由中國(guó)商務(wù)部、科技部、工信部、國(guó)家發(fā)改委、農(nóng)業(yè)農(nóng)村部、國(guó)家知識(shí)產(chǎn)權(quán)局、中國(guó)科學(xué)院、中國(guó)工程院等國(guó)家部委和深圳市人民政府共同舉辦的“第二十一屆中國(guó)國(guó)際高新技術(shù)成果交易會(huì)”于2019年11月13日-17日在中國(guó)深圳舉行。德國(guó)哈索-普拉特納數(shù)字工程研究院院長(zhǎng)，波茨坦大學(xué)數(shù)字工程學(xué)部主任，德國(guó)國(guó)家科學(xué)工程院院士克里斯托夫·梅內(nèi)爾出席“改變世界的新興科技”論壇并演講。

克里斯托夫·梅內(nèi)爾表示，人工智能也會(huì)有不同的階段和不同的形式，人工智能不僅僅是我們?nèi)ザx的，現(xiàn)在有不同的技術(shù)，它們都是人工智能的基礎(chǔ)，包括機(jī)器學(xué)習(xí)、表示性學(xué)習(xí)和深度學(xué)習(xí)。如果我們回溯歷史，我們發(fā)現(xiàn)我們是第三次人工智能發(fā)展大浪潮了。第一次是上世紀(jì)50年代，那時(shí)候計(jì)算機(jī)進(jìn)入到我們的視野。第二次人工智能的浪潮是在上實(shí)際九率80年代，當(dāng)時(shí)有很多相應(yīng)的研究機(jī)構(gòu)都在收集數(shù)據(jù)，有很多人都會(huì)想我們作為人在作決策的時(shí)候會(huì)有一些原則和法則。不是這樣子，我們發(fā)現(xiàn)在做決策的時(shí)候也沒(méi)有那么多的原則可以遵守，或者說(shuō)有的時(shí)候法則太多了根本就收集不了。

以下為演講實(shí)錄：

女士們、先生們，今天非常高興來(lái)到這里跟大家打一個(gè)來(lái)自德國(guó)的招呼，我是克里斯托夫·梅內(nèi)爾，是德國(guó)哈索-普拉特納數(shù)字工程研究院的院長(zhǎng)，我們主要關(guān)注互聯(lián)網(wǎng)安全以及未來(lái)的技術(shù)，以及在互聯(lián)網(wǎng)行業(yè)的技術(shù)應(yīng)用。一個(gè)德國(guó)式的比爾蓋茨式人物，哈索-普拉特納 （SAP的創(chuàng)始人和現(xiàn)任主席） 創(chuàng)建了我們這個(gè)機(jī)構(gòu)，有很多學(xué)生在我們機(jī)構(gòu)學(xué)習(xí)，也會(huì)跟其他的中國(guó)大學(xué)合作， 比如南京大學(xué)等。我們的目標(biāo)是希望進(jìn)行數(shù)字化轉(zhuǎn)型，能夠推動(dòng)德國(guó)的數(shù)字化轉(zhuǎn)型。我們知道有很多創(chuàng)新都是來(lái)自于我們的機(jī)構(gòu)，今天不細(xì)談這個(gè)。當(dāng)下我們正在進(jìn)行一個(gè)試點(diǎn)性的項(xiàng)目，我們也有網(wǎng)上的慕課課程，它是德國(guó)的課程，但是有很多學(xué)校都可以使用這個(gè)課程。今天我想跟大家談的是人工智能的現(xiàn)實(shí)。

大家都知道人工智能跟機(jī)器學(xué)習(xí)有關(guān)，機(jī)器是從數(shù)據(jù)當(dāng)中學(xué)習(xí)，它就像人學(xué)習(xí)一樣，我們看到周邊的世界然后會(huì)從中學(xué)習(xí)。計(jì)算機(jī)就可以看、可以聽(tīng)、可以讀、可以感受、也可以理解。為什么人工智能是現(xiàn)在出現(xiàn)？我們之前所做的據(jù)測(cè)都非常重要，比如我們有大數(shù)據(jù)，有很多的電子大數(shù)據(jù)，包括聲音、圖片等。我覺(jué)得它非常大地改變了硬件設(shè)備，比如有一些儲(chǔ)存的設(shè)備和記憶設(shè)備，它能夠分析大數(shù)據(jù)，能夠?qū)崟r(shí)進(jìn)行分析，包括云計(jì)算?，F(xiàn)在很多的開(kāi)發(fā)者都在談?dòng)?jì)算力，現(xiàn)在互聯(lián)網(wǎng)上也有的計(jì)算力。我們?cè)谌斯ぶ悄芊矫嬉灿行碌陌l(fā)展，就是深度學(xué)習(xí)和相應(yīng)的算法，這些都是我們所開(kāi)發(fā)出來(lái)的?，F(xiàn)在我們先談一下大數(shù)據(jù)，為什么我們需要機(jī)器學(xué)習(xí)。

