早期在做自動(dòng)駕駛的時(shí)候，實(shí)際上收集的數(shù)據(jù)是*少的，基本上只有幾十個(gè)小時(shí)的駕駛數(shù)據(jù)，對(duì)復(fù)雜路況的處理能力比現(xiàn)在低很多，從性上講是不夠的。這就造成了為什么這樣一個(gè)技術(shù)在20年前已經(jīng)相當(dāng)成熟了，但是到今天大家才真正給它商業(yè)化、規(guī)?；?，其中一個(gè)很大的原因是由于Google或者說(shuō)其他的車(chē)廠有*大的能力收集幾十萬(wàn)小時(shí)的駕駛信息，而且有*大的處理數(shù)據(jù)能力，能夠把所有的信息抽出來(lái)，能讓車(chē)在*復(fù)雜的情況下有一個(gè)很好的處理能力。從這個(gè)意義上來(lái)講，大的數(shù)據(jù)真的是很重要的。

另外一個(gè)是AlphaGo，大家現(xiàn)在都知道Google做一個(gè)能夠下圍棋的機(jī)器人，可以自動(dòng)去讀棋譜能夠跟的圍棋選手下，而且一直保持*好的勝率。但是同樣，大家也知道下棋這件事情不是今天才發(fā)生，很早年前IBM的Deep Blue（深藍(lán)）是*成功的例子，他制作了一套系統(tǒng)能夠跟的象棋大師做對(duì)弈。我也想提一下，所有Google在AlphaGo里面做的系統(tǒng)，包括深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)這件事情，實(shí)際上在20年前就已經(jīng)被人在游戲上應(yīng)用了。在1996年的時(shí)候，我估計(jì)現(xiàn)場(chǎng)有些同學(xué)可能都還沒(méi)出生，那時(shí)候有一個(gè)系統(tǒng)叫TD(λ)的算法，有幾位科學(xué)家把這個(gè)算法應(yīng)用在一個(gè)在美國(guó)挺流行的游戲上，很快成為了冠軍。

這里頭神奇的地方，跟AlphaGo比起來(lái)的話，AlphaGo還需要讀人類(lèi)棋手的棋譜，從中吸取經(jīng)驗(yàn)成長(zhǎng)成為的選手，但是對(duì)于我剛才說(shuō)的TD(λ)的算法來(lái)講，當(dāng)時(shí)就是做了兩個(gè)不同版本的算法，這兩個(gè)版本自己跟自己下了150萬(wàn)盤(pán)，就成了冠軍。某種意義上講，真的是自學(xué)成才的算法。

那么說(shuō)回來(lái)，為什么說(shuō)這樣一套AlphaGo的系統(tǒng)大部分的核心技術(shù)點(diǎn)，實(shí)際上在20年前都已經(jīng)很成熟，為什么到今天大家才把它的面紗揭開(kāi)來(lái)呢？關(guān)鍵還是數(shù)據(jù)的問(wèn)題，20年前我們的計(jì)算機(jī)不足以處理這么多的數(shù)據(jù)，現(xiàn)在我們有了GPU可以*有效的處理這些數(shù)據(jù)。

可能還有一個(gè)比較重要的點(diǎn)，大家日常都會(huì)接觸到語(yǔ)音識(shí)別技術(shù)。實(shí)際上語(yǔ)音識(shí)別技術(shù)在這幾年有一個(gè)*突飛猛進(jìn)的發(fā)展，比如智能手機(jī)就已經(jīng)開(kāi)始普遍應(yīng)用語(yǔ)音交互。實(shí)際上語(yǔ)音識(shí)別技術(shù)，是在六十年代開(kāi)始的，有很多技術(shù)的東西其實(shí)很早的時(shí)候都有人嘗試做，但是近兩年獲得成功，還是歸結(jié)于現(xiàn)在我們的數(shù)據(jù)處理能力和計(jì)算能力，使得它完全能夠變成更加智能化的工具。

