李开复:从1983到2017,我的幸运与遗憾

  • 时间:
  • 浏览:0

  文/李开复

  1

  今天跟大伙儿讲个故事。

  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80万美元的经费,用来做不指定语者、大词库、连续性的语音识别。

  也却话语,他希望机器能听懂任何人的声音,但会 还前要懂上千个词汇,懂大伙儿自然连续说出的每话语。

  两种个多问题报告 报告 前要当时无解的问题报告 报告 。

  而瑞迪教授大胆地玩转信用卡 项目,希望一起正确处理两种个多问题报告 报告 。他在全美招聘了80多位教授、研究员、语音学家、学生、应用程序员,以启动你你两种有史以来最大的语音项目。

  我也在这80人名单之内。

  当时的科研背景是,业界就让有类事于今天强度学习的算法,但一一有一个多劲这样 实现数据标准化,数据量也缺乏够大。

  美国几大语音识别实验室(如MIT、 CMU、 SRI、 IBM、贝尔实验室)前要各用各的数据库,测试数据不同,训练数据不同,使用的语言模型不同,测试的词汇量就说 我同。有些有些都各称业界第一,大伙儿莫衷一是。

  而每个大公司前要本人的商业需求,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,有些有些大公司并这样 动力来帮助小公司或学校。而小公司和学校,往往不到资源做些较小的数据集,结果通常就说 我如大公司的好。

  不仅这样 ,数据不标准对AI研究而言是致命的,最后原应有些有些问题报告 报告 ,包括:

  1、就让测试语料库不同,最后识别结果,大伙儿无法qq克隆好友 ,也无法验证。彼此不认可,但会 就让数据这样 打通,算法就更不就让打通了。

  2、就让每家做的领域不同,最后的结果前要可比。有些领域词汇量小,比较容易,但会 做出结果也就让不到通用。有些领域词汇量大,但会 约束有些有些,有些有些能说的内容太满,原应比较容易识别,就说 我能通用。

  3、就让每家训练集不一样大,而训练集越大,一般结果越好。有些有些,有就让结果做的好,被认为并前要靠算法,就说 我靠数据量大。

  4、对于学术单位来说,最大的问题报告 报告 来自于这样 足够的资源(也这样 兴趣)收集、清洗、标注几瓶的语料。对于小公司来说,语料和计算力前要问题报告 报告 。

  最后,瑞迪教授计划采用“专家系统”来完成项目,就让你你两种最好的办法 前要的数据有限。

  专家系统是早期人工智能的一一有一个多重要分支,就让把它看作是一类具有专门知识和经验的计算机智能应用程序系统,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不可不可不可否正确处理的简化问题报告 报告 。

  但我不认同。

  2

  就让参加过的奥赛罗的人机博弈,就让对统计概念有了充分的理解,我对瑞迪教授的研究最好的办法 产生动摇。

  我相信建立大型的数据库,但会 对大的语音数据库进行分类,有就让正确处理专家系统不到正确处理的问题报告 报告 。

  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。有些有些在语音识别问题报告 报告 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,还前要本人调好系统参数,比赛最后一天大伙儿拿到数据,有一天时间跑出结果,大伙儿评比。

  我从你你两种标准数据集和测试看一遍就让。

  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,用统计学来正确处理你你两种‘不特定语者、大词汇、连续性语音识别’。”

  我以为瑞迪会有些失望,没想到他有些都这样 生气,他轻轻地问:“那统计最好的办法 怎样才能正确处理这三大问题报告 报告 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他不知道:“开复,你对专家系统和统计的观点,我是不同意的,但会 就让支持你用统计的最好的办法 去做,就让我相信科学这样 绝对的对错,大伙儿前要平等的。但会 ,我更相信一一有一个多有激情的人是就让找到更好的正确处理方案的。”

  那一刻,我的感动无以伦比。就让对一一有一个多教授来说,学生要用本人的最好的办法 作出一一有一个多与他唱反调的研究。教授不但这样 动怒,还给予充分的支持,这在有些有些地方是不可想象的。

  统计学前要大数据库,大伙儿怎样才能不可不可不可否建立起大的数据库呢?

  瑞迪教授看一遍我愁眉不展的样子,再一次给了我支持。你说什么,“开复,嘴笨 说我还是对你的研究最好的办法 有所保留,但会 ,在科学的领域里,嘴笨 也无所谓老师和学生的区别,大伙儿前要面临两种个多问题报告 报告 的攻克者,有些有些,就让你真的前要数据库,这样 ,就让去说服政府帮你建立一一有一个多大的数据库吧!”

