2014百度世界大數(shù)據(jù)論壇在北京大飯店舉行，百度研究院副院長余凱給大家分享了對深度學(xué)習(xí)構(gòu)建百度大腦的思考，下面是余凱的演講內(nèi)容。

余凱

以下為百度深度學(xué)習(xí)實驗室主任余凱演講實錄：

余凱：各位來賓、各位同行、各位朋友，歡迎來到百度大數(shù)據(jù)論壇，剛才祥云醫(yī)療胡總舉的例子，其中拍照識別皮膚病技術(shù)是我們IDL的小伙伴們開發(fā)的基于深度學(xué)習(xí)的圖象識別技術(shù)，通過我們的技術(shù)創(chuàng)新讓大家的生活更加健康，更加美好，這就是我們工作的意義所在。下面我給大家分享一下我們從事深度學(xué)習(xí)構(gòu)建百度大腦的思考。

人工智能很重要

這個是麻省理工學(xué)院科技理工雜志在三天前提供的一個文章，他講的是介紹百度的人工智能之夢，介紹百度技術(shù)、人才方面的積累。百度從它誕生的第一天開始它就是一個人工智能公司，一方面我們通過搜索引擎滿足用戶每天的搜索請求，產(chǎn)生大量的用戶數(shù)據(jù)。另一方面我們提供價值，連接人和廣告，讓千千萬萬的商家能夠找到他的顧客資源，這種從數(shù)據(jù)到價值之間有一個橋梁，這個橋梁在百度就是基于百度大數(shù)據(jù)人工智能，包括自然語言的理解，包括機(jī)器學(xué)習(xí)，也包括今天Robin和勁都提到語音識別圖象識別等方方面面的技術(shù)，使得百度能夠把大量的海量數(shù)據(jù)轉(zhuǎn)化成商業(yè)價值。

在座某些朋友可能知道這個著名的曲線，這個是Gartner每年都要發(fā)表的趨勢表，顯示出科技往前發(fā)展的趨勢，這個HYPE是什么意思，可以理解為我們中國人講的“忽悠”，所以比如說3D打印到現(xiàn)在到一個期望的頂點。但是當(dāng)前的技術(shù)并不是那么成熟，因此大家對他的期待會降低。但是市場不斷往前推進(jìn)，同時技術(shù)也會逐漸成熟，慢慢真正的市場機(jī)會來臨，比如語音識別，圖像識別就是。

這個圖表里面大量的技術(shù)，比如說語音識別，虛擬現(xiàn)實，機(jī)器人，智能推薦，都是跟人工智能有關(guān)。人工智能就是如此重要，包括最近我們看到在美國的Google，F(xiàn)acebook，他們都相當(dāng)重視人工智能。在中國，百度是最重視人工智能研發(fā)的互聯(lián)網(wǎng)公司。前不久，我們的國家領(lǐng)導(dǎo)人習(xí)總書記在院士大會上也提及人工智能是第三代產(chǎn)業(yè)革命。

核心戰(zhàn)略——深度學(xué)習(xí)

人工智能取得最突破性的進(jìn)展并且迅速在工業(yè)界產(chǎn)生影響的一個極為成功的例子，就是深度學(xué)習(xí)。同樣這也是麻省理工學(xué)院科技評論雜志將深度學(xué)習(xí)技術(shù)列為十大通用技術(shù)之首的原因，這個最初來自學(xué)術(shù)界的研究成果影響到各大高科技公司的速度和廣度是非常罕見的。我們有幸把包括Google大腦之父吳恩達(dá)在內(nèi)的世界最頂級專家吸引到百度，他是在這個領(lǐng)域赫赫有名的人物。

百度在整個互聯(lián)網(wǎng)業(yè)和高科技行業(yè)是領(lǐng)先者，因為我們是最早把深度學(xué)習(xí)做為公司的核心戰(zhàn)略方向的高科技公司。我們在去年年初宣布成立IDL，這是百度歷史上第一次宣布成立研究機(jī)構(gòu)，核心目標(biāo)是研究基于大數(shù)據(jù)的人工智能。

