深度学习的商业化应用:谷歌工程师前沿解读人工智能

第1章轻松入门人工智能、机器学习与深度学习有何不同？ 人工智能战胜了职业围棋棋手。 机器学习使图像识别得以实现。 深度学习使工厂的预见性维护成为可能。见过或者听过上面这些话的人应该不在少数。一方面，人工智能又叫AI，是Artificial Intelligence的简略说法，诸如此类的小知识大概也已经成为常识。另一方面，对Deep Learning的应用近年急速发展，大概也令不少人了解到它的日语叫法是“深层学习”日语直接用“深层学习”四个汉字表述这个概念，意思就是汉语里的“深度学习”。。这些与人工智能相关的词汇，不再只是新闻里出现的概念，它们正越来越多地触碰我们的日常生活。 如果有人问你：“人工智能与机器学习、深度学习有什么不同？”你该如何回答呢？大家可能都对人工智能有这样一个模糊的印象，感觉好像就是电脑变聪明了，即便没有人类的指令，也能推导出结果。然而就算拥有这种认知，想要解释三者之间的差异也还是有些困难。 事实上，人工智能的潮流已经从推动学术研究，赢得智力竞赛，在将棋、围棋等游戏项目上取得胜利这种场合扩展到了商务场合。在不久的将来，它还很有可能与你的工作产生联系，打破以往你觉得自己的工作与人工智能毫无关系的固有想法。到那个时候，如果还不理解什么是人工智能、机器学习、深度学习，那么你不仅抓不住商业机会，还会面临被时代潮流抛弃的生存危机。 深度学习是机器学习的一部分 接下来就人工智能、机器学习、深度学习这三个概念逐一为大家稍作解释。首先是人工智能，这里说是解释，实际上只是一种不够严谨的介绍，因为人工智能这个概念并非三言两语就能解释清楚的。什么样的东西才能称之为人工智能？对这个议题，就连学者和专家们的意见也都各不相同。要是涉及人工智能的应用这个问题，那讨论范围可能还会扩大到哲学范畴。 在此，我们暂且大而化之，把人工智能定义为“智能化处理信息的事物，或这种处理技术”。计算机在输入某种信息后输出某种认知结果，这个想法应该基本符合大家对人工智能的想象。 曾参与“谷歌翻译”的开发工作，并且自己也是机器学习研究者的高级工程经理贺沢秀人是这么解释的：“同一台计算机，如果它只是做一些类似加法运算，或者把图像转换成黑白形式这类工作的话，那就算不上人工智能。当工作内容变成推算图像内容时，它才会涉及智能化处理。能够进行智能化处理的机器和技术，才勉强算是普遍意义上的人工智能。人工智能的概念其实是非常宽泛的。” 在此，我们就不再具体探讨什么是人工智能这个哲学话题了，暂且把它看作一个大概念，理解为智能化处理。接下来我们谈谈“机器学习”与“深度学习”。 首先，概括来说，机器学习和深度学习都是实现人工智能的手段。从这个意义上看，认为人工智能、机器学习和深度学习好像差别不大的看法是成立的。接下来为大家解答机器学习与深度学习的关系。在这个问题上，谷歌的贺沢为我们给出了明确定义。机器学习的其中一个领域就是深度学习。如果用维恩图展示，那外面的一圈就是人工智能，里面有一部分是机器学习，机器学习里再分出深度学习(图11)。因此，看到有关深度学习的新闻时，我们可以把新闻涉及的话题理解为机器学习或人工智能。不过，谈到机器学习的时候，我们就无法断定它是否特指深度学习的技术和方法。希望大家先理解清楚三者之间的关系。 图11人工智能、机器学习与深度学习的关系机器学习无需人类编程 机器学习的其中一部分是深度学习，这个定义我们已经弄清楚了。接下来就来听听贺沢对机器学习这个大框架的解说。 “首先，我们以计算机为主的普通机器为例。普通机器会根据设定的程序运行。无论是超级计算机，还是一般人手头的智能手机，都得遵循这个规则。这个程序由人类设定。人类预先设定好这样一套程序：接收到信息A时，若条件B同时成立，则运行X。这样一来，计算机就会根据程序输出结果。” 那么，机器学习不同的地方在哪里呢？ “机器学习模式下，人类无需编写程序。如何下判断，这一点不再由人类告诉机器，而是机器自主学习掌握。基于此，我们把它称为‘机器学习’。人类虽然不再设定规则了，但这并不意味着处于原始状态的机器能在接收到信息后给出相应结果。实现机器学习的方法之一，就是给机器一些示例，比如告诉机器，与信息‘A’对应的结果是‘X’。简而言之，就是向机器提供大量互相匹配的输入与输出示例。这样一来，即便人类不编写程序，机器也能自主学习，创建出‘模型’。这就是机器学习的基础。” 机器学习，就是指机器得出结果的方式不是从人类那里获取程序，而是通过自主学习海量数据，从中创建出模型。