李开复:从1983到2017,我的幸运与遗憾

  • 时间:
  • 浏览:1
  • 来源:10分彩-10分快3平台_10分赛车网投平台

  文/李开复

  1

  今天跟亲戚亲戚朋友讲个故事。

  1983-1988年,我正在卡内基·梅隆大学读计算机博士。

  我正忙着暑期教书,秋天投身奥赛罗人机博弈(黑白棋游戏,那是机器第一次真正意义上打败人类冠军的比赛)。

  我的导师瑞迪教授(Raj Reddy,图灵奖得主、卡内基梅隆大学计算机系终身教授、美国工程院院士)从美国国防部得到了60 万美元的经费,用来做不指定语者、大词库、连续性的语音识别。

  也全都说,他希望机器能听懂任何人的声音,以后 还都都能能 懂上千个词汇,懂亲戚亲戚朋友自然连续说出的每句子。

  这全都什么的间题总要当时无解的什么的间题。

  而瑞迪教授大胆地搞懂项目,希望同時 处理这全都什么的间题。他在全美招聘了60 多位教授、研究员、语音学家、学生、守护守护进程员,以启动你你这个有史以来最大的语音项目。

  我也在这60 人名单之内。

  当时的科研背景是,业界将会有例如今天深度学习的算法,但经常 只有 实现数据标准化,数据量也存在问题够大。

  美国几大语音识别实验室(如MIT、 CMU、 SRI、 IBM、贝尔实验室)总要各用各的数据库,测试数据不同,训练数据不同,使用的语言模型不同,测试的词汇量全都同。全都都各称业界第一,亲戚亲戚朋友莫衷一是。

  而每个大公司总要买车人的商业需求,比如说在语音识别方面,当年做打字机的IBM想做语音打字机,垄断美国电信的AT&T要求贝尔实验室识别电话号码,全都大公司并只有 动力来帮助小公司或学校。而小公司和学校,往往只有资源做些较小的数据集,结果通常全都如大公司的好。

  不仅只有 ,数据不标准对AI研究而言是致命的,最后意味 全都什么的间题,包括:

  1、将会测试语料库不同,最后识别结果,亲戚亲戚朋友无法复制,也无法验证。彼此不认可,以后 将会数据只有 打通,算法就更不将会打通了。

  2、将会每家做的领域不同,最后的结果总要可比。全都领域词汇量小,比较容易,以后 做出结果也将会只有通用。全都领域词汇量大,以后 约束全都,全都能说的内容没人来越多,意味 比较容易识别,全都能通用。

  3、将会每家训练集不一样大,而训练集越大,一般结果越好。全都,有将会结果做的好,被认为并总要靠算法,全都靠数据量大。

  4、对于学术单位来说,最大的什么的间题来自于只有 足够的资源(也只有 兴趣)整理、清洗、标注絮状的语料。对于小公司来说,语料和计算力总要什么的间题。

  最后,瑞迪教授计划采用“专家系统”来完成项目,将会你你这个土法律法律依据前要的数据有限。

  专家系统是早期人工智能的全都重要分支,我以后把它看作是一类具有专门知识和经验的计算机智能守护守护进程系统,一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家都都能能 处理的比较复杂什么的间题。

  但我不认同。

  2

  以后 参加过的奥赛罗的人机博弈,我以后 对统计概念有了充分的理解,我对瑞迪教授的研究土法律法律依据产生动摇。

  我相信建立大型的数据库,以后 对大的语音数据库进行分类,有将会处理专家系统只有处理的什么的间题。

  另外,在1985年,美国标准局 (NationalInstitute of Standards and Technology)也意识到数据不标准会影响科研进步。全都在语音识别什么的间题上,标准局设定了标准的语音和语言的训练集、测试集。要求每个学校的每个团队都用同样的训练集来训练模型,还都都能能 买车人调好系统参数,比赛最后一天亲戚亲戚朋友拿到数据,有一天时间跑出结果,亲戚亲戚朋友评比。

  我从你你这个标准数据集和测试看得人将会。

  再三思考后,我决定鼓足勇气,向瑞迪教授直接表达我的想法。我对瑞迪说:“假如转投统计学,用统计学来处理你你这个‘不特定语者、大词汇、连续性语音识别’。”

  我以为瑞迪会全都失望,没想到他全都都只有 生气,他轻轻地问:“那统计土法律法律依据怎么处理这三大什么的间题呢?”

  瑞迪教授耐心地听完我激情的回答后,用他那永远温和的声音我都没人乎 :“开复,你对专家系统和统计的观点,我是不同意的,以后 我以后 支持你用统计的土法律法律依据去做,将会我相信科学只有 绝对的对错,亲戚亲戚朋友总要平等的。以后 ,我更相信全都有激情的人是将会找到更好的处理方案的。”

  那一刻,我的感动无以伦比。将会对全都教授来说,学生要用买车人的土法律法律依据作出全都与他唱反调的研究。教授不但只有 动怒,还给予充分的支持,这在全都地方是不可想象的。

  统计学前要大数据库,亲戚亲戚朋友怎么都都能能 建立起大的数据库呢?

  瑞迪教授看得人我愁眉不展的样子,再一次给了我支持。他说,“开复,其实说我还是对你的研究土法律法律依据有所保留,以后 ,在科学的领域里,其实也无所谓老师和学生的区别,亲戚亲戚朋友总要面临这全都什么的间题的攻克者,全都,将会你真的前要数据库,只有 ,我以后 去说服政府帮你建立全都大的数据库吧!”

