李开复:从1983到2017,我的幸运与遗憾

  • 时间:
  • 浏览:0

  文/李开复

  1

  今天跟让大家 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400万美元的经费,用来做不指定语者、大词库、连续性的语音识别。

  也太少我说,他希望机器能听懂任何人的声音,太少我不可不能不能懂上千个词汇,懂让大家 自然连续说出的每话语。

  这个 有二个 多大问提完整性还会当时无解的大问提。

  而瑞迪教授大胆地搞懂项目,希望同时除理这个 有二个 多大问提。他在全美招聘了400多位教授、研究员、语音学家、学生、系统程序员,以启动这个 有史以来最大的语音项目。

  我也在这400人名单之内。

  当时的科研背景是,业界之前 有类事今天深层学习的算法,但老要这样实现数据标准化,数据量也欠缺够大。

  美国几大语音识别实验室(如MIT、 CMU、 SRI、 IBM、贝尔实验室)完整性还会各用各的数据库,测试数据不同,训练数据不同,使用的语言模型不同,测试的词汇量太少我同。太少都各称业界第一,让大家 莫衷一是。

  而每个大公司完整性还会我本人的商业需求,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,太少大公司并这样动力来帮助小公司或学校。而小公司和学校,往往不想可不能不能资源做些较小的数据集,结果通常太少我如大公司的好。

  不仅这样,数据不标准对AI研究而言是致命的,最后愿因太少大问提,包括:

  1、之前 测试语料库不同,最后识别结果,让大家 无法克隆qq,也无法验证。彼此不认可,太少我之前 数据这样打通,算法就更不之前 打通了。

  2、之前 每家做的领域不同,最后的结果完整性还会可比。这个 领域词汇量小,比较容易,太少我做出结果也之前 不想可不能不能通用。这个 领域词汇量大,太少我约束太少,太少能说的内容太少,愿因比较容易识别,太少让人通用。

  3、之前 每家训练集不一样大,而训练集越大,一般结果越好。太少,有之前 结果做的好,被认为并完整性还会靠算法,太少我靠数据量大。

  4、对于学术单位来说,最大的大问提来自于这样足够的资源(也这样兴趣)派发、清洗、标注大量的语料。对于小公司来说,语料和计算力完整性还会大问提。

  最后,瑞迪教授计划采用“专家系统”来完成项目,之前 这个 土方法前要的数据有限。

  专家系统是早期人工智能的有二个 多重要分支,让人把它看作是一类具有专门知识和经验的计算机智能系统程序系统,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不可不能不能除理的比较复杂大问提。

  但我不认同。

  2

  之前 参加过的奥赛罗的人机博弈,我不可不能不能对统计概念有了充分的理解,我对瑞迪教授的研究土方法产生动摇。

  我相信建立大型的数据库,太少我对大的语音数据库进行分类,有之前 除理专家系统不想可不能不能除理的大问提。

  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。太少在语音识别大问提上,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,不可不能不能我本人调好系统参数,比赛最后一天让大家 拿到数据,有一天时间跑出结果,让大家 评比。

  我从这个 标准数据集和测试都看之前 。

  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:“倘若转投统计学,用统计学来除理这个 ‘不特定语者、大词汇、连续性语音识别’。”

  我以为瑞迪会这个 失望,没想到他这个 都这样生气,他轻轻地问:“那统计土方法咋样除理这三大大问提呢?”

  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太少我知道:“开复,你对专家系统和统计的观点,我是不同意的,太少我我不可不能不能支持你用统计的土方法去做,之前 我相信科学这样绝对的对错,让大家 完整性还会平等的。太少我,我更相信有二个 多有激情的人是之前 找到更好的除理方案的。”

  那一刻,我的感动无以伦比。之前 对有二个 多教授来说,学生要用我本人的土方法作出有二个 多与他唱反调的研究。教授不但这样动怒,还给予充分的支持,这在太少地方是不可想象的。

  统计学前要大数据库,让大家 咋样不可不能不能建立起大的数据库呢?