機(jī)器學(xué)習(xí)在過去30多年的時間里大致分為兩個階段，第一個階段是淺層學(xué)習(xí)。第二個階段從2006年開始進(jìn)行更深層的學(xué)習(xí)。深度學(xué)習(xí)最吸引大家的一個原因在于它在很大程度上模擬了人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為，這里面的細(xì)節(jié)不多講，但是就我們目前所知道的比如說對于圖象的處理，我們通過訓(xùn)練得到的深度卷積網(wǎng)絡(luò)，跟我們目前所知道的對人的視覺皮層神經(jīng)元的行為有驚人的類似，我們同樣發(fā)現(xiàn)人對聽覺感知也有類似的情況。

百度大腦經(jīng)過過去一年多的時間，它經(jīng)歷了一個高速發(fā)展的階段。今天，百度大腦無時無刻不在學(xué)習(xí)，就像人腦一樣，今天和昨天是不一樣的，會越來越聰明。我們現(xiàn)在能構(gòu)建世界上最大的深度神經(jīng)網(wǎng)絡(luò)，達(dá)到百億級參數(shù)。剛剛永忠提到我們的GPU，我們的數(shù)據(jù)中心，方方面面的能力不是一朝一夕能夠積累的，百度過去在大數(shù)據(jù)方方面面的積累，通過這種能力我們才能更好的開發(fā)各自不同的深度學(xué)習(xí)模型，應(yīng)用于圖像和語音識別，搜索，和廣告推薦技術(shù)等等。

百度大腦智能連接

百度大腦讓連接更智能。首先人來到百度這個平臺，表達(dá)他的搜索需求，這個搜索需求有可能是關(guān)鍵詞，有可能是一段話，有可能是拍個照片，就要靠百度大腦來識別用戶的意圖，在精確識別用戶搜索意圖后，我們用深度學(xué)習(xí)來對網(wǎng)頁語義相關(guān)性排序，從而匹配用戶需求，這就完成了人與信息的連接。另一方面是連接人與廣告和服務(wù)，我們通過大規(guī)模的深度學(xué)習(xí)，去估計和優(yōu)化點擊率和轉(zhuǎn)化率，進(jìn)而把人連接到所需要的廣告和服務(wù)。我們的深度學(xué)習(xí)已經(jīng)用在百度核心業(yè)務(wù)的方方面面，真正實現(xiàn)智能連接人和信息，智能連接人和服務(wù)。

深入百度大腦，百度大腦里用到一種叫深度語義神經(jīng)網(wǎng)絡(luò)的模型，它是百度大腦用于自然語言，去匹配query和網(wǎng)頁的語義相關(guān)性，這是業(yè)界第一次把深度學(xué)習(xí)用于提升搜索精度的成功案例，也是迄今為止深度學(xué)習(xí)用于語言文本信息最成功的應(yīng)用。另外，我們的鳳巢廣告系統(tǒng)，它背后基于機(jī)器學(xué)習(xí)的點擊率預(yù)估模型，從第一代淺層的機(jī)器學(xué)習(xí)模型，已經(jīng)過度到到用更復(fù)雜的模型、更深的模型的時代。

同樣我們不斷的講到大數(shù)據(jù)，大數(shù)據(jù)實際上給深度學(xué)習(xí)給人工智能帶來很大的機(jī)會。但如何處理大數(shù)據(jù)、如何獲得大知識、給我們帶來了新的技術(shù)挑戰(zhàn)。怎么樣去處理?我們是世界上最早大規(guī)模的利用GPU做深度學(xué)習(xí)的高科技公司，我們通過各種各樣的數(shù)據(jù)并行，模型并行去處理這些海量數(shù)據(jù)。我們還可以支持，生成，配置針對不同的應(yīng)用、不同的場景和不一樣的網(wǎng)絡(luò)結(jié)構(gòu)。在今天Robin也提到了，在中文語音移動搜索的方面，在基于內(nèi)容的圖像搜索方面，我們現(xiàn)在做到了世界領(lǐng)先，這個是跟我們在大數(shù)據(jù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)所取得的進(jìn)展分不開的。