  瑞迪教授以后 说服了美国政府部门和美国标准局整理并提供了絮状数据。我用美国标准局提供的标准大数据,跟多家拿国家钱的机构数据,以后 全都不拿国家钱的单位(如:IBM,AT&T)也参与进来,我可使用的数据越滚越大。

  除了大数据,统计学的土法律法律依据还前要非常快的机器,瑞迪教授又我以后 购买了最新的Sun 4机器。此后每次有新的机器,他总要说:“先问问开复要不须。” 做论文的两年多,我离米 花了他几十万美元的经费。

  瑞迪教授的宽容再次我以后 感觉到两种伟大的力量,这是两种自由和信任的力量。

  3

  在导师的支持下,我结速英文了了了疯狂的科研工作。

  当时,我带着另一位学生同時 用统计的土法律法律依据做语音识别。同時 ,全都60 多人用专家系统做同样的什么的间题。从土法律法律依据上来说,亲戚亲戚朋友在竞争,以后 在瑞迪教授的领导下,亲戚亲戚朋友分享一切,亲戚亲戚朋友用同样的样本训练和测试。

  在1986年底,我的统计系统和亲戚亲戚朋友的专家系统达到了离米 一样的水平,40%的辨认率。这其实还是完整性只有用的系统,但毕竟是学术界第一次尝试只有 难的什么的间题,亲戚亲戚朋友还是比较欣喜和乐观的。

  1987年5月,亲戚亲戚朋友大幅度地提升了训练的数据库,采用了新的建模土法律法律依据,不但都都都能能 用统计学的土法律法律依据学习每全都音,以后 还都都能能 用统计学的土法律法律依据学习每全都音之间的转折。针对全都音的样本存在问题,我又想出了两种土法律法律依据(generalized triphones)来合并全都的音。这三项工作果然把机器的语音识别率从全都的40%提高到了60 %!以后 又提高到96%。

  统计学的土法律法律依据用于语音识别初步被验证是正确的方向。

  亲戚亲戚朋友都相信了我用的机器学习土法律法律依据和隐马可夫模型算法,以后 离开了不可行的专家系统(专家系统只达到60 %的识别率)。在我的博士论文基础上,以后 的Nuance,微软、苹果手机苹果手机苹果手机 等公司做出了业界最领先的产品。

  1988年4月,我受邀到纽约参加一年一度的世界语音学术会议,发表学术论文。

  你你这个成果撼动了整个学术领域。这是当时计算机领域里最顶尖的科学成果。

  语音识别率大幅度提高,让全世界语音研究领域闪烁出一道希望的光芒,从此,所有以专家系统研究语音识别的人完整性转向了统计土法律法律依据。

  会后,《纽约时报》派记者JohnMarkoff来到匹兹堡对我作了采访,文章发表于1988年7月6日,占了科技版首页的整个半版。在这篇文章里,马可奥夫大力报道了我的论文的突破。当时,我只其其实和全都和蔼可亲的记者聊天,事后,我才知道这是一名才华横溢的著名记者,三次提名普利策奖,并在斯坦福兼教。

这是1988年,《纽约时报》对我博士论文的报道

  以后 ,《商业周刊》把我的科学科学发明选为1988年最重要的科学科学发明的故事。年仅26岁初出茅庐的我,第一次亮相就获得全都的成功,我以后 感到很幸运,也我以后 有了继续向科技高峰攀爬的动力。

  而我也以后 拿到了卡内基·梅隆大学的计算机博士学位,这离我1983年入学只有4年半的时间。在卡内基·梅隆大学的计算机学院,同学们平均6年以上都都能能 拿到博士学位,我用只有 短的时间拿到博士学位,是一项新的纪录。

  我也以后 破格留校,成为一名26岁的助理教授。

  4

  遗憾的是,其实我找到了方向和基本土法律法律依据,但以当时的数据量级和计算水平,语音AI研究好难有商业化将会。我最终还是离开科研界,进入商界,用产品改变世界。

  60 年过了,AI发展的土壤终于肥沃起来。

  伴随互联网和移动互联网而来的大数据、高效的计算机运算能力等条件都齐备了。科研人员前要的数据集不再只有 难以触碰,全都前要一群人牵头让更多的公司参与进来。这在60 多年前,我还是全都AI科研人员的时代,能接触到真实世界里只有 海量的数据,是个遥不可及的梦想。

  我当年受惠于瑞迪教授的帮助和指导,今天也非常希望能给更多和我一样的年轻人,创造研究将会和条件。

  全都,昨天创新工场、搜狗、今日头条联合发起“AI Challenger 全球AI挑战赛”。三家公司分别投入絮状资金、也搞懂千万量级高质量开放数据集与宝贵GPU资源。

  同時 ,我也倡导商界和科研界能采用絮状的数据和标准的测试土法律法律依据,也欢迎更多的数据公司都都都能能 参与到你你这个平台里。

  希望亲戚亲戚朋友推出的Challenger.ai,还都都能能 帮助到中国AI人才成长。

  在我看来,这次AIChallenger绝对不全都全都活动,也绝对不全都全都奖金60 万、年底就结速英文了的竞赛,这是推进中国AI人才成长的重大催化剂。

  希望3年或5年后,亲戚亲戚朋友再来回顾你你这个段时光匆匆,亲戚亲戚朋友发现中美AI人才之间只有 落差了,还能想到AI Challenger在全都重大过程中扮演了全都小小角,我以后感到你你这个切总要价值。

  欢迎亲戚亲戚朋友登录大赛官网Challenger.ai,获取信息并报名。关于这场大赛的具体信息可点击文末的链接了解(要在电脑页面上都都能能 报名哦)。

  亲戚亲戚朋友将会无法想象,我有多么羡慕亲戚亲戚朋友,生活在数据爆炸的时代,一群人提供数据和奖金池,让有才华的人一展拳脚。