  瑞迪教授都看我愁眉不展的样子,再一次给了我支持。让大家 说,“开复,其实说我还是对你的研究土方法有所保留,太少我,在科学的领域里,其实也无所谓老师和学生的区别,让大家 完整性还会面临这个 有二个 多大问提的攻克者,太少,之前 你真的前要数据库,这样,我不可不能不能去说服政府帮你建立有二个 多大的数据库吧!”

  瑞迪教授可是我 说服了美国政府部门和美国标准局派发并提供了大量数据。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,可是我 这个 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,统计学的土方法还前要非常快的机器,瑞迪教授又我不可不能不能购买了最新的Sun 4机器。此后每次有新的机器,他还会说:“先问问开复要并不。” 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不可不能不能感觉到这个 伟大的力量,这是这个 自由和信任的力量。

  3

  在导师的支持下,我结束疯狂的科研工作。

  当时,我带着另一位学生同时用统计的土方法做语音识别。同时,这个 400多人用专家系统做同样的大问提。从土方法上来说,让大家 在竞争,太少我在瑞迪教授的领导下,让大家 分享一切,让大家 用同样的样本训练和测试。

  在1986年底,我的统计系统和让大家 的专家系统达到了离米 一样的水平,40%的辨认率。这其实还是完整性不想可不能不能用的系统,但毕竟是学术界第一次尝试这样难的大问提,让大家 还是比较欣喜和乐观的。

  1987年5月,让大家 大幅度地提升了训练的数据库,采用了新的建模土方法,不但不想可不能不能用统计学的土方法学习每有二个 多音,太少我不可不能不能用统计学的土方法学习每有二个 多音之间的转折。针对这个 音的样本欠缺,我又想出了这个 土方法(generalized triphones)来合并这个 的音。这三项工作岂完整性还会把机器的语音识别率从曾经的40%提高到了400%!可是我 又提高到96%。

  统计学的土方法用于语音识别初步被验证是正确的方向。

  让大家 都相信了我用的机器学习土方法和隐马可夫模型算法,太少我一蹶不振 了不可行的专家系统(专家系统只达到400%的识别率)。在我的博士论文基础上,可是我 的Nuance,微软、iPhone5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。

  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方法。

  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,我只着其实和有二个 多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

  可是我 ,《商业周刊》把我的发明的故事选为1988年最重要的发明的故事的故事。年仅26岁初出茅庐的我,第一次亮相就获得曾经的成功,我不可不能不能感到很幸运,也我不可不能不能有了继续向科技高峰攀爬的动力。

  而我也太少我拿到了卡内基·梅隆大学的计算机博士学位,这离我1983年入学不想可不能不能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年以上不可不能不能拿到博士学位,我用这样短的时间拿到博士学位,是一项新的纪录。

  我也太少我破格留校,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方法,但以当时的数据量级和计算水平,语音AI研究太难有商业化之前 。我最终还是一蹶不振 科研界,进入商界,用产品改变世界。

  400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这样难以触碰,太少我前要大家牵头让更多的公司参与进来。这在400多年前,我还是有二个 多AI科研人员的时代,能接触到真实世界里这样海量的数据,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,创造研究之前 和条件。

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

  同时,我也倡导商界和科研界能采用大量的数据和标准的测试土方法,也欢迎更多的数据公司不想可不能不能参与到这个 平台里。

  希望让大家 推出的Challenger.ai,不可不能不能帮助到中国AI人才成长。

  在我看来,这次AIChallenger绝对不太少我有二个 多活动,也绝对不太少我有二个 多奖金400万、年底就结束的竞赛,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,让大家 再来回顾这个 段时光,让大家 发现中美AI人才之间这样落差了,还能想到AI Challenger在曾经重大过程中扮演了有二个 多小小角,让人感到这个 切完整性还会价值。

  欢迎让大家 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(要在电脑页面上不可不能不能报名哦)。

  让大家 之前 无法想象,我有多么羡慕让大家 ,生活在数据爆炸的时代,大家提供数据和奖金池,让有才华的人一展拳脚。