机器学习不像人类编程，它不思考“在何种条件下可得出何种结果”的逻辑，只通过创建“模型”，输出与输入进来的信息相对应的正确结果。这种方式让人觉得有些不可思议。 话说回来，婴儿进入记事阶段后，也是靠父母灌输逻辑性的条件分支程式来进行学习的。父母的教育方式是，针对某种情况(输入)，告诉婴儿某个词汇的意思，又或者是某项应该采取的行动，让婴儿通过大量相互匹配的输入与结果来获取知识。从这个层面上看，机器学习似乎与人类的学习方式非常接近(图12)。 请大家记住这一点：有多种人工智能是基于人类编写的程序运转的，机器学习与这些需要程序的人工智能不同，它属于另一种人工智能。 图12机器学习与人类学习计算机的发展使深度学习成为可能 想必大家对机器学习的认识已经渐渐清晰，那么接下来就进入热门话题——深度学习(Deep Learning)。机器学习模式下，存在输入与输出，计算机需要建立模型，为输入与输出搭建关联。然而，建立合适的模型并非易事。对此，贺沢是这么说的： “即便人类写好判断图像内容的计算机程序，计算机真正实行起来也还是很困难。就算只让机器学习同一件事情，机器也很难做到。这是因为，在机器学习模式下，计算机要做的是导出与输入对应的输出，而其中要经历的复杂判断是很难在第1阶段就达成的。比如，向计算机输入人脸图像数据时，计算机第1阶段的处理是作出简单判断，看这个图像是明是暗，是右半边更亮，还是左半边更亮，等等，这已经是第1阶段处理能达到的极限了。接下来，计算机再进入下一阶段，进一步处理第1阶段得出的结果。就这样，计算机通过多阶段处理，判断出图像的形状，然后再叠加处理，判断出人脸。这种叠加多层处理，实现复杂判断的技术，就被称作深度学习。” 机器第1阶段的处理只能得出简单结果，但通过深化处理层级，机器就能运行复杂的处理工作，这就是深度学习的构想。深度学习也是机器学习的一种，因此人类无需为其设定程序，只要给它大量互相匹配的输入与输出，它就会自动调整各阶段处理的关联性，导出与输入对应的正确输出。 深度学习模式下，计算机必须叠加多层处理。为了让它自行调整每层处理的关联性，就必须给它提供大量互相匹配的输入与输出。这样一来，它的计算量会达到十分惊人的程度。 “机器学习的构想早在几十年前就有了，深度学习的想法同样也由来已久。然而直到10年前，这些都还是无法实现的想法。因为当时的计算机能力有限，也很难收集起大量数据。而现在，计算机的计算能力得到大幅度提高，还能通过互联网等媒介收集大量数据，因此到近几年，机器学习与深度学习已经发展到了实用阶段。”(贺沢) 深度学习不是近年才出现的新概念，它在经历过一段蛰伏期后，搭上计算机技术与互联网高度发达的时代春风，终在今天开花结果，并逐渐成为当代人工智能发展的主流。 “就目前的趋势来看，深度学习的发展与运用，可能代表着整个人工智能领域的发展与运用。” 正如贺沢所言，深度学习的运用是当下的人工智能运用中重要的一部分。大家可以把人工智能想象成一片广阔的海域，机器学习就是漂浮其上的海岛，深度学习则是诞生在海岛上的生物。它是人工智能的代表，正处于飞速成长阶段。机器学习、深度学习之于人工智能，就像人类之于母星地球。这么一说，大家应该能渐渐理解关注机器学习与深度学习的必要性了。 有关深度学习更进一步的知识，我们会在第二章里详细解释。 人工智能的发展如同一股“研究洪流” 经过贺沢的解说，我们已经获得了关于人工智能、机器学习以及大势所趋的深度学习的轻松入门知识。作为当代拥有高IT水平的企业，谷歌及其母公司Alphabet可算广为人知。应该也有不少人知道，打败了职业围棋棋手的“AlphaGo”程序就是Alphabet旗下的公司DeepMind开发出来的。 不过，谷歌及其相关公司为什么要涉足人工智能，现在又进行着什么样的探索呢？对于这些问题，很多读者应该还无法即刻给出解答。接下来，我们就来看看谷歌与人工智能之间存在怎样的深层关系。 谷歌正在推进一项名为“谷歌云平台(GCP)”的服务项目。这个项目对外提供谷歌迄今为止开发出的所有网络基础设施、大规模数据处理以及包含机器学习在内的核心技术。GCP的解决方案负责人迈尔斯·沃德(Miles Ward)是这么解释谷歌与人工智能之间关系的。 “CEO桑达尔·皮查伊说过：‘机器学习和人工智能会彻底革新谷歌的技术。’对谷歌来说，它们就是引发革命的原动力。” 从他的话中我们也可以了解到，对谷歌而言，人工智能并非只是众多技术中的泛泛一种，而是非常重要的中坚技术。