基于深度學(xué)習(xí)的OCR技術(shù)，還可以像人一樣讀懂文字。比如一個實際的例子，我一個外國朋友在上�？吹侥硞�菜單，他想知道這個菜單中是否滿足他想要的菜品需求，他拍照用百度翻譯，識別菜單上道菜是牛肉拉面，通過識別后翻譯成英文，并有語音的合成，所以這一款小小的APP，體現(xiàn)了百度在方方面面的人工智能領(lǐng)域都有非常深的積累。

我們剛剛上線的拍照答題，在一款產(chǎn)品叫作業(yè)幫里。我估計在小朋友們的暑假中可得到廣泛應(yīng)用，如果假期玩得很開心，但臨近開學(xué)還沒有做作業(yè)怎么辦。就像這頁PPT顯示的例子，他們可以用這款產(chǎn)品拍下題目，我們的作業(yè)幫馬上就識別題目，并能找到答案。小朋友們該多開心啊。當(dāng)然，也許這個對于家長就不那么喜歡了。

不僅是中文OCR，在英文OCR識別方面，我們也都做到世界領(lǐng)先。這里展現(xiàn)的這些例子，人不一定都認(rèn)清的英文，但是我們的機(jī)器能夠識別。

百度擁有世界領(lǐng)先的基于內(nèi)容的圖像搜索技術(shù)，比如跟我們的競爭對手比，無論是識別結(jié)果還是搜索相關(guān)性都大幅度領(lǐng)先。希望機(jī)器能夠像人一樣去理解圖片，這個是很有挑戰(zhàn)性的。在兩個禮拜前百度推出了百度移動搜索APP 5.5版本，這個是歷史的進(jìn)步。這是世界上第一款基于深度學(xué)習(xí)的拍照實物搜索�？催@些例子：拍書可以知道這個書的價格，知道它在哪里能夠買到;小朋友拿著爸爸媽媽的手機(jī)，看著好玩的玩具直接下單，這是多么開心的一件事情;再比如說你要是看見朋友的衣服或者包包非常好看，拍了直接可以下單。

我們在這里看看百度大腦的全景圖。我們以前是獲取互聯(lián)網(wǎng)信息，然后做搜索做廣告，所有一切都是在虛擬世界完成。但是現(xiàn)在所有的服務(wù)離現(xiàn)實世界越來越近，離人越來越近，所以我們通過自然交互，通過穿戴式，了解人的需求，另外物理世界的信息，比如商店，場景，街道，天氣等等，都跟我們推送的服務(wù)的相關(guān)性息息相關(guān)，我們現(xiàn)在需要通過智能感知技術(shù)獲取人和場景的信息，才能推薦更加相關(guān)的服務(wù)。還有，我們看服務(wù)的執(zhí)行階段，以前互聯(lián)網(wǎng)上完成一個預(yù)測，做出一個決策，之后是由人去執(zhí)行，從而完成整個互聯(lián)網(wǎng)服務(wù)環(huán)節(jié)。未來的互聯(lián)網(wǎng)服務(wù)，需要機(jī)器，或者說機(jī)器人，自動的完成這服務(wù)的最后一公里。比如說某一個人想吃披薩，在網(wǎng)上下單后，一般是要由人來完成制作披薩，然后遞送到家的。但是，這個體驗不一定最好，因為如果機(jī)器知道個性化的口味需求，能千人千面的私人定制這個披薩，而且，自動駕駛能更高效便捷的將披薩送到家里。所以說，互聯(lián)網(wǎng)的人工智能一定會從數(shù)字世界的智能延伸到物理世界的智能，機(jī)器人是大勢所趨。

