李开复:从1983到2017,我的幸运与遗憾

  • 时间:
  • 浏览:0

  文/李开复

  1

  今天跟我能 们讲个故事。

  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200万美元的经费,用来做不指定语者、大词库、连续性的语音识别。

  也却的话,他希望机器能听懂任何人的声音,或多或少 可否 懂上千个词汇,懂我能 们自然连续说出的每的话。

  这原本现象全是当时无解的现象。

  而瑞迪教授大胆地拿出项目,希望一齐出理 这原本现象。他在全美招聘了200多位教授、研究员、语音学家、学生、守护tcp连接员,以启动你这俩有史以来最大的语音项目。

  我也在这200人名单之内。

  当时的科研背景是,业界由于有类式今天角度学习的算法,但老要不可否 实现数据标准化,数据量要是足够大。

  美国几大语音识别实验室(如MIT、 CMU、 SRI、 IBM、贝尔实验室)全是各用各的数据库,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。不可否 来过多都各称业界第一,我能 们莫衷一是。

  而每个大公司全是另一方的商业需求,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,不可否 来过多大公司并不可否 动力来帮助小公司或学校。而小公司和学校,往往不可否 资源做些较小的数据集,结果通常要是如大公司的好。

  不仅不可否 ,数据不标准对AI研究而言是致命的,最后由于不可否 来过多现象,包括:

  1、由于测试语料库不同,最后识别结果,我能 们无法qq克隆好友 ,也无法验证。彼此不认可,或多或少 由于数据不可否 打通,算法就更不由于打通了。

  2、由于每家做的领域不同,最后的结果全是可比。或多或少领域词汇量小,比较容易,或多或少 做出结果也由于不可否 通用。或多或少领域词汇量大,或多或少 约束不可否 来过多,不可否 来过多能说的内容不可否 来过多,由于比较容易识别,也可否 通用。

  3、由于每家训练集不一样大,而训练集越大,一般结果越好。不可否 来过多,有由于结果做的好,被认为并全是靠算法,要是靠数据量大。

  4、对于学术单位来说,最大的现象来自于不可否 足够的资源(要是可否 兴趣)采集、清洗、标注大量的语料。对于小公司来说,语料和计算力全是现象。

  最后,瑞迪教授计划采用“专家系统”来完成项目,由于你这俩法律辦法 前要的数据有限。

  专家系统是早期人工智能的原本重要分支,我能 把它看作是一类具有专门知识和经验的计算机智能守护tcp连接系统,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可否 出理 的繁杂现象。

  但我不认同。

  2

  很久参加过的奥赛罗的人机博弈,我能 对统计概念有了充分的理解,我对瑞迪教授的研究法律辦法 产生动摇。

  我相信建立大型的数据库,或多或少 对大的语音数据库进行分类,有由于出理 专家系统不可否 出理 的现象。

  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。不可否 来过多在语音识别现象上,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,可否 另一方调好系统参数,比赛最后一天我能 们拿到数据,有一天时间跑出结果,我能 们评比。

  我从你这俩标准数据集和测试看完由于。

  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:“我希望转投统计学,用统计学来出理 你这俩‘不特定语者、大词汇、连续性语音识别’。”

  我以为瑞迪会或多或少失望,没想到他或多或少都不可否 生气,他轻轻地问:“那统计法律辦法 怎样才能出理 这三大现象呢?”

  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要是知道:“开复,你对专家系统和统计的观点,我是不同意的,或多或少 我能 支持你用统计的法律辦法 去做,由于我相信科学不可否 绝对的对错,我能 们全是平等的。或多或少 ,我更相信原本有激情的人由于找到更好的出理 方案的。”

  那一刻,我的感动无以伦比。由于对原本教授来说,学生要用另一方的法律辦法 作出原本与他唱反调的研究。教授不但不可否 动怒,还给予充分的支持,这在不可否 来过多地方是不可想象的。

  统计学前要大数据库,我能 们怎样才可否否 建立起大的数据库呢?

