📖 ZKIZ Archives

深度學習真的給我們帶來影響了嗎？

傅盛 2016-07-19 10:52

文 | 傅盛

答案顯而易見。

任何一場革命，絕不是以敲鑼打鼓的方式，來到你的身邊。等到某一天，你忽然發現快要天翻地覆時，再去看，發現自己已被別人拋棄了。

過去以端為中心的技術革命，不能說結束了，但已不再是時代的風口。

技術，進入了一場以數據為驅動的革命。

互聯網不再只是一張虛擬的網，而更像是一個大數據庫。大量的數據，沈甸甸，就在那里。沒有人知道，怎麽把這些數據，更加完整清晰的表達出來。

我們需要重新思考技術的致勝點。

怎麽思考呢？我講幾個關鍵點。

1.數據和運算能力，變得越來越重要。

孔子說過一句話：“學而不思則罔，思而不學則殆”。

先說，學而不思則罔。你拿了很多知識，不深度學習，不行。如果你沒有運算能力，有了一堆數據，算不出來，沒用。不是深度越深，效果越好。

這是個複雜的問題。需要不停算，不停實驗。

今天，整個深度學習的理論，還不夠成熟，依然落後於實踐。更多時候，只能靠試。此時，運算能力，就變得非常關鍵。

假如，別人做一次運算，要兩個禮拜，而你只需要一天或2個小時。同樣時間內，你可以做更多實驗，積累更多寶貴經驗，叠代速度也更快。

這就好像，兩個人起點一樣，但由於叠代速度不同，導致了最後成就的千差萬別。每一次叠代，相當於你的一次翻版。你是一天叠代一次，還是一年叠代一次。你對自己翻版本的速度有多快，決定你最後以多大的成果超過對手。

思而不學則殆呢？簡單說，如果你沒有數據，一點用都沒有。

這個時代越來越需要海量數據。數據量越大越好。甚至於，我們以前被認為不是很關鍵的數據，都有可能灌進去，再看效果。

這才有了一句流行語——Welcome to the GPU world.

GPU最早為快速滿足增長的圖形計算需求而設計。它不同於CPU，在多核多線程處理上浮點性能更佳，使得它在圖形界的並行運算，變得超強。

早期，谷歌發表了一篇論文說——深度學習的結果，要跑在英偉達的GPU上。很快，做芯片起家的英偉達，其公司股價開始蹭蹭蹭一路上漲，漲了好幾十塊。

然而，如果今天，你還以為英偉達是個顯卡公司，那就大錯特錯了。如今汽車的防撞系統，警告系統，以及無人駕駛采用的雙目視覺圖像處理，英偉達是第一大提供商。它其實變成了一家人工智能公司。

說到這，大家可能也會奇怪——今天關於無人駕駛，輔助駕駛的新聞越來越多，也有越來越多的公司在做，為啥呢？

核心就在於，深度學習極大降低了這一門檻。只要你能拿到足夠數據，就可能實現對物體的各種判斷。

本質也帶來了一個技術上彎道超車的好機會。很多公司辛苦積累的軟件技術直接作廢了。包括IBM做了語音輸入好多年，上來就被深度學習超越了。尤其當谷歌進入語音輸入時，一下就超越了IBM多年的技術積累。與此同時，谷歌還有足夠多的數據，以及足夠多的語音樣本，不停輸入。

算法為核心的競爭力，正轉換成數據為核心競爭力。

我個人覺得，甚至有些算法會消失掉。但，並不是說算法不重要。只是神經網絡的核心算法，提升起來太難。

現在大家都把專註度放在了數據和運算。尤其在深度學習里，獲取足夠多的數據，就有機會產生更好的結果。神經網絡本身差異不會很大，關鍵比的是——誰能把這些數據用好，並快速計算。

