這輪 AI 熱潮的很大一個特點就是底層技術方面在打通，雖然說過去對通用人工智能大家曾經(jīng)有過很高的期望，但一直沒有落地。這次，深度學習給大家?guī)砹撕芏鄼C會，使得我們在底層技術方面有了越來越多的共性。然而深度學習并不是萬能的，那么它的局限性在哪里？當遇到天花板時又該如何呢？
4月8日，在 ADL 第78期“深度學習：從算法到應用”的 Panel 環(huán)節(jié)，四位頂級 AI 學術大牛同臺縱論驅動這一輪 AI 浪潮的底層技術，主題為“深度學習和大數(shù)據(jù)結合的紅利還能持續(xù)多久”。
從左到右分別是：山世光、顏水成、李航、俞凱
四位分別是：
中科院計算所研究員、博導，中科視拓創(chuàng)始人、董事長兼 CTO 山世光
360副總裁、 首席科學家顏水成
華為諾亞方舟實驗室主任李航
上海交通大學研究院、思必馳創(chuàng)始人兼首席科學家俞凱
于 2017 年 4 月 7-9 日舉辦的中國計算機學會學科前沿講習班（CCF Advanced Disciplines Lectures，簡稱 ADL）第 78 期，是由 CCF 和 KDD China 聯(lián)合主辦的高端學術及技術系列性品牌活動。
底層技術在打通，聲、圖、文領域相互借鑒
山世光：今天的三位大咖里，俞凱老師做語音識別，顏水成老師主攻視覺方向，而李航老師則在自然語言的理解處理領域非常資深，而且在更加廣泛的人工智能上問題上也有研究，包含了聲、圖、文三個領域。我們今天討論的題目就是“深度學習和大數(shù)據(jù)的紅利在 AI 領域還能持續(xù)多久”，既然不同研究領域的人都坐到一起了，那我們就先講講這個大家互相跨界的情況。為什么這么說呢？因為我個人覺得這一輪AI熱潮很大的一個特點就是底層技術方面在打通。雖然過去我們對通用的人工智能曾經(jīng)有過很高的期望，但是實際上一直沒有落地，但是如今深度學習給大家?guī)砹撕芏嗟臋C會，而且底層的技術有了越來越多的共性，比如說卷積神經(jīng)網(wǎng)絡不僅在語音里面有用，在自然語言處理里面也有應用，所以我想請三位從這個視角談一下，這一輪AI在通用技術方面有什么樣的進展？
俞凱：稍微糾正一下，大家不要以為我是做語音識別的，我一定要說這句話，為什么？我所做的事情其實是口語對話系統(tǒng)，包括語音識別、語音合成等大家可以想得到的東西。更重要的是，我做的是對話，或者說是以交互為主要方式的人機口語對話系統(tǒng)。
對話實際上是認知控制，你可以認為我做的是以口語作為主要通道的感知加上認知，在這一點上我和李航老師是有重疊的，都是交互的自然語言處理。我為什么會提這個？因為聲、圖、文，如果從這個角度分的話，實際上都可以看是成感知層面的東西，但是它后面所對接的都是理解、交互的控制、人的決策和推理，這些部分是在聲圖文領域的從業(yè)者或多或少都會涉及到的，無論是顏水成老師還是李航老師。所以我想把它分成兩層，從感知上看我們做的不一樣的，但是后面的東西，大家做的很多都是類似的，比如大家會做到理解這一層，而我還會做到交互這一層。
關于這一輪的AI潮，我說一下自己的感受。我先拋一個觀點，凡是在機器學習范式上一樣的東西，聲圖文全都可以用，而且任何一個機器學習方法在這三樣里面都可以用。什么叫范式？比如說分類問題，CNN之所以在語音識別里用的多，很重要的一點就是它能夠處理高度非線性的映射，有非常好的分類能力。只要是面對這樣的問題，就一定可用，所以我們現(xiàn)在也很關注圖像方面的東西。
（山世光：這個我可能會有不同意的觀點，我個人覺得更多的是學Feature。）
只要是能夠歸結為范式性的東西，第一是分類，第二是回歸，這是最典型的兩類事，第三是序列標注。只要能歸屬這三類的，幾乎都可以通用，只是用的方法不一樣。
李航：你剛才提到深度學習和大數(shù)據(jù)的結合紅利，以及人工智能在技術層面上的打通，未來在應用層面上也會有很多的機會。
現(xiàn)在在UC Berkeley有一種研究，就是給機器人看一段“人開門”的視頻，機器人在看完視頻之后，可以學會自己用手去開門。以前這種運動和視頻的理解是完全不同的領域。大家自然可以想到相關的，比如我跟你說一段話，這個機器會不會理解，能做什么事情，這種可能性在未來應該是有的。在深度學習、大數(shù)據(jù)這些技術的延長線上，假設有很多的數(shù)據(jù)，以及很強的計算能力，這種跨模態(tài)、跨領域的應用，應該是未來發(fā)展的一個增長點。