上面有幾個(gè)數(shù)字，比如大家看到有400小時(shí)的視頻，每分鐘會(huì)有400小時(shí)長(zhǎng)的視頻傳到y(tǒng)outube網(wǎng)絡(luò)當(dāng)中，如果用機(jī)器學(xué)習(xí)這種方式的話，每秒就會(huì)創(chuàng)造出10GB的數(shù)據(jù)，每小時(shí)會(huì)有350億個(gè)物聯(lián)網(wǎng)設(shè)備收集數(shù)據(jù)。大家現(xiàn)在都使用智能手機(jī)，有5億人在使用手機(jī)，我相信阿里巴巴會(huì)收集很多數(shù)據(jù)。為什么我們覺(jué)得機(jī)器學(xué)習(xí)非常難做？這些圖片人眼看的話比較簡(jiǎn)單，比如它是黑的還是淺色的，它是泰迪熊還是可愛(ài)的狗，我們希望用機(jī)器去回答這些問(wèn)題，這些問(wèn)題對(duì)人類來(lái)說(shuō)有的時(shí)候也不容易回答。

人工智能也會(huì)有不同的階段和不同的形式，人工智能不僅僅是我們?nèi)ザx的，現(xiàn)在有不同的技術(shù)，它們都是人工智能的基礎(chǔ)，包括機(jī)器學(xué)習(xí)、表示性學(xué)習(xí)和深度學(xué)習(xí)。如果我們回溯歷史，我們發(fā)現(xiàn)我們是第三次人工智能發(fā)展大浪潮了。第一次是上世紀(jì)50年代，那時(shí)候計(jì)算機(jī)進(jìn)入到我們的視野，那時(shí)候我們就會(huì)想如果計(jì)算機(jī)可以思考的話是不是可以向人類那樣做出行為，是不是可以改變我們的世界。第二次人工智能的浪潮是在上實(shí)際九率80年代，當(dāng)時(shí)有很多相應(yīng)的研究機(jī)構(gòu)都在收集數(shù)據(jù)，那時(shí)候有很多人都會(huì)想我們作為人在作決策的時(shí)候會(huì)有一些原則和法則。我們要把寫(xiě)法則給具體起來(lái)，把這些法則放到電腦當(dāng)中，這樣的話機(jī)損級(jí)是不是就可以跟人一樣做決策了。但是后來(lái)事實(shí)并不是這樣子，我們發(fā)現(xiàn)在做決策的時(shí)候也沒(méi)有那么多的原則可以遵守，或者說(shuō)有的時(shí)候法則太多了根本就收集不了。

第三個(gè)階段是五六年前，當(dāng)時(shí)深度學(xué)習(xí)非常成功，深度學(xué)習(xí)我們會(huì)發(fā)現(xiàn)也是編程的方式，我們會(huì)用一個(gè)架構(gòu)，這個(gè)架構(gòu)的運(yùn)作方式跟我們的大腦非常像，我們有很多的網(wǎng)絡(luò)，這些小的網(wǎng)絡(luò)都是相互聯(lián)系的，這是計(jì)算機(jī)深度學(xué)習(xí)的方式。機(jī)器跟人的大腦一樣，我們需要學(xué)習(xí)的材料來(lái)幫助機(jī)器去學(xué)習(xí)，機(jī)器也需要學(xué)習(xí)，這些都是一些圖片的數(shù)據(jù)集，我們會(huì)使用這些圖片來(lái)訓(xùn)練人工智能或深度計(jì)算的算法。我們用圖片來(lái)訓(xùn)練機(jī)器，機(jī)器看到這些圖片的時(shí)候是沒(méi)有解釋的，我們問(wèn)這個(gè)機(jī)器圖片上是什么，是有人的特征，還是有人的特征，還是說(shuō)是其他的特征，這些都是機(jī)器要解決的。我們發(fā)現(xiàn)計(jì)算機(jī)深度學(xué)習(xí)網(wǎng)絡(luò)在識(shí)別圖片的時(shí)候質(zhì)量也在不斷下降，這是它們面臨的挑戰(zhàn)。

