2016,那些被机器之心记录的人物和公司

2016 年,机器之心连续更新 365 天,共发布 1484 篇文章,总字数超过 612 万,约等于 15 本由 Ian Goodfellow、Youshua Bengio 和 Aaron Courville 合著的 Deep Learning


在这些文章中,我们既报道了 Maluuba、ROSS Intelligence 和第四范式等明星创业公司和谷歌、微软这样的领先巨头,也对话了邓力、吴恩达、Richard Sutton、杨强、田渊栋和樊麾等炙手可热的行业变革者与参与者。


你可能对其中的某些文章印象深刻,也可能因故错过了一些值得被铭记的语录。感激于大家一年来持续的认可以及在后台对某些文章「关键字」的长期回复。我们特地精选了如下文章作为机器之心的年度贺礼。


重要的不是文字,而是那些值得被我们记住的人物和公司。


大佬眼中的人工智能


2016 年,我们见证了诸多华人力量在人工智能领域的突出贡献,吴恩达固然是其中的优秀代表。在加入百度之后,吴恩达做了一件事:购了 1000 个 GPU,并在 24 小时内得到。而在谷歌,他可能几周或几个月才能得到。随即,曾帮助谷歌建立 Google Brain 的吴恩达也在百度建起了「大脑」。


webwxgetmsgimg (1).jpg


在接受机器之心采访时,吴恩达表示,在人工智能领域,很多技术其实是中国最先开始应用的。


而在大洋的另一端,强化学习教父 Richard Sutton 在接受机器之心采访时也从一个不同的视角解读了他眼中的强化学习。他指出有些人认为强化学习只是人工智能问题的强化,但实际上强化学习问题是实现人工智能的一种抽象的方法。


不过,图灵奖得主 Joseph Sifakis,却对机器之心表示,人工智能在设计复杂性上还功力不足。


「人工智能可以学习知识,但是不会推理。推理和学习不一样。推理是用来解决问题的。现在的这些计算机做的还不好,我们需要其他种类的计算机需要一种新型的生物计算机和神经计算机。」


美国通用人工智能协会主席 Ben Goertzel 确认为,绕过大脑我们也能造出通用人工智能。


采访过程中,对于提出的问题,Ben 总是会给出远远超过问题本身答案,他很擅长把答案按照问题本身的逻辑延伸下去。有些让你恍然大悟,有些则会给你意外惊喜。


而除了这些行业变革的参与者,作为行业记录者的 John Markoff 也为我们分享了他眼中的人工智能


深得乔布斯信任的科技记者 John Markoff 职业生涯最遗憾的事情是什么?他在重磅新书《与机器人共舞》中表达了什么观点?机器人会让我们失业吗?除了人工智能,他最看好哪一个新兴科技领域?他对中国的科技进步又有怎样的观察?这些问题都能从机器之心对 John Markoff 的采访中得到解答。


「跨界」的传奇经历


2016 年初的「人机大战」,除了人工智能首次在人类最复杂的博弈游戏中战胜最高级别的人类选手的历史意义,也在更大范围上引发了业界对「人工智能」这个并不太新的概念的持续探讨与研究。


而拉开这一帷幕的是去年欧洲围棋冠军樊麾与 AlphaGo 的对战。在机器之心与樊麾老师的长谈中,他详细回顾了他与 AlphaGo 交战的精彩故事,畅谈了他对人工智能技术的感触,以及对围棋与人生的哲学思考。


2016012814494435836.jpg

樊麾


正如在采访中樊麾老师所言:「AlphaGo 可能会发现另外一种围棋的美,是我们想象不到的。」


已经加入 DeepMind 参与 AlphaGo 进一步研究的樊麾老师继续在跨界的领域贡献着自己的力量。而另一位长期从事人工智能研究并主导研发 Facebook 人工智能围棋项目(Dark Forest)的田渊栋博士则为我们分享了他的另一段独特「跨界」经历


卡耐基梅隆大学机器人系博士、前谷歌无人驾驶汽车项目组研究员、现 Facebook 人工智能组研究员,多重身份的加持和前沿、专业的研究为田渊栋吸引了相当多的目光。


除了前沿研究与技术创新,他还保持了长期的写作习惯。除了早期的个人博客和现今的知乎专栏,田渊栋甚至还完成过一部超过 30 万字的小说,这在以理工科为代表的前沿科技领域是极为罕见的。


不过相比于上面两位,Nick Pentreath 的跨界经历则要更为传奇。


现任 IBM Spark 技术中心的首席工程师的 Nick Pentreath 专注于 Apache Spark 机器学习领域,著有一本《Spark 机器学习》。在进入 IBM 以前,他曾参与共同创立了 Graphflow,一家提供推荐系统和智能解决方案的初创公司。在进入计算机科学领域以前,他曾在高盛投行工作并亲历了利比亚卡扎菲政府 12 亿美元投资巨案。


