Tony.peng作者

Jeff Dean: 首谈升任谷歌人工智能负责人感想

身着衬衫、连帽卫衣和牛仔裤,一身休闲装的Jeff Dean早早地来到了位于硅谷南湾的圣塔克拉拉会议中心,在二楼演讲厅的前排坐下。他时而查看自己的gmail,时而翻看过会儿需要演讲的PPT材料。其他参会者远远地看到Jeff Dean的背影就赶紧跑上前,也不问什么问题,就是想和他打个招呼,拍张自拍留念,一时间,竟排起了长队。

美国时间4月12日,“人工智能/云计算/大数据”大会机构AI NEXTCon在硅谷南湾举办了为期两天的学术/工业交流会议,邀请了来自谷歌、Uber、Facebook、Netflix等众多人工智能和机器学习领域的专家分享他们的研究成果。受邀参加并发表Keynote演讲的Jeff Dean自然是全场关注的焦点。

这个月初,人工智能部门和搜索部门自2016年合并之后再次分家,总负责人John Giannandrea已经离开谷歌并加入了苹果,而原谷歌大脑的负责人Jeff Dean也顺势成为了人工智能部门的总负责人。

Jeff Dean的新身份也让参会者们带着更多的好奇和疑问聆听他接下来50分钟的演讲:谷歌人工智能会朝向什么方向发展?新官上任的Jeff Dean又会带来什么措施?

谷歌人工智能的成绩单:Waymo和谷歌医疗大脑

2008年,美国国家工程院发布了”21世纪需要解决的重大工程难题”,包含了诸如“让太阳能变得更便宜”、“管理氮循环”、“对大脑的反向工程研究”等14个课题。

Jeff Dean在演讲伊始就提到了谷歌正在试图解决这些课题,其中尤为重视的是“恢复和改善城市基础建设”和“发展医疗信息学”。谷歌为前者提供的解决方案是“自动驾驶”,后者则是“谷歌医疗大脑”。

谷歌的自动驾驶大计当然是落在了Waymo身上。尽管在上个月,Uber的无人车在亚利桑那的坦帕发生了令人遗憾的交通事故,导致一名40多岁的美国白人妇女丧生,给自动驾驶的普及蒙上了一层阴影,但是Waymo丝毫没有放慢推进L4/L5自动驾驶的计划。

去年年末,Waymo正式放出消息,进军出租车行业。公司CEO John Krafcik在今年二月的《纽约时报》人工智能峰会上说Waymo将在今年于美国亚利桑那州的凤凰城Phoniex推出这项服务,并且将覆盖方圆100平方公里,7天24小时不间断服务。

而就在这个月月初,Waymo宣布将和捷豹路虎共同制造2万辆L5全自动驾驶的电动SUV车型I-Pace,并在两年内先后投入Waymo的出行队伍中。在自动驾驶领域已经深耕10年的Waymo也表示他们不会犯和Uber一样的错误。

另一边,谷歌医疗大脑研发的机器学习算法正在不断地突破甚至超越人类医疗专家的能力。

Jeff Dean首先介绍了谷歌最新研究的深度学习算法可以通过筛查患者的视网膜解剖图诊断心血管疾病。

早在2016年,医疗大脑团队就已经开始深度学习算法对诸如糖尿病引发的视网膜病变做早期筛查。今年二月,谷歌更进一步,实现了用深度学习算法分析患者的视网膜解剖图,从而获悉他们的年龄、性别、吸烟状态和血压——这些都是计算心血管疾病发病几率的主要因素,同时也能预测未来五年患者发生重大心血管疾病的风险。

除了在影射图像筛查上做文章,Jeff Dean也介绍了在今年二月由谷歌牵手加州大学旧金山分校(大学医疗重镇)、斯坦福大学和芝加哥大学发表的用深度学习分析电子病历数据、预测患者未来病情发展的论文。

该论文介绍了如何使用深度学习算法(具体为LSTM、前馈神经网络和决策树这三种模型),准确预测“住院死亡率”、“30天计划外重新接纳”、“延长住院时间”,以及“患者出院后的最终诊断”。

