周二的时候，我们在粉丝群进行了一次与前微软人工智能首席科学家、现任对冲基金巨头Citadel首席人工智能官－邓力的互动。因为时间的原因，可能有人没有能够加入进来，我们特意整理了访谈的亮点内容，以及精选的问答环节。
不想错过下一期的粉丝互动？
快来加微信yijiachuangmei，就可以进入粉丝群，得到第一时间的互动信息啦！
★ 本期分享嘉宾－邓力
1978年，邓力进入中国科学技术大学，攻读神经科学和生物物理学专业。1982 年前往美国深造，在威斯康星大学麦迪逊分校获的硕士和博士学位。随后，邓力进入加拿大滑铁卢大学任教，并获得终身正教授职位。
1999年底，邓力放弃稳定的教职工作，正式加入微软美国研究院，主攻语音识别和机器学习方向。
邓力首次提出并将深度神经网络应用到大规模语言识别中，显著提高了机器对语音的识别率，极大推动了人机交互领域的发展与进步。他在声学/音频，语音/语言技术，大规模自然语言和企业、互联网数据分析以及深度学习的机器学习中获得了70多项美国或国际专利。
2015年，邓力凭借在深度学习与自动语音识别方向做出的杰出贡献，荣获 IEEE 技术成就奖。
★ 访谈实录
说到Al取代人类
在微软的时候，他们提倡的是“让人工智能民主化”，这就是指让民众可以用人工智能解决很多问题，在这种情况下，人工智能取代人类的可能性就不是很大了。
说到AlphaGo
AlphaGo的进步给人工智能的将来，开辟了一个非常明显的道路。让做人工智能的人员和学生，感觉到人工智能的前景非常的广大。
AlphaGo到实际的应用，还是有一定差距的。AlphaGo之所以能够那么快成功，就是因为所有的围棋规则都是预先定义好的，这样就可以进行对弈。最后还会有一个reward（奖励）信号，这个奖励信号就会帮助学习。同时，因为规则是固定的，就可以的不断的下围棋，下的越多，训练的就越好，这样无止境进行下去的话，人类肯定会输掉。
这就是为什么我们看到，机器在下围棋这件事儿上，比人进步的要更快。就是因为巨大计算能力，还是自动收集数据进行训练。这些的大前提，都是规则要定下来，有一个model（模型）。如果规则是一直变的，就不行了。
说到Bot
而在现实应用里面，很多的规则是不断变化的，比如聊天机器人（Bot），在对话中的规则是不断变化的。这时候，就需要不断去学习，这是跟AlphaGo非常不一样的一点。在医疗等方面的应用上，也是会遇到相同的问题。去年，我们在陆奇的领导下，在微软Conversational Bot做了很多这方面的项目。在这个方面，人工智能也会发挥很大的作用。
说到AI的未来
人工智能是一个非常成功的领域，特别是在最近这几年。人工智能从深度学习开始，深度学习一直持续打破新的领域，将来的几年，在人工智能领域持续的发挥巨大的作用。落地技术的场景，是非常广的。很多人工智能的专家，都是在垂直领域进行研究。比如自动驾驶车、应用引擎、商业运营、能源、金融、医疗等这些垂直领域，都会有非常好的进展。
在技术上，让人工智能成为不但能做识别、推理，还能做理解。在这些情况下，传统的神经网络上是远远不够的，必须要整合到各种不同的方面上，在这种情况下，就能得到更多人工智能的成功。
★ 粉丝问答
Q：请问智能机器人用什么信息识别人的语言情绪？不同语言体系的人类都可以因此受益吗？
邓力：我对语音做的研究比较多，其实是有各种信息机器人可以应用。在某种程度上，机器人识别语音语言的可能会比人类更有效。
从语音语言的角度来看，计算机可以应用说话人、写作者本身的历史、信息等，机器人会对这些信息，做出一个归纳总结。如果是人类第一次遇到某一个作者，可能就不会在第一时间做到这一点。
还可以应用语调、声强、频调的动态；从文本上，除了用词汇，词汇与段落的关系、某种文本和作者以前文本的关系……这些都可以用来识别人类的语言和情绪。
Q：其他行业从业人员该怎么才能与人工智能和谐相处，共谋发展？
邓力：在人工智能之外的从业人员，也能从人工智能的发展中受益，得到工作效率的提升。那怎么样才能和谐相处呢？最浅显的一点，就是和人工智能进行互相配合。特别是近期的发展，当然还是根据有监督学习。无监督学习，可能在短期之内可能还不会有长足的发展。基于有监督学习，比如其他行业的从业人员，可以帮助人工智能从业人员商讨、产生最有用的标注，因为，现在的人工智能还很难自建，很难自动的找出什么样的标注是好的标注，这完全是跟行业应用有关的。
比如，当时我们在做对话机器人，我们就要采访很多的用户，才能知道，怎么样才能设计（对话）。再比如，在医学上的应用，给出一张医学图片，如何识别出是什么疾病。在这种情况下，医学人员虽然不是人工智能的专家，但是就要贡献出专业知识，从图像中到底要找到什么东西，能不能诊断出是不是癌症、有没有患癌症的可能性。
Q：智能机器人深度自学识别图像，得出的一套机器自己的规律，可作为人类新算法的参考吗？主要用于了解智能机器大脑自己思维的逻辑吗？这个智能机器自己的逻辑，可以帮助到人类什么？
邓力：刚才我也讲到了，AlphaGo的成功是因为围棋的规则是既定好的。那么在深度自学识别图像上，有类似的可能性。因为识别图像是一个物理的过程，在图像固定的情况下，如果也能找到一个像围棋一样对弈的方式，让机器反复学习，那么在将来会成为人类新算法的参考。其实，GAN这种方法，就是有这个苗头的，有点像对弈、自学。在其它社会方面更重要的应用，比如医疗、商业上，那么觉得还是有一定难度的。
Q：请问人工智能和仿生技术在将来会融合的比较好吗？
邓力：百分百的赞同，这两者不但会融合得好，而且是互补互利的。现在的人工智能很大程度上是在模仿人脑，主要是感知和思考。感知方面已经得到了很大的突破，下面就是感知之后如何处理一些有用的（信息）。
仿生技术，我之前在北京科技大学读书的时候，也是学这个专业的。当时很大的一部分讲的不但是仿生人脑，还有仿生运动。怎么样从人的运动中，使得它和人类现在的运动相类似。比如军人受伤了之后，怎样可以弥补。
小脑控制运动的机制是非常复杂而精密的，大概是80年代，我在读研究生的时候，老师就讲过，小脑的机制目前已经百分之百完全理解了。但是，大脑的机制还没有被完全理解，如果也被理解之后，人工智能就可以建立起来了。
做人工智能的话，会不会真的需要一个物理机制呢？我的工作还没有涉及到这个方面。目前来看，的确是不需要一个机器人来进行好的对话。但是如果能有一个物理机制的话，的确可以帮助对话。
带你遇见未来的第一视频账户
微信：chuangyemeiguo
微博：创业美国
知乎：陈一佳
《创业美国》节目视频
优酷、腾讯、财新
搜狐、乐视、网易
搜索：创业美国
短视频
微博、微信、秒拍
今日头条
搜索：三橙视频
《创业美国》节目音频
凤凰、蜻蜓、喜马拉雅、多听
合作联系