谷歌把人工智能视为决定今后发展情况的支柱。正因如此，人工智能才在谷歌显示出十分迅猛的发展势头。 沃德形容人工智能的发展是一股“研究洪流”。他说，人工智能技术使谷歌的服务和平台得以实现许多的新功能。 “计算机有很强的集中力和明确的焦点，但是另一方面，它又像是一个头脑不聪明的孩子。你要教给它无数的事例，这个孩子才会学着去认识事物，在这个过程中渐渐掌握判断事物的能力。迄今为止，谷歌已经积累了海量数据。近几年我们已经证实，利用这些数据推动机器学习，就能使机器学习实现对实际服务项目的支持。” 对持有大量不同数据的谷歌来说，包含机器学习和深度学习的人工智能是与公司发展密切相关的一种技术手段。至此我们可以清晰地认识到，人工智能对谷歌而言，就是引发变革的核心技术。 从“移动优先”到“AI优先” 谷歌公司是在1988年由美国斯坦福大学两名在读博士——拉里·佩奇与谢尔盖·布林创办的。这两位创业伙伴每年都会给股东写一封信，但在2016年4月，新上任的CEO皮查伊采用了博客的方式公开致股东信。其中，就人工智能与谷歌的关系，他描绘出了宏大的前景构想。 Looking to the future，the next big step will be for the very concept of the “device” to fade away. Over time，the computer itself—whatever its form factor—will be an intelligent assistant helping you through your day. We will move from mobile first to an AI first world.(摘自This year′s Founders′ Letter) 近些年，智能手机业已普及，“移动优先”战略倡导将移动置于价值考量因素的第1位。这个战略的重要性被屡屡提及。谷歌自不必说，很多企业也都认识到必须把“移动”视为第1要义，在此基础上开展自己的服务与业务，并把这个认识付诸实践。然而，谷歌CEO皮查伊却表示，今后将把精力从“移动优先”转移到“AI优先”上去。 就谷歌的“AI优先”战略，沃德是这么解释的：“谷歌是一家大型企业，能提供的应用也是非常多样的。‘AI优先’，就是说在谷歌提供的这些服务中，我们要首先考虑通过各种形式，使它体现出机器学习能够产生的价值。” 实际上，谷歌已在对外提供的很多服务中引入了人工智能。比如，谷歌基础的“搜索”服务就引入了基于机器学习技术的RankBrain，把它作为判断搜索关联度的第三要素。虽然RankBrain只是决定搜索结果显示情况的数百项指标之一，但在日常使用的搜索服务中，它确实给搜索结果带来了影响。这么一想，我们就能感受到人工智能和机器学习不再是遥远的未来故事，而是与我们切身相关的事物。像这样，为了通过人工智能提供更好的服务，谷歌贯彻着它的“AI优先”战略。在第三章，我们会详细解释谷歌对外提供的各项服务是如何运用人工智能技术的。 谷歌要向几十亿用户提供各种各样的服务。在谷歌的数据中心，大型服务器的运转和冷却需要支出高额的维护费用。实际上，这个地方也应用了机器学习的成果。那就是“省电”(图13)。 图13谷歌的数据中心凭借AI实现了大幅度节能“谷歌与DeepMind合作，利用DeepMind的机器学习模型做实验，控制谷歌数据中心用于服务器冷却的电力消耗，结果发现节能率高达40％。通常，节能1％或2％就算是效果不错的了。这个实验取得了非常显著的成果，不但能削减成本，更重要的是能控制电力消费，为谷歌成长为绿色企业作出了贡献。”(沃德) 如此看来，谷歌及其相关公司并没有对人工智能AlphaGo等尖端技术给予有别于其他技术的特殊待遇。在AI优先的口号下，谷歌正积极探索能够快速创造价值的使用方法，把它们推向实用化。人工智能的运用成果原本就不该被垄断起来，只为一家公司创造利益。谷歌已采取了公开程序库资源等举措，通过GCP对外提供AI优先战略的成果。谷歌致力于通过API方式，使任何人都能使用平价的图像识别、语音识别、翻译等人工智能技术。 人工智能在数据中心的节能及成本削减方面已取得一定成果，它能直接作用于全球气候变暖及化石燃料枯竭等环境问题。如果谷歌的先进探索取得的成果，终能为地球上的人类一点一点地带来积极影响，那么谷歌的AI优先战略终将产生巨大效应。