深度學(xué)習(xí),它給我們真正帶來的東西是什么？未來，對行業(yè)和社會有什么影響？中國公司的機會在哪？
最重要是——深度學(xué)習(xí)真的給我們帶來影響了嗎？
答案顯而易見。
任何一場革命，絕不是以敲鑼打鼓的方式，來到你的身邊。等到某一天，你忽然發(fā)現(xiàn)快要天翻地覆時，再去看，發(fā)現(xiàn)自己已被別人拋棄了。
過去以端為中心的技術(shù)革命，不能說結(jié)束了，但已不再是時代的風(fēng)口。
技術(shù)，進入了一場以數(shù)據(jù)為驅(qū)動的革命。
互聯(lián)網(wǎng)不再只是一張?zhí)摂M的網(wǎng)，而更像是一個大數(shù)據(jù)庫。大量的數(shù)據(jù)，沉甸甸，就在那里。沒有人知道，怎么把這些數(shù)據(jù)，更加完整清晰的表達出來。
我們需要重新思考技術(shù)的致勝點。
怎么思考呢？我講幾個關(guān)鍵點。
1.數(shù)據(jù)和運算能力，變得越來越重要。
孔子說過一句話：“學(xué)而不思則罔，思而不學(xué)則殆”。
先說，學(xué)而不思則罔。你拿了很多知識，不深度學(xué)習(xí)，不行。如果你沒有運算能力，有了一堆數(shù)據(jù)，算不出來，沒用。不是深度越深，效果越好。
這是個復(fù)雜的問題。需要不停算，不停實驗。
今天，整個深度學(xué)習(xí)的理論，還不夠成熟，依然落后于實踐。更多時候，只能靠試。此時，運算能力，就變得非常關(guān)鍵。
假如，別人做一次運算，要兩個禮拜，而你只需要一天或2個小時。同樣時間內(nèi)，你可以做更多實驗，積累更多寶貴經(jīng)驗，迭代速度也更快。
這就好像，兩個人起點一樣，但由于迭代速度不同，導(dǎo)致了最后成就的千差萬別。每一次迭代，相當于你的一次翻版。你是一天迭代一次，還是一年迭代一次。你對自己翻版本的速度有多快，決定你最后以多大的成果超過對手。
思而不學(xué)則殆呢？簡單說，如果你沒有數(shù)據(jù)，一點用都沒有。
這個時代越來越需要海量數(shù)據(jù)。數(shù)據(jù)量越大越好。甚至于，我們以前被認為不是很關(guān)鍵的數(shù)據(jù)，都有可能灌進去，再看效果。
這才有了一句流行語——Welcome to the GPU world.
GPU最早為快速滿足增長的圖形計算需求而設(shè)計。它不同于CPU，在多核多線程處理上浮點性能更佳，使得它在圖形界的并行運算，變得超強。
早期，谷歌發(fā)表了一篇論文說——深度學(xué)習(xí)的結(jié)果，要跑在英偉達的GPU上。很快，做芯片起家的英偉達，其公司股價開始蹭蹭蹭一路上漲，漲了好幾十塊。
然而，如果今天，你還以為英偉達是個顯卡公司，那就大錯特錯了。如今汽車的防撞系統(tǒng)，警告系統(tǒng)，以及無人駕駛采用的雙目視覺圖像處理，英偉達是第一大提供商。它其實變成了一家人工智能公司。
說到這，大家可能也會奇怪——今天關(guān)于無人駕駛，輔助駕駛的新聞越來越多，也有越來越多的公司在做，為啥呢？
核心就在于，深度學(xué)習(xí)極大降低了這一門檻。只要你能拿到足夠數(shù)據(jù)，就可能實現(xiàn)對物體的各種判斷。
本質(zhì)也帶來了一個技術(shù)上彎道超車的好機會。很多公司辛苦積累的軟件技術(shù)直接作廢了。包括IBM做了語音輸入好多年，上來就被深度學(xué)習(xí)超越了。尤其當谷歌進入語音輸入時，一下就超越了IBM多年的技術(shù)積累。與此同時，谷歌還有足夠多的數(shù)據(jù)，以及足夠多的語音樣本，不停輸入。
算法為核心的競爭力，正轉(zhuǎn)換成數(shù)據(jù)為核心競爭力。
我個人覺得，甚至有些算法會消失掉。但，并不是說算法不重要。只是神經(jīng)網(wǎng)絡(luò)的核心算法，提升起來太難。
現(xiàn)在大家都把專注度放在了數(shù)據(jù)和運算。尤其在深度學(xué)習(xí)里，獲取足夠多的數(shù)據(jù)，就有機會產(chǎn)生更好的結(jié)果。神經(jīng)網(wǎng)絡(luò)本身差異不會很大，關(guān)鍵比的是——誰能把這些數(shù)據(jù)用好，并快速計算。
數(shù)據(jù)變得越來越重要。尤其在深度學(xué)習(xí)里，獲取足夠多的數(shù)據(jù)，就有機會產(chǎn)生更好的結(jié)果。神經(jīng)網(wǎng)絡(luò)本身差異不會很大，關(guān)鍵比的是——誰能把這些數(shù)據(jù)用好，并快速計算。