  瑞迪教授就让说服了美国政府部门和美国标准局收集并提供了几瓶数据。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,就让有些不拿国家钱的单位(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,统计学的最好的办法 还前要非常快的机器,瑞迪教授又就让购买了最新的Sun 4机器。此后每次有新的机器,他时会说:“先问问开复要好的反义词。” 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就让感觉到两种伟大的力量,这是两种自由和信任的力量。

  3

  在导师的支持下,我现在现在开始了了了疯狂的科研工作。

  当时,我带着另一位学生一起用统计的最好的办法 做语音识别。一起,有些80多人用专家系统做同样的问题报告 报告 。从最好的办法 上来说,大伙儿在竞争,但会 在瑞迪教授的领导下,大伙儿分享一切,大伙儿用同样的样本训练和测试。

  在1986年底,我的统计系统和大伙儿的专家系统达到了合适一样的水平,40%的辨认率。你你两种太好还是详细不到用的系统,但毕竟是学术界第一次尝试这样 难的问题报告 报告 ,大伙儿还是比较欣喜和乐观的。

  1987年5月,大伙儿大幅度地提升了训练的数据库,采用了新的建模最好的办法 ,不但我太满 可不可不可否用统计学的最好的办法 学习每一一有一个多音,但会 还前要用统计学的最好的办法 学习每一一有一个多音之间的转折。针对有些音的样本缺乏,我又想出了两种最好的办法 (generalized triphones)来合并有些的音。这三项工作你造把机器的语音识别率从原先的40%提高到了80%!就让又提高到96%。

  统计学的最好的办法 用于语音识别初步被验证是正确的方向。

  大伙儿都相信了我用的机器学习最好的办法 和隐马可夫模型算法,但会 一蹶不振 了不可行的专家系统(专家系统只达到80%的识别率)。在我的博士论文基础上,就让的Nuance,微软、苹果苹果苹果 5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。

  你你两种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详细转向了统计最好的办法 。

  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,我只嘴笨 在和一一有一个多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

  就让,《商业周刊》把我的发明的故事选为1988年最重要的发明的故事的故事。年仅26岁初出茅庐的我,第一次亮相就获得原先的成功,就让感到很幸运,也就让有了继续向科技高峰攀爬的动力。

  而我也但会 拿到了卡内基·梅隆大学的计算机博士学位,这离我1983年入学不到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年以上不可不可不可否拿到博士学位,我用这样 短的时间拿到博士学位,是一项新的纪录。

  我也但会 破格留校,成为一名26岁的助理教授。

  4

  遗憾的是,嘴笨 我找到了方向和基本最好的办法 ,但以当时的数据量级和计算水平,语音AI研究这样有商业化就让。我最终还是一蹶不振 科研界,进入商界,用产品改变世界。

  80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这样 难以触碰,就说 我前要一帮人牵头让更多的公司参与进来。这在80多年前,我还是一一有一个多AI科研人员的时代,能接触到真实世界里这样 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,创造研究就让和条件。

  有些有些,昨天创新工场、搜狗、今日头条联合发起“AI Challenger 全球AI挑战赛”。三家公司分别投入几瓶资金、也玩转信用卡 千万量级高质量开放数据集与宝贵GPU资源。

  一起,我也倡导商界和科研界能采用几瓶的数据和标准的测试最好的办法 ,也欢迎更多的数据公司我太满 可不可不可否参与到你你两种平台里。

  希望大伙儿推出的Challenger.ai,还前要帮助到中国AI人才成长。

  在我看来,这次AIChallenger绝对不就说 我一一有一个多活动,也绝对不就说 我一一有一个多奖金80万、年底就现在现在开始了了的竞赛,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,大伙儿再来回顾你你两种段旧年华,大伙儿发现中美AI人才之间这样 落差了,还能想到AI Challenger在原先重大过程中扮演了一一有一个多小小角,就让感到你你两种切前要价值。

  欢迎大伙儿登录大赛官网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(要在电脑页面上不可不可不可否报名哦)。

  大伙儿就让无法想象,我有多么羡慕大伙儿,生活在数据爆炸的时代,一帮人提供数据和奖金池,让有才华的人一展拳脚。