李开复:从1983到2017,我的幸运与遗憾

  • 时间:
  • 浏览:1

  文/李开复

  1

  今天跟许多人讲个故事。

  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3000万美元的经费,用来做不指定语者、大词库、连续性的语音识别。

  也要是 说,他希望机器能听懂任何人的声音,要是能都还后能 懂上千个词汇,懂许多人自然连续说出的每搞笑的话。

  这有1个问題图片都不 当时无解的问題图片。

  而瑞迪教授大胆地背熟项目,希望同時 解决这有1个问題图片。他在全美招聘了300多位教授、研究员、语音学家、学生、线程池员,以启动其他有史以来最大的语音项目。

  我也在这300人名单之内。

  当时的科研背景是,业界可能性有之类今天高度学习的算法,但一直那么实现数据标准化,数据量也缺陷够大。

  美国几大语音识别实验室(如MIT、 CMU、 SRI、 IBM、贝尔实验室)都不 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,测试的词汇量要是 同。要是 都各称业界第一,许多人莫衷一是。

  而每个大公司都不 此人 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,要是 大公司并那么动力来帮助小公司或学校。而小公司和学校,往往能都还后能 了资源做些较小的数据集,结果通常要是 如大公司的好。

  不仅那么,数据不标准对AI研究而言是致命的,最后因为 要是 问題图片,包括:

  1、可能性测试语料库不同,最后识别结果,许多人无法群克隆,也无法验证。彼此不认可,要是可能性数据那么打通,算法就更可能性性打通了。

  2、可能性每家做的领域不同,最后的结果都不 可比。其他领域词汇量小,比较容易,要是做出结果也可能性能都还后能 了通用。其他领域词汇量大,要是约束要是 ,要是 能说的内容很多,因为 比较容易识别,要是 能通用。

  3、可能性每家训练集不一样大,而训练集越大,一般结果越好。要是 ,有可能性结果做的好,被认为并都不 靠算法,要是 靠数据量大。

  4、对于学术单位来说,最大的问題图片来自于那么足够的资源(也那么兴趣)整理、清洗、标注少许的语料。对于小公司来说,语料和计算力都不 问題图片。

  最后,瑞迪教授计划采用“专家系统”来完成项目,可能性其他妙招前要的数据有限。

  专家系统是早期人工智能的一有1个重要分支,让人把它看作是一类具有专门知识和经验的计算机智能线程池系统,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还后能 解决的繁复问題图片。

  但我不认同。

  2

  曾经参加过的奥赛罗的人机博弈,我想对统计概念有了充分的理解,我对瑞迪教授的研究妙招产生动摇。

  我相信建立大型的数据库,要是对大的语音数据库进行分类,有可能性解决专家系统能都还后能 了解决的问題图片。

  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。要是 在语音识别问題图片上,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,能都还后能 此人 调好系统参数,比赛最后一天许多人拿到数据,有一天时间跑出结果,许多人评比。

  我从其他标准数据集和测试看到可能性。

  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,用统计学来解决其他‘不特定语者、大词汇、连续性语音识别’。”

  我以为瑞迪会其他失望,没想到他其他都那么生气,他轻轻地问:“那统计妙招怎么才能 才能 解决这三问題图片图片呢?”

  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谁能告诉我:“开复,你对专家系统和统计的观点,我是不同意的,要是我想支持你用统计的妙招去做,可能性我相信科学那么绝对的对错,许多人都不 平等的。要是,我更相信一有1个有激情的人是可能性找到更好的解决方案的。”

  那一刻,我的感动无以伦比。可能性对一有1个教授来说,学生要用此人 的妙招作出一有1个与他唱反调的研究。教授不但那么动怒,还给予充分的支持,这在要是 地方是不可想象的。

  统计学前要大数据库,许多人怎么才能 才能 都还后能 建立起大的数据库呢?

  瑞迪教授看到我愁眉不展的样子,再一次给了我支持。我知道你,“开复,嘴笨 说我还是对你的研究妙招有所保留,要是,在科学的领域里,嘴笨 也无所谓老师和学生的区别,许多人都不 面临其他有1个问題图片的攻克者,要是 ,可能性你真的前要数据库,那么,我想去说服政府帮你建立一有1个大的数据库吧!”