數(shù)據(jù)有一個(gè)*厲害的能力就是挖掘價(jià)值。我想舉個(gè)例子，這個(gè)例子就是花唄，大家可能都知道花唄的背后實(shí)際上是你的信用分，這個(gè)信用分基于你整個(gè)以前的行為，這些行為會(huì)告訴系統(tǒng)說(shuō)你這個(gè)人有多大的可能還錢(qián)或者說(shuō)有多大的還付能力，花唄是*復(fù)雜的一個(gè)系統(tǒng)。把你整個(gè)所有的交易行為都形成數(shù)據(jù)，然后來(lái)算這個(gè)人能借給他多少錢(qián)，償還能力如何。這個(gè)跟美國(guó)以前的信用體系有*大的差別，完全是從數(shù)據(jù)上挖掘出你的行為，來(lái)測(cè)量你的信用有多好。

另外一方面，花唄在做信用測(cè)量的時(shí)候，另外一個(gè)很有意思的事情在客服上。很多顧客會(huì)打電話到支付寶，問(wèn)為什么我的花唄分比較低？怎樣能夠把我的花唄分?jǐn)?shù)提高？這個(gè)實(shí)際上就需要這些學(xué)習(xí)智能的機(jī)器人，能夠從這個(gè)模型里面提取出有用的信息，告訴這個(gè)人怎么能夠做一些努力、做一些改變，能夠把他的花唄分有效的生長(zhǎng)起來(lái)。

下面我想說(shuō)一個(gè)*有意思的技術(shù)，因?yàn)槲乙庾R(shí)到好像在國(guó)內(nèi)主要的技術(shù)是深度學(xué)習(xí)這樣的技術(shù)，對(duì)吧？實(shí)際上在過(guò)去的十年間，我認(rèn)為在統(tǒng)計(jì)數(shù)學(xué)產(chǎn)生了一個(gè)*有力量的技術(shù)，它的中文名是壓縮感知。這個(gè)技術(shù)是*有趣的技術(shù)，就是可以重現(xiàn)歷史。大家設(shè)想這樣一個(gè)情況，你有一個(gè)**老的、破損的已經(jīng)不行了的照片，就像左邊這個(gè)照片一樣。你肯定有一個(gè)心愿，這個(gè)心愿是說(shuō)有沒(méi)有一個(gè)機(jī)器可以把很破損的照片恢復(fù)的沒(méi)有瑕疵，這是大家的心愿。自從有了這么一個(gè)*厲害的技術(shù)叫做壓縮感知，它實(shí)際上是可以把破損的照片，把它重現(xiàn)成很*完整的照片。這是*的幾個(gè)科學(xué)家在近幾年做的杰出的工作帶來(lái)的成果。

有了這個(gè)技術(shù)，大家會(huì)想是不是相機(jī)因?yàn)橛辛诉@個(gè)技術(shù)可以做一些改變？我不知道在座的同學(xué)知不知道，為什么我們手上拿的數(shù)字相機(jī)會(huì)這么便宜，有人知道為什么數(shù)碼相機(jī)會(huì)這么便宜嗎？其中一個(gè)*重要的原因，我估計(jì)很少人清楚，就是數(shù)碼相機(jī)的感光材料是用硅，因?yàn)楹芮?，人的感光區(qū)間和硅的感光區(qū)間是差不多的，所以說(shuō)硅可以成為*好的傳感器來(lái)形成圖像。但硅做不到但是紅外的感光區(qū)，而紅外感光材料*昂貴，所有紅外或紫外相機(jī)通常都很昂貴。你要想拿到一個(gè)**高清的照片是*昂貴的。

所以現(xiàn)在有很多公司在做一件事情，就是說(shuō)我可不可以用一個(gè)*簡(jiǎn)陋的相機(jī)來(lái)拍，但是用壓縮感知技術(shù)把它重現(xiàn)成*好看的照片來(lái)。美國(guó)的萊斯大學(xué)正在做一個(gè)驚天動(dòng)地的事情 － 單光子相機(jī)，就是把相機(jī)逼到極限，能不能只測(cè)量一個(gè)光子就可以把整個(gè)圖片完完整整的呈現(xiàn)在你的面前，這件事如果能做到，就會(huì)*厲害。我個(gè)人覺(jué)得壓縮感知這樣的技術(shù)，應(yīng)該會(huì)在以后的一些時(shí)間內(nèi)會(huì)成為一個(gè)**重要的技術(shù)。