2.公司研發(fā)結(jié)構(gòu)會發(fā)生很多改變，數(shù)據(jù)獲取和數(shù)據(jù)標注會變得非常重要。
中國在這場競爭中，還是有很大機會。能夠輕易獲取的互聯(lián)網(wǎng)數(shù)據(jù)，以及低成本的眾包勞動，將為中國公司帶來訓(xùn)練所需的計算和人力資源。
第一，數(shù)據(jù)獲取的量級。盡管美國整個技術(shù)的前沿性很好，問題在于——硅谷一家小公司拿到的數(shù)據(jù)，和一家中國告訴發(fā)展的互聯(lián)網(wǎng)公司拿到的數(shù)據(jù)，不可同日而語。
第二，數(shù)據(jù)標注的成本。在美國，要搞數(shù)據(jù)標注，肯定很累，多貴?。〉谥袊?，到珠海或成都隨便找300個人，去幫你標注，成本很低。ImageNet圖像分類大賽，中國人取得的成績明顯突出。國外，微軟或谷歌參賽，都是幾個人去做圖像標注和算法驗證。而中國可以組織足夠多的人去做標注。
我認為，ImageNet大賽，未來的世界冠軍都會來自中國。
3.并行異構(gòu)計算的人才，變成核心競爭力。
過去計算領(lǐng)域都是以CPU為中心的計算模式。深度學(xué)習(xí)要將CPU和GPU兩個加起來。這是兩個技術(shù)的計算模型，是異構(gòu)的模型。
為什么要異構(gòu)？因為GPU是并行的。它需要用來顯示。為了讓你的屏幕刷新保持更快更流暢，就要把GPU分成很多個小的運算單元。每一個運算單元，負責(zé)屏幕某一塊具體區(qū)域的刷新。而大量這樣的運算單元都包含在一個GPU當中。要想跑得快，就得把計算邏輯放在CPU中，同時再把你準備好的數(shù)據(jù)拷貝到GPU中。然后呢？GPU再用并行的方式，計算準備好的這些數(shù)據(jù)。這就是異構(gòu)的模型。
這個模型，是計算體系，也是硬件體系的一次革命，是真正的技術(shù)革命。
舉個例子。現(xiàn)在要完成一個復(fù)雜的大型任務(wù)，需分割在100臺機器，讓它們分開跑，又同時共同執(zhí)行同一個全局任務(wù)，需要一個數(shù)學(xué)上嚴格的方法來完成。這意味著，每一次計算更新的時候，都要把大數(shù)據(jù)刷一遍，刷幾千遍是何其難的事情。幾十億個參數(shù)的深度學(xué)習(xí)模型，每一次迭代都要把參數(shù)刷一遍。尤其數(shù)據(jù)量足夠大時，這是很難的。
因此，能否調(diào)動大量的運算資源，就會成為核心競爭力。我的判斷是，未來整個研發(fā)結(jié)構(gòu)——重數(shù)據(jù)，重運算，這兩點，必然出現(xiàn)。
4.語音和視覺，將成為下一代交互模式。
可能大家沒有注意一個數(shù)據(jù)，谷歌已經(jīng)有20%的搜索來自語音。這是很可怕的一個趨勢。
我認為，語音和視覺會是下一代的交互模式。
過去我們從PC時代的十指模式（電腦鍵盤），走到今天的拇指模式（手機），未來一定是自然模式（語音和視覺）。
因為，太多的交互都會變得很簡單。有多簡單呢？只會用接觸的方式去完成。今天之所以還沒有大規(guī)模到來，其實是技術(shù)不夠成熟。
亞馬遜發(fā)布Echo時，為什么谷歌那么在意？我覺得很重要的一點，就是它通過300萬臺的設(shè)備，不停地拿數(shù)據(jù)——用戶的每一次說話，都是一次新的數(shù)據(jù)。這個數(shù)據(jù)足夠多，又反過來加深它的語音能力。
交互模式的變化，不僅改變了產(chǎn)品，也影響了數(shù)據(jù)方式。
5.深度學(xué)習(xí)在各個領(lǐng)域產(chǎn)生的變革才剛剛開始。
無論是現(xiàn)階段的內(nèi)容個性化推薦，還是未來輸入方式的改變，還有太多地方，可以被深度學(xué)習(xí)改變。
比如人臉識別。今天你用支付寶，或招商銀行客戶端，都會讓你掃一掃，準確率已經(jīng)相當高了。高到什么程度呢？有一家公司專門為海關(guān)提供人臉識別服務(wù)。以前用人工查看，看兩個小時后就會出錯，加上深度學(xué)習(xí)算法的系統(tǒng)，極大降低了人臉識別的出錯率。
我認為，只要需求越多，它就會越來越準。
比如小米手機出了面孔功能。根據(jù)人臉識別進行照片分類。已經(jīng)可以達到92%的準確率了。包括獵豹。我們在全球有6億月度活躍用戶，一旦建立起深度學(xué)習(xí)的核心技術(shù)能力，獵豹向很多領(lǐng)域的擴展和應(yīng)用結(jié)合就會變成可能。
如果你把深度學(xué)習(xí)看成一種“工具”，就會發(fā)現(xiàn)——它有很多和其它領(lǐng)域，包括傳統(tǒng)行業(yè)相互結(jié)合的機會。
漫漫長路，才剛剛開始。