  瑞迪教授看完我愁眉不展的样子,再一次给了我支持。是我不好,“开复,你这俩说我还是对你的研究法律辦法 有所保留,或多或少 ,在科学的领域里,你这俩也无所谓老师和学生的区别,我能 们全是面临这原本现象的攻克者,不可否 来过多,由于你真的前要数据库,不可否 ,我能 去说服政府帮你建立原本大的数据库吧!”

  瑞迪教授很久说服了美国政府部门和美国标准局采集并提供了大量数据。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,很久或多或少不拿国家钱的单位(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,统计学的法律辦法 还前要非常快的机器,瑞迪教授又我能 购买了最新的Sun 4机器。此后每次有新的机器,他全是说:“先问问开复要并不。” 做论文的两年多,我合适花了他几十万美元的经费。

  瑞迪教授的宽容再次我能 感觉到你这俩伟大的力量,这是你这俩自由和信任的力量。

  3

  在导师的支持下,我结束英语 了疯狂的科研工作。

  当时,我带着另一位学生一齐用统计的法律辦法 做语音识别。一齐,或多或少200多人用专家系统做同样的现象。从法律辦法 上来说,我能 们在竞争,或多或少 在瑞迪教授的领导下,我能 们分享一切,我能 们用同样的样本训练和测试。

  在1986年底,我的统计系统和我能 们的专家系统达到了合适一样的水平,40%的辨认率。这你这俩还是删剪不可否 用的系统,但毕竟是学术界第一次尝试不可否 难的现象,我能 们还是比较欣喜和乐观的。

  1987年5月,我能 们大幅度地提升了训练的数据库,采用了新的建模法律辦法 ,不但可否 用统计学的法律辦法 学习每原本音,或多或少 可否 用统计学的法律辦法 学习每原本音之间的转折。针对或多或少音的样本不足,我又想出了你这俩法律辦法 (generalized triphones)来合并或多或少的音。这三项工作岂全是把机器的语音识别率从原本 的40%提高到了200%!很久又提高到96%。

  统计学的法律辦法 用于语音识别初步被验证是正确的方向。

  我能 们都相信了我用的机器学习法律辦法 和隐马可夫模型算法,或多或少 背叛了不可行的专家系统(专家系统只达到200%的识别率)。在我的博士论文基础上,很久的Nuance,微软、ipone6ipone6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。

  你这俩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删剪转向了统计法律辦法 。

  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,我只你这俩在和原本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

  很久,《商业周刊》把我的科学科学发明选为1988年最重要的科学科学发明者。年仅26岁初出茅庐的我,第一次亮相就获得原本 的成功,我能 感到很幸运,也我能 有了继续向科技高峰攀爬的动力。

  而我也或多或少 拿到了卡内基·梅隆大学的计算机博士学位,这离我1983年入学不可否 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年以可否 否拿到博士学位,我用不可否 短的时间拿到博士学位,是一项新的纪录。

  我也或多或少 破格留校,成为一名26岁的助理教授。

  4

  遗憾的是,你这俩我找到了方向和基本法律辦法 ,但以当时的数据量级和计算水平,语音AI研究真难有商业化由于。我最终还是背叛科研界,进入商界,用产品改变世界。

  200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不可否 难以触碰,要是前要大家牵头让更多的公司参与进来。这在200多年前,我还是原本AI科研人员的时代,能接触到真实世界里不可否 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,创造研究由于和条件。

  不可否 来过多,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、也拿出千万量级高质量开放数据集与宝贵GPU资源。

  一齐,我也倡导商界和科研界能采用大量的数据和标准的测试法律辦法 ,也欢迎更多的数据公司可否 参与到你这俩平台里。

  希望我能 们推出的Challenger.ai,可否 帮助到中国AI人才成长。

  在我看来,这次AIChallenger绝对不要是原本活动,也绝对不要是原本奖金200万、年底就结束英语 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,我能 们再来回顾你这俩段青春时光图片 图片 ,我能 们发现中美AI人才之间不可否 落差了,还能想到AI Challenger在原本 重大过程中扮演了原本小小角,我能 感到你这俩切全是价值。

  欢迎我能 们登录大赛官网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(要在电脑页面可否 否报名哦)。

  我能 们由于无法想象,我有多么羡慕我能 们,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。