我說(shuō)了這么多，有一件事情我都沒(méi)有提到，就是什么是智能，對(duì)吧？智能我想這個(gè)定義是每個(gè)人都有不同的含義，一個(gè)簡(jiǎn)單的定義從機(jī)器學(xué)習(xí)或者是 人工智能 角度來(lái)看，所謂的智能是什么呢？所謂的智能就是一個(gè)決策函數(shù)，這個(gè)決策函數(shù)它會(huì)有一個(gè)輸入，比如說(shuō)一個(gè)照片會(huì)給出一個(gè)決策。比如說(shuō)它告訴你照片的人是什么，現(xiàn)在幾乎所有的機(jī)器學(xué)習(xí)、所有的人工智能的方法，不管是AlphaGo，不管是語(yǔ)音識(shí)別、不管是自動(dòng)駕駛幾乎都是用這個(gè)方法為基礎(chǔ)的。這個(gè)智能是我們經(jīng)常說(shuō)的人工智能，實(shí)際上它跟人的智能還是有一個(gè)很大的差別，的差別就在于他們對(duì)數(shù)據(jù)的依賴(lài)。

大家都可以看到，小孩在學(xué)習(xí)各種技能的時(shí)候不需要教他幾千遍、幾萬(wàn)遍，通常來(lái)講一個(gè)學(xué)習(xí)的過(guò)程多幾十遍。所以人的學(xué)習(xí)可以依賴(lài)于相當(dāng)少的樣本就能學(xué)到這個(gè)知識(shí)、這個(gè)技能。但是反過(guò)來(lái)說(shuō)，機(jī)器智能這種基于決策函數(shù)的學(xué)習(xí)方式，都需要一個(gè)巨大的數(shù)據(jù)支持，這就是為什么我們說(shuō)的只有有了巨大的數(shù)據(jù)，人工智能才會(huì)普遍運(yùn)用起來(lái)。機(jī)器實(shí)際上是要學(xué)習(xí)一個(gè)函數(shù)的，而所有的數(shù)據(jù)理論都告訴你，要學(xué)好一個(gè)函數(shù)，這個(gè)數(shù)據(jù)量一定是**大的，這有很多所謂的不可能定義。他告訴你說(shuō)，如果數(shù)據(jù)低于一定的程度，這樣的函數(shù)是不可能被學(xué)習(xí)下來(lái)的。

我總結(jié)一下，我們正處于一個(gè)激動(dòng)人心的時(shí)代，在這個(gè)時(shí)代能夠利用*大的數(shù)據(jù)，能夠利用巨大的計(jì)算能力，讓那些十年前、二十年前研發(fā)出來(lái)的算法，能夠真正發(fā)揮巨大的價(jià)值。像大家看到的自動(dòng)駕駛、AlphaGo等，但同時(shí)也要認(rèn)識(shí)到現(xiàn)在這樣一個(gè)基于函數(shù)技術(shù)的機(jī)器學(xué)習(xí)或者說(shuō)是人工智能的方法，也有一個(gè)巨大的局限性。所有以函數(shù)技術(shù)作為基礎(chǔ)的學(xué)習(xí)，一定是對(duì)樣本的數(shù)量有很大的依賴(lài)。到底我們應(yīng)該怎么去看待人在學(xué)習(xí)過(guò)程中的能力？為什么說(shuō)人只要需要幾個(gè)樣本就能把一個(gè)技能學(xué)好，為什么機(jī)器學(xué)不好？從這個(gè)角度來(lái)講，我認(rèn)為現(xiàn)在的數(shù)據(jù)巨大成功同時(shí)也是給在座每一位年輕人有一個(gè)巨大的機(jī)會(huì)，這個(gè)機(jī)會(huì)也就是到底人是怎么學(xué)習(xí)的。