在机器之心对 Nick 的专访中,我们一起聊了聊 Spark 的新版本、IBM 的开源精神、不同平台的竞争关系,以及他在高盛的传奇经历,其中不乏爆料和精彩的观点分享。


那些值得关注的国外初创公司


Clarifai 是一家独立的图像识别初创公司,总部位于纽约。在 10 月 25 日,它刚刚收获了价值 3000 万美元的 B 轮融资。作为图像识别领域为数不多的独立玩家,Clarifai 已经在成立三年多的时间里率先将图形识别从静态图片带入了接近实时的级别,同时也收获了为数不少的企业客户。


这家公司的创始人和首席执行官 Matthew Zeiler 毕业于纽约大学,师从 Rob Fergus,也接受过 Yann LeCun 的指导。对于这家初创公司的领导者来说,他们面临着科技巨头的不对称竞争,但 Zeiler 认为 Clarifai 也有着自己的优势,他们正在探索从图像识别到无限可能的实践。


webwxgetmsgimg (3).jpg


而今年 1 月已被微软收购的 NLP 明星公司 Maluuba 早已在机器理解方面的成绩超越谷歌等巨头。


Maluuba_Twitter Header 1500x500.png


Maluuba 关注机器学习中的两个细分研究领域:对话和机器理解。同时,像 Maluuba 也更关心研发解决通用问题的人工智能,对解决真实世界问题更感兴趣。他们相信自己能找出更好的人机交互方式,并与蒙特利尔大学教授、人工智能专家 Yoshua Bengio 和阿尔伯塔大学教授、强化学习专家 Richard Sutton 等展开合作。


在接受机器之心的采访时,该团队也为我们分享了 Maluuba 迅速成为最受关注的 NLP 公司的原因 。


另外一家明星公司则是位于硅谷的 ROSS Intelligence,全球第一家致力于法律服务的人工智能创业公司。


2015 年夏天,ROSS 得到全球最大律师事务所 Dentons 旗下的 NextLaw Labs 的投资,并正式成为了 Dentons 的业务伙伴。之后的一年内,ROSS 不仅成功上线,并且在 Dentons 之外逐渐获得了更多的客户,包括大型律所 Baker and Hostetler 等。


2016 年,机器之心对 ROSS Intelligence 的 CTO、联合创始人 Jimoh Ovbiagele 进行了专访,他向国内的读者介绍了 ROSS 的创业历程、ROSS 所采用的技术以及未来 ROSS Intelligence 的发展方向 。


不容忽视的国内力量


作为微信创始团队成员之一的李明强在 2014 年创办了「图普科技」,这家公司为企业用户提供一个「图像识别云服务」,企业可以选择或者定制自己需要的各种图像识别服务,完成内容审核、场景识别等功能。


图普科技创始人李明强是原腾讯资深项目经理和 T4 的技术专家,跟随张小龙一起参与了 QQ 邮箱和微信等产品的研发,拥有 7 年的互联网产品项目管理、团队管理、产品设计以及运营推广经验。在接受机器之心采访时,李明强详细介绍了用产品思维打造图像识别场景化应用的方法论 


而作为国内语音企业的代表,云知声专注物联网人工智能服务,通过 AI 芯、AIUI、AI Service 三大解决方案支撑核心技术的落地和实现,目前已经在家居、汽车、医疗和教育等领域有广泛应用,形成了完整的「云端芯」生态闭环。


在机器之心对云知声 CEO 黄伟的专访中,他介绍了云知声的技术研究、「云端芯」产品战略、在车载和医疗行业的应用,以及对人工智能看法。


同样,人工智能在金融领域的应用是一个很大的问题,一直以来也受到业界的广泛关注。璇玑公司就有一套这样的智能理财系统,既使用了传统的数据统计方法,也使用了支持向量机这样的机器学习模型。机器之心在 2016 年也对璇玑公司的 CEO 郑毓栋进行了专访,探讨人工智能在金融领域的应用 。


作为国内人工智能企业的优秀代表,搜狗的产品和战略也一直吸引着业界关注的目光。2016 年 4 月,搜狗宣布与清华大学联合成立「清华大学天工智能计算研究院」,把人工智能作为重要战略发展方向,但一直没有透露太多关于具体人工智能研发和应用层面的信息。为此,机器之心对搜狗语音交互技术中心负责人王砚峰进行了专访,王砚峰介绍了搜狗的人工智能研究历史,以及在人工智能方面的产品创新思路


image.jpg


搜狗语音负责人王砚峰


另一家专注于机器学习的「独角兽」公司今日头条也不容忽视。在论文被 ACL 2016 收录后,机器之心也独家专访了头条实验室科学家李磊,在此篇专访中,他向我们介绍了被收录的论文,还有他对概率程序语言、自然语言处理方面的理解。