人工智能研究员们,快到谷歌的碗里来

晒完了成绩单,Jeff Dean细聊了人工智能研究员和工程师们最关心的话题:研究工具。

Jeff Dean说,”过去,一套人工智能的解决方案=机器学习领域的专业知识+数据+算力;但是,在谷歌眼里,这个公式应该是:一套人工智能的解决方案=数据+100倍算力。”

划掉的机器学习专业知识,指的就是今年1月谷歌云发布的可以自动生成机器学习模型的技术Cloud AutoML。通过使用迁移学习(Transfer Learning)和元学习(Learning2Learn)等方法Cloud AutoML可以自动挑选合适的网络架构,帮助在机器学习领域专业度不足的公司构建模型。目前,谷歌AutoML Vision自动开发出的计算机视觉模型已经在性能上超过了人类水平。

在机器之心过去的报道中也提到:“机器学习工程师拿到训练数据、对数据进行分析、然后设计算法、调参生成训练模型”这个专业性极高的流程,被一个 AutoML 替代了。”

在回答现场提到的“AutoML是否会取代机器学习研究员”的问题时,Jeff Dean说,“Auto ML和机器学习的研究人员真的可以非常好地相互补充。因为你想要的是一个机器学习研究人员能够快速地尝试想法,并了解这些想法对一系列广泛的问题有什么影响。”

“想象一下你有一个系统来试图解决一千个问题。AutoML可以在这几千个问题中自动尝试你的新想法,看看这个模型在哪个问题上可以被使用。”

而百倍算力则是谷歌在今年二月对测试用户开放的Cloud TPU服务。拥有180 Teraflops、64GB高带宽存储、可以同时用于推理和模型训练的Cloud TPU能够为研究员提供更强大的算力。之前,Jeff Dean就在推特上说Cloud TPU训练75%精准的ResNet-50模型只需24个小时。

相比Nvidia直接把GPU拿出来卖,刚刚试水芯片市场的谷歌选择了TaaS(TPU-as-a-Service)的做法,直接在云端为用户提供付费的算力服务。

补上前任的空位;和李飞飞惺惺相惜

50分钟的演讲,Jeff Dean高度概括了谷歌大脑团队在过去几年里在人工智能领域的动作。他也在随后的问答环节里回答了提问者有关谷歌最近人事变动的疑问。

“我最近从离开谷歌的John手中接过了谷歌人工智能。我一直在领导谷歌的人工智能研究。我认为John把我们放在了一个非常好的位置。如今我需要站出来,补上这个空位。”除此之外,机警的Jeff Dean没有透露他上任之后会带来哪些新的举措和变化。

现场也有人提到了人工智能可能带来的问题。Jeff Dean认为,“数据偏见”、“人工智能公正性”以及“安全问题”依然是人工智能目前最棘手的挑战。“一旦数据存在偏见,那么深度学习模型就可能会放大这个偏见……目前人工智能还不能给出完全公正的决策……有关人工智能的安全性,也有很多人在研究对抗性样本的问题,人工智能在受到这样的攻击时还是比较脆弱,我们正在努力攻克这些问题。”

而在和机器之心的交流中,Jeff Dean又一次赞扬了他的同事、谷歌云的负责人李飞飞。说“又一次”,是因为在一年前,同样在圣塔克拉拉会议中心,Jeff Dean在接受美国中文网采访时就表达了对李飞飞的欣赏,“我对她的加盟感到非常兴奋,在人工智能这个领域,她的学术能力很强,雄心勃勃。”

经过了一年半以来的合作,Jeff Dean的感受似乎更深了一些,“她是一个超级棒的同事,我们在一起工作的时候非常高效,创造了很多令人惊喜的人工智能产品。”

在一个“造星”的人工智能时代,Jeff Dean身上的光环丝毫不亚于人工智能四巨头(Hinton,LeCun,Bengio,Ng)。演讲完毕后,Jeff Dean刚走下台,身边又围上了一圈人,大家继续打招呼,求合影……

而由Jeff Dean掌舵的谷歌人工智能部门的未来,也同样让人更加期待。

产业Jeff Dean谷歌人工智能