  瑞迪教授要是说服了美国政府部门和美国标准局整理并提供了少许数据。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,要是其他不拿国家钱的单位(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,统计学的妙招还前要非常快的机器,瑞迪教授又我想购买了最新的Sun 4机器。此后每次有新的机器,他都不 说:“先问问开复要不须。” 做论文的两年多,我大慨花了他几十万美元的经费。

  瑞迪教授的宽容再次我想感觉到并都不 伟大的力量,这是并都不 自由和信任的力量。

  3

  在导师的支持下,我刚开始了了了疯狂的科研工作。

  当时,我带着另一位学生同時 用统计的妙招做语音识别。同時 ,其他300多人用专家系统做同样的问題图片。从妙招上来说,许多人在竞争,要是在瑞迪教授的领导下,许多人分享一切,许多人用同样的样本训练和测试。

  在1986年底,我的统计系统和许多人的专家系统达到了大慨一样的水平,40%的辨认率。其他太好还是全部能都还后能 了用的系统,但毕竟是学术界第一次尝试那么难的问題图片,许多人还是比较欣喜和乐观的。

  1987年5月,许多人大幅度地提升了训练的数据库,采用了新的建模妙招,不但都都还后能 用统计学的妙招学习每一有1个音,要是能都还后能 用统计学的妙招学习每有1个音之间的转折。针对其他音的样本缺陷,我又想出了并都不 妙招(generalized triphones)来合并其他的音。这三项工作果然把机器的语音识别率从曾经的40%提高到了3000%!要是又提高到96%。

  统计学的妙招用于语音识别初步被验证是正确的方向。

  许多人都相信了我用的机器学习妙招和隐马可夫模型算法,要是抛妻弃子了不可行的专家系统(专家系统只达到300%的识别率)。在我的博士论文基础上,要是的Nuance,微软、苹果苹果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。

  其他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全部转向了统计妙招。

  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,我只嘴笨 在和一有1个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

  要是,《商业周刊》把我的发明家 家 选为1988年最重要的科学发明家 家 。年仅26岁初出茅庐的我,第一次亮相就获得曾经的成功,我想感到很幸运,也我想有了继续向科技高峰攀爬的动力。

  而我都不 要是拿到了卡内基·梅隆大学的计算机博士学位,这离我1983年入学能都还后能 了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年以上都还后能 拿到博士学位,我用那么短的时间拿到博士学位,是一项新的纪录。

  我都不 要是破格留校,成为一名26岁的助理教授。

  4

  遗憾的是,嘴笨 我找到了方向和基本妙招,但以当时的数据量级和计算水平,语音AI研究不能自己有商业化可能性。我最终还是抛妻弃子科研界,进入商界,用产品改变世界。

  300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那么难以触碰,要是 前要许多人牵头让更多的公司参与进来。这在300多年前,我还是一有1个AI科研人员的时代,能接触到真实世界里那么海量的数据,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,创造研究可能性和条件。

  要是 ,昨天创新工场、搜狗、今日头条联合发起“AI Challenger 全球AI挑战赛”。三家公司分别投入少许资金、也背熟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少许的数据和标准的测试妙招,也欢迎更多的数据公司都都还后能 参与到其他平台里。

  希望许多人推出的Challenger.ai,能都还后能 帮助到中国AI人才成长。

  在我看来,这次AIChallenger绝对不要是 一有1个活动,也绝对不要是 一有1个奖金3000万、年底就刚开始了的竞赛,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,许多人再来回顾其他段峥嵘旧時光,许多人发现中美AI人才之间那么落差了,还能想到AI Challenger在曾经重大过程中扮演了一有1个小小角,让人感到其他切都不 价值。

  欢迎许多人登录大赛官网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(要在电脑页面上都还后能 报名哦)。

  许多人可能性无法想象,我有多么羡慕许多人,生活在数据爆炸的时代,许多人提供数据和奖金池,让有才华的人一展拳脚。