在2015年和2018年的時(shí)候有兩個(gè)領(lǐng)域，一個(gè)是深度學(xué)習(xí)的算法，有時(shí)候算法可以超過(guò)人腦，另外一個(gè)是在圖像識(shí)別方面。左邊是曲線，也就是算法準(zhǔn)確度的曲線，還有人的識(shí)別準(zhǔn)確度的曲線，我們發(fā)現(xiàn)機(jī)器的準(zhǔn)確率已經(jīng)遠(yuǎn)超過(guò)人類，在其他領(lǐng)域，深度學(xué)習(xí)運(yùn)作非常好的就是語(yǔ)音的識(shí)別。所以所有的機(jī)器人翻譯都是基于語(yǔ)音的識(shí)別，有時(shí)候我們會(huì)發(fā)現(xiàn)機(jī)器出來(lái)的結(jié)果要比人更好。這是人腦，大家知道人腦會(huì)有不同的分區(qū)，不同的分區(qū)會(huì)負(fù)責(zé)不同的活動(dòng)，在這邊主要是負(fù)責(zé)識(shí)別曲線，之后信息會(huì)去到大腦不同的區(qū)域，這些曲線會(huì)集合起來(lái)，包括它們會(huì)形成鼻子或者形成嘴，之后這個(gè)信息又到了大腦的另一個(gè)區(qū)域，在這個(gè)區(qū)域當(dāng)中，我們又把鼻子加上去，加到臉上，機(jī)器才能識(shí)別別人的臉。這就是我們最大程度的認(rèn)知，它可能想起昨天的所見(jiàn)所聞。

我們的AI也是卷積式的認(rèn)識(shí)網(wǎng)絡(luò)，在某一個(gè)神經(jīng)節(jié)點(diǎn)代表著不同的算力，或者是加法、乘法，就是信息對(duì)加減乘除的處理，在卷積后面有一個(gè)結(jié)果能夠解釋這個(gè)形象人腦會(huì)給它加一個(gè)字幕在下面，就是對(duì)它進(jìn)行描述和畫(huà)像，去了解它在這個(gè)網(wǎng)絡(luò)里面有什么樣的指證。第一級(jí)別是看到顏色，第二級(jí)別是看到不同的內(nèi)容，就是基于顏色有更高級(jí)別的認(rèn)知，更上一級(jí)能夠看到有不同的物體，最后你就能夠?qū)λ幸粋€(gè)總體的畫(huà)像和認(rèn)知，到了最高級(jí)別你就知道它是什么，就是對(duì)它有一個(gè)抽象，在你的腦袋里面有一個(gè)抽象的萃取，這就是我們對(duì)卷積層級(jí)網(wǎng)絡(luò)的回顧。

基于我們對(duì)它的架構(gòu)分析，基于卷積網(wǎng)絡(luò)，能夠更好地萃取不同層級(jí)的信息產(chǎn)出一個(gè)結(jié)果，用更加精準(zhǔn)的方法達(dá)到產(chǎn)出的結(jié)果。這里我給大家舉一個(gè)例子，汽車是怎樣在街上進(jìn)行行駛證、進(jìn)行判定。這里面我給大家展示一個(gè)原理圖，在右上腳，這是一個(gè)卷積網(wǎng)絡(luò)，在這里面它得到了微調(diào)，會(huì)微調(diào)來(lái)集合它的學(xué)習(xí)目標(biāo)，能夠基于不同的節(jié)點(diǎn)建立起來(lái)。在這里面看到信息不問(wèn)上升或信號(hào)不斷衰減，或者信號(hào)不斷增強(qiáng)，這個(gè)網(wǎng)絡(luò)也會(huì)進(jìn)行調(diào)整，進(jìn)行流量的處理，這都是基于不同神經(jīng)節(jié)點(diǎn)的聯(lián)系?？梢钥吹竭@里面汽車啟動(dòng)了，如果它不能捕捉這個(gè)線路的話就會(huì)發(fā)生碰撞。當(dāng)這個(gè)汽車可以自主學(xué)習(xí)的時(shí)候，網(wǎng)絡(luò)可以被訓(xùn)練，汽車的自動(dòng)駕駛系統(tǒng)可以被訓(xùn)練，能夠讓汽車知道怎么做下一步的決策，不會(huì)發(fā)生碰撞。

