有兩個屬性：一個是處理真正的客戶體驗中，發生的科學問題，並且不害怕處理那些沒有經歷過的方案。

另一個是具備推動每一個學者發展的動力，我們有一些歐洲最強大的人工智慧研究學校(例如，位於Tubingen的Max-Planck智能系統研究所，蘇黎世大學，柏林科技大學，劍橋大學和倫敦大學學院，以及巴黎的INRIA)。

為了確保我們正在研究的問題，真正解決客戶需要，我們使用了一種逆向工作法。以一個虛構的新聞和常見問題(PR/FAQ)開展研究項目。只有當我們都相信PR/FAQ 中所描述的問題是有吸引力的, 並且我們清楚地知道，我們將為誰解決問題,才開始研究。這個方法對研究實驗室來說，有點不同尋常, 但在過去的五年里，它對我們的工作很有幫助。

AI 合作夥伴計劃

Q：你也是"AI 合作夥伴計劃" 的專家之一，參與這項計劃的還有Yann LeCun，Eric Horvitz，Francesca Rossi等人。在那裡，你認為自己扮演了一個提高客戶信任和社會效益的角色。

未來幾年，人工智慧從業者（數據科學家、人工智慧工程師、產品開發人員和人工智慧相關業務人員）能夠與監管機構、政府和其他機構（如聯合國和聯合國兒童基金會）一起幫助實現這些目標嗎？

拉爾夫·赫布里希：「AI 合作夥伴計劃」(Partnership on AI ：PAI)成立於2016年，是一個組織。PAI的目標是研究擬定最佳實踐開發、測試和部署人工智慧技術,推進人們對公共AI的理解；作為一個開放平台，讓人們討論人工智慧及其社會影響；確定並促進人工智慧為社會利益做出努力。為了實現這些目標，該組織將主持討論會，委託進行研究，撰寫和分發主題報告，制定和分享行業的最佳實踐和標準。

該計劃將對公眾和整個行業展開推廣活動，內容涉及人工智慧系統的了解，以及這一技術的潛在應用和影響。PAI目前正在成立工作組，開發和分享人工智慧的最佳實踐。

來源：Medium

作者：Christoph Auer-Welsbach

智能觀 編譯

—完—

親愛的朋友：

今天是大年初二，給你分享一篇人物專訪。

聚焦前沿思想，開拓視野，發現潛能，這是我們一直努力做的事情。

希望這些前沿的思想可以對你有所幫助。

祝安！

智能觀 一米

2018-2-17 於北京中關村

聲明：

編譯文章旨在幫助讀者了解行業新思想、新觀點及新動態，為原作者觀點，不代表智能觀觀點。