數據變得越來越重要。尤其在深度學習里，獲取足夠多的數據，就有機會產生更好的結果。神經網絡本身差異不會很大，關鍵比的是——誰能把這些數據用好，並快速計算。

2.公司研發結構會發生很多改變，數據獲取和數據標註會變得非常重要。

中國在這場競爭中，還是有很大機會。能夠輕易獲取的互聯網數據，以及低成本的眾包勞動，將為中國公司帶來訓練所需的計算和人力資源。

第一，數據獲取的量級。盡管美國整個技術的前沿性很好，問題在於——矽谷一家小公司拿到的數據，和一家中國告訴發展的互聯網公司拿到的數據，不可同日而語。

第二，數據標註的成本。在美國，要搞數據標註，肯定很累，多貴啊！但在中國，到珠海或成都隨便找300個人，去幫你標註，成本很低。ImageNet圖像分類大賽，中國人取得的成績明顯突出。國外，微軟或谷歌參賽，都是幾個人去做圖像標註和算法驗證。而中國可以組織足夠多的人去做標註。

我認為，ImageNet大賽，未來的世界冠軍都會來自中國。

3.並行異構計算的人才，變成核心競爭力。

過去計算領域都是以CPU為中心的計算模式。深度學習要將CPU和GPU兩個加起來。這是兩個技術的計算模型，是異構的模型。

為什麽要異構？因為GPU是並行的。它需要用來顯示。為了讓你的屏幕刷新保持更快更流暢，就要把GPU分成很多個小的運算單元。每一個運算單元，負責屏幕某一塊具體區域的刷新。而大量這樣的運算單元都包含在一個GPU當中。要想跑得快，就得把計算邏輯放在CPU中，同時再把你準備好的數據拷貝到GPU中。然後呢？GPU再用並行的方式，計算準備好的這些數據。這就是異構的模型。

這個模型，是計算體系，也是硬件體系的一次革命，是真正的技術革命。

舉個例子。現在要完成一個複雜的大型任務，需分割在100臺機器，讓它們分開跑，又同時共同執行同一個全局任務，需要一個數學上嚴格的方法來完成。這意味著，每一次計算更新的時候，都要把大數據刷一遍，刷幾千遍是何其難的事情。幾十億個參數的深度學習模型，每一次叠代都要把參數刷一遍。尤其數據量足夠大時，這是很難的。

因此，能否調動大量的運算資源，就會成為核心競爭力。我的判斷是，未來整個研發結構——重數據，重運算，這兩點，必然出現。

4.語音和視覺，將成為下一代交互模式。

可能大家沒有註意一個數據，谷歌已經有20%的搜索來自語音。這是很可怕的一個趨勢。

我認為，語音和視覺會是下一代的交互模式。

過去我們從PC時代的十指模式（電腦鍵盤），走到今天的拇指模式（手機），未來一定是自然模式（語音和視覺）。

因為，太多的交互都會變得很簡單。有多簡單呢？只會用接觸的方式去完成。今天之所以還沒有大規模到來，其實是技術不夠成熟。

亞馬遜發布Echo時，為什麽谷歌那麽在意？我覺得很重要的一點，就是它通過300萬臺的設備，不停地拿數據——用戶的每一次說話，都是一次新的數據。這個數據足夠多，又反過來加深它的語音能力。

交互模式的變化，不僅改變了產品，也影響了數據方式。

5.深度學習在各個領域產生的變革才剛剛開始。

無論是現階段的內容個性化推薦，還是未來輸入方式的改變，還有太多地方，可以被深度學習改變。

比如人臉識別。今天你用支付寶，或招商銀行客戶端，都會讓你掃一掃，準確率已經相當高了。高到什麽程度呢？有一家公司專門為海關提供人臉識別服務。以前用人工查看，看兩個小時後就會出錯，加上深度學習算法的系統，極大降低了人臉識別的出錯率。

我認為，只要需求越多，它就會越來越準。

比如小米手機出了面孔功能。根據人臉識別進行照片分類。已經可以達到92%的準確率了。包括獵豹。我們在全球有6億月度活躍用戶，一旦建立起深度學習的核心技術能力，獵豹向很多領域的擴展和應用結合就會變成可能。

如果你把深度學習看成一種“工具”，就會發現——它有很多和其它領域，包括傳統行業相互結合的機會。

漫漫長路，才剛剛開始。

文章評論

匿名用戶

發布

全部評論：10

發布