因此需要一系列的學(xué)習(xí)成果的生成才能進(jìn)行這個(gè)系統(tǒng)的訓(xùn)練，這個(gè)車的系統(tǒng)得到訓(xùn)練之后，才可以進(jìn)行下一步碰撞的測(cè)試。每一次嘗試無(wú)論是成功還是失敗，這個(gè)網(wǎng)絡(luò)都會(huì)重新得到構(gòu)建，參數(shù)不斷變化，因?yàn)橹車沫h(huán)境不斷變化。這就是通過(guò)變化的環(huán)境不斷收取變化的信號(hào)，無(wú)論是增強(qiáng)還是衰減。對(duì)于這些顏色的認(rèn)知，顏色是加深了，就是對(duì)它進(jìn)行算法的處理，哪些信息是有用的，哪些是可以過(guò)濾的?？梢钥吹阶詈蠼?jīng)過(guò)訓(xùn)練之后，這個(gè)汽車越來(lái)越聰明，越來(lái)越知道怎么樣識(shí)別網(wǎng)絡(luò)里面需要它注意的東西。就像我剛才講到的，這已經(jīng)是14次迭代，經(jīng)過(guò)14次卷積網(wǎng)絡(luò)的迭代之后，汽車就知道了怎樣應(yīng)對(duì)這個(gè)路況。這很好地說(shuō)明了深度學(xué)習(xí)架構(gòu)可以怎么樣被訓(xùn)練。這里描述了這個(gè)訓(xùn)練的過(guò)程，沒(méi)有撞對(duì)不對(duì)。這個(gè)汽車一往無(wú)前地沿著個(gè)路徑行駛，可以看到這個(gè)綠色的車自控性非常好、非常簡(jiǎn)單，能夠通過(guò)多輪的需要和訓(xùn)練，經(jīng)過(guò)不同的計(jì)算網(wǎng)絡(luò)的運(yùn)力和卷積網(wǎng)絡(luò)適應(yīng)更加復(fù)雜的架構(gòu)和網(wǎng)絡(luò)。

我們?cè)陂_(kāi)發(fā)這一系列人工智能應(yīng)用的時(shí)候，我們會(huì)考慮不同的框架，包括非常著名的在大學(xué)里面進(jìn)行產(chǎn)學(xué)研結(jié)合研發(fā)出來(lái)的框架，能夠基于這些框架進(jìn)行自身的應(yīng)用程序的研發(fā)，使用卷積網(wǎng)絡(luò)架構(gòu)來(lái)做到這一點(diǎn)。這一系列的AI可以應(yīng)用到哪些領(lǐng)域呢？我們是否已經(jīng)蓄勢(shì)待發(fā)把它用在一些具體的場(chǎng)景里面。我剛才講到了語(yǔ)音識(shí)別，包括在社交媒體零售里面的聊天機(jī)器人。

我跟大家分享一個(gè)故事，就是有一些人會(huì)打客服中心，可以看到客服中心的人越來(lái)越禮貌、越來(lái)越耐心，如果你通過(guò)電話撥入，它們會(huì)非常耐心，為什么這些客服會(huì)這么耐心禮貌？因?yàn)樗鼈兪强头C(jī)器人，而不是真正由人類來(lái)做。包括AI也可以應(yīng)用在自動(dòng)駕駛之上，這是我們的機(jī)構(gòu)所研究的動(dòng)向，我們進(jìn)行了語(yǔ)義識(shí)別，使用大規(guī)模的網(wǎng)上課程，包吸引了450萬(wàn)名線上的學(xué)習(xí)者。我們希望能夠把這些語(yǔ)義和文本，也就是老師的講課能夠進(jìn)行自然語(yǔ)言的識(shí)別進(jìn)行字母的翻譯，能夠吸引不同國(guó)家的學(xué)習(xí)者。所以有圖像、有文本，我們可以使用這些自然語(yǔ)言識(shí)別來(lái)翻譯幫助線上的學(xué)習(xí)者學(xué)習(xí)，讓他們能夠自動(dòng)地了解這些文本的含義，這對(duì)于AI的應(yīng)用來(lái)說(shuō)是非常重要的進(jìn)步。