而作为世界顶级人工智能专家,在人工智能研究领域深耕三十年的杨强教授和他的第四范式也是 2016 值得被关注和记录的代表。在机器之心对杨强教授的专访中,他对迁移学习、人工智能行业与技术进行了深入讲解,并对人工智能从业者提供了众多有价值的建议,并指出「未来人工智能会让二流科学家失业」。


进击的谷歌与开放的未来


毫无疑问,2016 年谷歌在人工智能领域的各项突破和进展处于绝对领先的位置。9 月 27 日,在谷歌于 arXiv.org 上发表论文《Google`s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation》介绍谷歌的神经网络翻译系统(GNMT)后,「机器之心」也受邀来到谷歌中国和来自 Google Brain 的软件工程师陈智峰聊了聊人机翻译、GNMT 和谷歌的技术创新等问题 。


除了占尽各大媒体版面的各类事件和突破,谷歌最受人关注的话题之一也在于大公司垄断的尖锐话题。2016 年 10 月,在中国进行短暂停留的谷歌高级研究科学家 Greg S Corrado 也和机器之心进行了系列交流。


blob.png


Greg S Corrado


除了机器学习、量子计算和 TensorFlow,Greg 在大公司垄断的问题上也回应道,「一家从事某些小研究专注小范围的产品的公司逐渐壮大起来是一件很寻常的事情,就像当年 IBM 并没有想方设法阻止微软的成长,微软也没有阻止谷歌的成长,谷歌也没有阻止 Facebook 做大做强,这种情况会永远持续地发生下去。从好地方面看,目前我们的行业总是能以某种方式保持更迭并不断前行。」


正如他在评价 TensorFlow 开源时所提到的,未来这个领域相关的产品,谷歌打算把自己开发的平台也通过云服务共享给公众使用,通过这种云机器学习,其他开发者可以开发和实现自己的机器学习构想,就像在谷歌中研发一样。开发者可以通过 TensorFlow 使用谷歌提供的免费软件和工具,也可以用云服务运行他们自己构建的机器学习系统。


精耕细作的微软和它的秘密武器


由于人类自然的语言语音交互方式,以及天生的情感和社交需求,我们对于能与我们进行语音交互和聊天的智能应用格外关注。近几年人工智能的迅速发展也带来了更多更加智能的智能语音助理,包括 Google Now、Facebook M、亚马逊 Echo、微软 Cortana 和小冰等,其中的大部分产品重点关注功能,比如、语音控制和信息查询等,而微软小冰却是走了另外一条路——从与用户的情感交流出发,在底层的深度学习技术越发通用的前提下,不同的产品理念就体现了各方对人工智能现状及未来的不同理解。就此,机器之心对微软(亚洲)互联网工程院院长王永东博士、小冰项目资深产品总监彭爽等人进行了深度专访。


在微软研究院人工智能首席科学家邓力眼里,人工智能的成功在于将多种理论方法整合成一个完整系统。


214706d7y5bcqby7gy4y2z.png


微软研究院人工智能首席科学家邓力


在机器之心对邓力的专访中,他介绍了自己和微软研究院在做的关于人工智能的数项研究,回顾了自己在人工智能和语音识别领域的研究历程,并深入分析了人工智能领域的研究现状和未来发展,针对无监督学习等人工智能难题提出了自己的研究思路和解决方法。相信邓力的精彩分享将会给人工智能从业者带来巨大收获,其对人工智能的深入思考和研究理念也会给大家带来宝贵的灵感和启发。


2016 年 9 月中旬,微软报告了在语音识别方面取得的新里程碑:新系统的识别词错率降至 6.3%;一个月后,微软又公布了在这一领域成功实现了历史性突破:他们的语音识别系统实现了和专业转录员相当甚至更低的词错率(WER),达到了 5.9%


带领团队取得这一成果的正是微软首席语音科学家黄学东。在对黄学东博士的专访中,我们共同探讨了词错率降低背后的秘密、这一成就的意义,以及他对语音识别的思考


此后,机器之心也有幸专访了顶级语音专家、MSR 首席研究员俞栋。在专访中,俞栋老师除了谈论深度学习与语音识别相辅相成的发展以及相关领域的现状和未来,还为我们详细介绍了语音识别的四大前沿研究。


当然,除了突破和进展,我们还面临着诸多的难题。如何在增加 CPU 或 GPU 数量的同时,保证训练的线性加速以及性能?这是并行训练中存在的一个矛盾问题。微软亚洲研究院首席研究员霍强博士的研究团队就较好地解决了这个经典的两难问题,让大规模并行训练在增加 GPU 的条件下几乎实现了线性加速并保证了模型性能,这一突破对大数据机器学习的效率提升意义重大。

理论人工智能创业公司
暂无评论
暂无评论~