王勁也講到了，自動駕駛項目，需要建立感知能力，決策能力，還有不斷自主學(xué)習(xí)的能力，可以說是人工智能技術(shù)的集大成者。從這里的畫面可以看到，我們的團(tuán)隊是非常精神飽滿的去做這個項目，不光是硬件，我們需要算法做各種條件下面的路面目標(biāo)檢測，比如車和行人，我們還需用OCR技術(shù)識別交通標(biāo)志，還有集成配準(zhǔn)各種傳感器的信息，形成統(tǒng)一的路況感知。所以你們能夠看到今天早上在勁的演講里的視頻，車能夠在路面對各種路況做精確識別和理解。

更多深刻學(xué)習(xí)的思考

此外，我們還能做哪些基于人工智能的產(chǎn)品去影響人的生活?我們看到過去移動設(shè)備發(fā)展的趨勢，現(xiàn)在每個人每天都會用移動設(shè)備進(jìn)行大量拍照，移動攝像頭已經(jīng)成為人眼的延伸，順著這個趨勢，2014年后會發(fā)生什么事情，會有什么樣的智能硬件，我們不斷的在思考�？催@頁ppt, 人眼的延伸的這款智能設(shè)備，是這樣的一種形態(tài)嗎?我們看過去在智能穿戴行業(yè)，智能眼鏡成為智能穿戴設(shè)備的一個品類，大家都在探討它的應(yīng)用場景，應(yīng)該怎么樣往前。但我們覺得它可能是要糾正，我們覺得它應(yīng)該是人眼的“自然”延伸，我們覺得這個自然非常非常重要。大家看，這款設(shè)備叫BaiduEye，就是我們思考的一個結(jié)果，我們非常強(qiáng)調(diào)它是Eye，而不是Glass，因為Eye是自然的人的身體的一部分，Glass是附帶外加的。它就像一個助手一樣，它真的知道你無時無刻在看什么東西，從而真的把互聯(lián)網(wǎng)后臺的服務(wù)變成你的大腦，讓你知道如何去更加精準(zhǔn)的決策。

這樣的設(shè)備戴在人的腦袋上面是怎么樣一個情況?那我們大家來感受一下，看這頁PPT。

大家可能也關(guān)心，在一個真實的場景下面，人們戴著BaiduEye是不是足夠帥。下面我們請百度的少帥學(xué)者顧嘉唯先生上來 …[一段互動和演示]。謝謝嘉唯。我們看看在更多的場景下，大家用BaiduEye可以干什么，請大家來看一段視頻。

看了這段視頻，我們體會到，科技讓我們發(fā)現(xiàn)這個世界更加精采。正如今天上午王勁的那句話，有了這么樣一款設(shè)備，我們整個世界都變成一個大的櫥窗。這里實際上透露了我們對BaiduEye的應(yīng)用場景的一個思考。下面我想跟大家介紹下一位演講嘉賓。在過去不長的時間里面，我有幸認(rèn)識到一個朋友，這個朋友他帶領(lǐng)著中國家喻戶曉的一個非常高端、非常成功的一個商業(yè)集團(tuán)，但是真正吸引我的，他不但是商界領(lǐng)袖，更是對未來的一個思考者。他跟我分享未來科技會在線下的場景給零售服務(wù)業(yè)帶來革命，他有很多的思考，讓我覺得非常受啟發(fā)。我現(xiàn)在給大家隆重介紹這位朋友，他就是銀泰投資有限公司，銀泰商業(yè)集團(tuán)的CEO陳曉東先生。在陳總上做精彩分享之前，我們先看一段視頻，看看BaiduEye對于商家來說它意味著什么，它跟商業(yè)零售在線下結(jié)合，它會引發(fā)什么樣的事情，請看視頻。謝謝!