我們已經(jīng)很好地把AI和深度學(xué)習(xí)結(jié)合在一起。另外就是醫(yī)療影像社別，一般人看不懂醫(yī)學(xué)影像，但是機(jī)損級(jí)可以幫助我們了解和闡釋這些醫(yī)學(xué)影像會(huì)帶來(lái)什么結(jié)果或病癥。這就是基于卷積網(wǎng)絡(luò)、層級(jí)網(wǎng)絡(luò)能夠幫助我們做到的事情。這些使用AI來(lái)做，幫助我們節(jié)省能源，可以訓(xùn)練機(jī)器，而不是訓(xùn)練人。所以我們?nèi)绻麤](méi)有很好地進(jìn)行訓(xùn)練，就不能大規(guī)模展開(kāi)，所以我們需要找到更好的方法進(jìn)行人工智能深度學(xué)習(xí)的網(wǎng)絡(luò)更好地對(duì)結(jié)果產(chǎn)出有一個(gè)精準(zhǔn)的預(yù)測(cè)。

能夠基于我們有限的資源去做。我們覺(jué)得二元網(wǎng)絡(luò)可以幫助我們做到這點(diǎn)，我們發(fā)明了多媒體自動(dòng)化分析，可以使用在很多領(lǐng)域，包括醫(yī)療健康領(lǐng)域，對(duì)醫(yī)學(xué)影像進(jìn)行分析，對(duì)于CT/PTE掃描以及超聲波儀器進(jìn)行報(bào)告和分析，這樣就能幫助主治醫(yī)生進(jìn)行判斷。這是腦腫瘤的識(shí)別，能夠識(shí)別里面的病灶。我們通過(guò)機(jī)器學(xué)習(xí)和人工智能的識(shí)別更好地進(jìn)行判定，而不需要過(guò)于人工的干預(yù)，能夠讓個(gè)機(jī)器羅列人的病癥和原因，作為輔佐人類的手段。另外是在心臟疾病的應(yīng)用，中國(guó)在這方面的研究已經(jīng)非常領(lǐng)先了，把二元神經(jīng)網(wǎng)絡(luò)用在實(shí)際的應(yīng)用場(chǎng)景。尤其是在能源領(lǐng)域的應(yīng)用使得溫室氣體排放，使得全球氣候變暖，所以我們?cè)跈C(jī)器運(yùn)轉(zhuǎn)的時(shí)候要注重生態(tài)友好。德國(guó)有一句話是綠色I(xiàn)T，我們要評(píng)估這些機(jī)器不是說(shuō)它們的功勞有多大，而是能耗是不是非常友好的機(jī)器或儀器。

我們?cè)O(shè)計(jì)了一系列的網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)并不是我們之前講到的現(xiàn)在的深度學(xué)習(xí)網(wǎng)絡(luò)所擁有的，但它是基于深度學(xué)習(xí)的網(wǎng)絡(luò)迭代而來(lái)的。我們剛才講到的二元神經(jīng)網(wǎng)絡(luò)，包括數(shù)學(xué)邏輯的分析，還有其他非常復(fù)雜的一套生態(tài)系統(tǒng)，也有其他多重的應(yīng)用。

最后我想總結(jié)一下，在哈索-普拉特納數(shù)字工程研究院，我們可以記住我們這個(gè)研究院的名字，我們學(xué)院一直希望能夠更好地收集數(shù)據(jù)進(jìn)行研究。AI也能夠應(yīng)用在藝術(shù)另面，這是我們的辦公樓，你能夠看到這是研究所主要的樓宇，但是我們希望以油畫(huà)的濾鏡效果來(lái)呈現(xiàn)，這是梵高的星空?qǐng)D，如果我們把這個(gè)星空?qǐng)D結(jié)合到我們實(shí)際的大樓里面，就有了以下的效果。其實(shí)并不是那么容易，就像換一個(gè)濾鏡一樣，我們只要訓(xùn)練了這個(gè)網(wǎng)絡(luò)，并且有很好的輸入，輸入原來(lái)的藝術(shù)作品，同時(shí)輸入梵高的藝術(shù)作品的參數(shù)，結(jié)合這兩個(gè)照片，網(wǎng)絡(luò)會(huì)自動(dòng)學(xué)習(xí)這個(gè)藝術(shù)照片和這個(gè)照片之間會(huì)有什么樣的聯(lián)系，可以看到可以應(yīng)用到其他照片的再創(chuàng)造里面。謝謝大家的聆聽(tīng)。