吳恩達：Google大腦背後的「X教授」|谷歌|X|大腦

　　《中國經濟周刊》記者 王辰越|北京報道

　　警探：人類有夢想，甚至狗都有夢想，但你沒有，你只是機器，一個冒充生命的贗品。一個機器人能寫交響樂嗎？一個機器人能把一張帆布變成一幅美麗的傑作嗎？

　　機器人桑尼反問：你能嗎？

　　如果你看過電影《機器公敵》，一定記得這個對白，並對電影中那個擁有自我思考能力、擁有人類情感的機器人桑尼記憶猶新。

　　讓機器擁有學習能力，甚至能夠像人類一樣去思考、工作，這就是人工智慧，這個概念自從1956年被提出之後一直都是科幻小說最火爆的主題之一。如今，人工智慧已不是幻想。

　　作為人工智慧實現方法之一，人工神經網路目前已在全世界範圍內悄然誕生，而由谷歌XLab團隊斥巨資打造的谷歌大腦(Google Brain)無疑是首屈一指的。谷歌大腦的締造者名叫吳恩達(Andrew Ng)，他是一位華裔，現任斯坦福人工智慧實驗室主任，真正的「X教授」。

　　重拾人工智慧夢想

　　如果是對7年前的吳恩達提人工智慧，他一定會用各種理由說服你放棄這個瘋狂的想法。

　　吳恩達對人工智慧技術的否定，源於當時的一種主流觀點：人類智慧是由無數個負責簡單功能的區域協同工作形成的，而這個過程如果用計算機的方式來完成就必須建立成千上萬個獨立的計算機模塊，每個模塊模仿一種功能，比如說話、味覺。

　　按照這個理論推演開去，實現人工智慧所需的工作量是巨大的。因此，人工智慧技術在發展了40多年之後還是處於初級階段。

　　當時的神經學家們始終認為，人工智慧屬於大腦研究的範疇，他們不大願意和其他領域的科學家進行合作。這樣的結果就是，工程師們在對神經科學毫不了解的情況下，開始開發不完全模仿人類大腦運行的智能系統，最終的產品就是類似「Roomba」這樣的吸塵機器，這種吸塵機器人在工作的時候可以自動繞過障礙物，並沿著牆角路線轉彎，在如今的家電大賣場均有銷售。Roomba只有按照程序躲避障礙的能力，並不能像人一樣學習。在吳恩達看來，這是「偽人工智慧」。

　　發明能像人類一樣學習、思考的機器，是吳恩達從小到大的夢想，但是當他進入大學開始真正接觸到人工智慧技術的時候，卻深受上述觀念的毒害而放棄了研究。

　　直到有一天，吳恩達偶然接觸到了一種嶄新的理論，這種理論認為，「人類的智慧源於單一的演算法」，人類的大腦在發育的初期，每一部分的職責分工並不是明確的，可以通過後期的調試執行特定的任務。提出這個假說的傑夫·霍金斯(Jeff Hawkins)是全球最大掌上電腦製造商Palm的創始人，也是一名有著神經科學研究背景的人工智慧領域的企業家。

　　這個理論改變了吳恩達的人生軌跡，他重新拾起了兒時的夢想。「我有生以來，第一次感到自己有可能在人工智慧的研究領域取得一點兒進展。」

　　谷歌大腦的締造者

　　2010年，時任斯坦福大學教授的吳恩達加入谷歌開發團隊XLab——這個團隊已經先後為谷歌開發了無人駕駛汽車和谷歌眼鏡兩個知名項目。身為人工智慧領域的權威，吳恩達的使命就是「以史無前例的規模，通過谷歌龐大的數據中心來打造人工智慧系統。」

　　隨後，吳恩達與谷歌頂級工程師開始合作建立全球最大的「神經網路」，這個神經網路能夠以與人類大腦學習新事物相同的方式來學習現實生活。谷歌將這個項目命名為「谷歌大腦」。

　　吳恩達表示：「在我加入谷歌的時候，學術界最大的神經網路大約有100萬個參量，而當時在谷歌，我們能夠建造比這個規模大1000倍的神經網路。」

　　身處大數據時代，谷歌每年在超級計算機數據中心領域的投資達十億美元，像吳恩達這樣的大學教授，也只有在像谷歌這樣的公司里才能完成這種研究。

　　谷歌大腦能夠將所看到的圖像或圖片分解成10億多個不同的參量，然後通過自主學習，學會如何將這些零碎的參量組合到一起。比如看到很多種花，再告訴機器這些是花，久而久之，機器就會將這類有顏色、有花瓣、有花蕊的物體自動和花這個單詞聯繫到一起，從而從千萬張圖片中識別出花。這個過程好像教嬰兒認卡片一樣，神經網路學界將這個過程叫做「深度學習」。

　　去年6月，吳恩達所開發的人工神經網路通過觀看一周YouTube視頻，自主學會了識別哪些是關於貓的視頻。這個案例為人工智慧領域翻開了嶄新的一頁。吳恩達表示，未來將會在谷歌無人駕駛汽車上使用該項技術，來識別車前面的動物或者小孩，從而及時躲避。

　　為了利用谷歌的神經網路模型改善谷歌的語音識別軟體，去年夏天，吳恩達為谷歌請來了傑弗里·辛頓(Geoffrey Hinton)——來自多倫多大學的「神經網路領域的教父」。傑弗里在谷歌花了數月時間對谷歌演算法進行改進。當安卓Jelly Bean 4.2G版本軟體去年底發布時，這些演算法已經將其語音識別的出錯率降低了25%。

　　今年3月，谷歌收購了傑弗里的公司DNN research，DNN是深度神經網路的英文縮寫。

　　加入谷歌的傑弗里希望構建比其去年開發的10億參量的神經網路更大的神經網路，傑弗里透露：如果能夠建立比10億參量神經網路大1000倍的神經網路，將會有機會教機器理解一些事物，甚至情感。

　　人工智慧才剛剛開始

　　和人腦的靈活性及準確性相比，吳恩達的深度學習演算法還相差十萬八千里，但是吳恩達說，那一天會到來的。

　　吳恩達如此自信是有原因的，如今越來越多的科學家和科技公司開始意識到深度學習對於計算機科學發展的重大意義，他不是一個人在戰鬥。

　　在美國，隨著奧巴馬政府宣布將支持籌建一項跨學科的科研項目「基於神經科學技術創新的人腦研究」，許多類似的項目正如雨後春筍般湧現。

　　在谷歌發力神經網路的同時，IBM、微軟、蘋果、百度這些公司也競相開始了對神經網路技術的探索。

　　今年3月，吳恩達來到中國，第一站就是百度。在今年初，百度悄悄成立了深度學習研究院；隨後，百度矽谷人工智慧實驗室也成立了，這個實驗室離Google相距只有不到10公里。隨後，一系列來自Facebook等矽谷巨頭的技術專家開始陸續被百度招至麾下。有接近百度高層的人士向《中國經濟周刊》透露，此次會晤後，吳恩達將會幫助百度矽谷的實驗室招人。

　　對於神經網路的未來，吳恩達坦言，儘管他在谷歌大腦搭建的神經網路在整個學術界都是首屈一指的，但距離模擬真實人腦還相差很遠。到底人腦的運轉方式是什麼樣的，科學家們到現在也不得而知，只能慢慢摸索。「提醒大家，不要把深度學習想得太邪乎了，讓機器像人腦一樣思考，依然只是個美好的夢想，我們任重而道遠。」