9CaKrnJZLbx smart.huanqiu.comarticle李彦宏:AI人脸识别比下棋更难/e3pmh140m/e3pmh2jgm【环球网智能综合报道】1月15日,百度事长兼CEO李彦宏现身极客公园创新大会,与极客公园创始人张鹏对话。一开场,张鹏的问题几乎全部集中在近期超火的小度机器人与人类最强大脑对决——“‘认脸’这件事,为什么(对机器来说)这个事这么复杂?”、“你觉得后面结局会怎么样,还能赢吗?”……小度目前一胜一平的战绩,李彦宏表示并不意外。他认为,在计算机科学、人工智能的进步过程中,机器会不断模仿人的很多能力。“早期计算机存储的能力,无人可以匹敌,但现在(机器)越来越走向计算机不擅长的领域,所以我们在一步一步向‘人’的方向努力。”而谈到“机器在下棋方面有优势”,李彦宏表示小度在做的事情难度更高。在他看来,规则越清晰的事情机器越容易做好,比如下棋正是机器比较擅长的领域。“对于计算机来说,规则越清楚,越是能够在有限可能性的情况下,把所有东西都试一遍。有一个标准答案,它可以做得很漂亮。”相比之下,小度所接到的考题——人脸识别,对机器来说其实更加困难。“你说不清楚,什么叫做‘像’?”李彦宏指出,对一些模糊的东西,人觉得很自然,但对计算机来说要求却很高,“计算机只认识0、1,你要是说这个人长的跟那个人很像,这个东西让计算机学起来非常有难度”。事实上,小度挑战的是语音识别、人脸识别这些“没有标准答案”的技术,同时它在场上的交互也涉及到了对自然语言的理解。换句话说,下棋这件事相对“循规蹈矩”,是在遵从围棋的规则。而小度做的事情更像人在思考,没有标准答案,边界更大,实用性也更强。在《最强大脑》中,小度仅根据童年照片比对,就发现了蜜蜂少女队中隐藏的同卵双胞胎队员,并且依靠万分之一的区别概率选出了正确答案,令观众和网友叹服。小度之所以能赢,是因为它背后的百度大脑有2百万人的2亿张图片作为训练样本数据。李彦宏表示,普通人一生可能都看不到两亿张图片,但计算机利用它的特长,可以迅速处理大数据,然后从各种各样不同的人脸中找到一些共性,从而判断出哪两个人比较像。既然规则越模糊、越说不清楚的,越是人擅长而机器不擅长的,那我们为什么还要在这个方向上努力呢?李彦宏认为这恰恰是AI进化的意义所在:既然规则越模糊、越说不清楚的,越是人擅长而机器不擅长的,那我们为什么还要在这个方向上努力呢?李彦宏对AI进化的意义非常坚定:机器是永远不知疲倦的,而且能够处理比人多得多的信息,它一旦学会人的能力,就可以在大数据的训练下,在某些领域逐步做得比人类更好。可以想见,当机器跨越规则模糊带来的障碍,获得人更擅长的能力后,为人类社会创造的价值也是不可限量的。相关实录节选:张鹏:今天咱们开启的话题特别有新闻性,我知道就在不久前,百度自己的人工智能度秘有一场跟人之间的战斗“人机大战”,赢了。李彦宏:目前是一胜一平。张鹏:你觉得后面结局会怎么样,还能赢吗?李彦宏:我觉得,绝大多数人都会觉得没有悬念,认为小度机器人一定会赢,但是其实真的不是那么容易的。人工智能在模仿人的能力方面还是有很多工作要去做。第二局打平之后,我们很多工程师难过得都哭了,因为他们下了很多工夫。张鹏:其实很可能会赢的?李彦宏:很可能会赢,但是也可能会输,但无论如何这都是计算机科学、人工智能进步的一个过程。它在不断试图学习和模仿人的很多能力。早期,计算机记忆、存储的能力是无人可以匹敌的,但是它现在越来越走向计算机不擅长、但是人擅长的领域,一步一步向“人”的方向努力。张鹏:所以这个挑战是挺不一样的。一开始我们看到的人工智能,大家看到的是它在一些计算能力上对人的超越,但是这些超越有的时候在不同领域体现出的难度是不一样的。比如说“认脸”这件事,对一般人来讲,“认脸”是挺简单的一件事,不应该是个很大的挑战,为什么这个事这么复杂?这么努力还只是到这个程度呢?李彦宏:对于计算机来说,在规则越清楚、有限可能性的情况下,它可以把所有东西都试一遍,有一个标准答案,它可以做的很漂亮。但“这个东西像什么”、“这个东西大概是什么”这样模糊的问题,人觉得很自然,对于计算机来说要求却很高。什么叫“像”?计算机不知道。它只认识0、1,你要是说“这个人长的跟那个人很像”,让计算机学起来就非常有难度。为了准备人机大战的第一场比赛,小度机器人、度秘这套人工智能系统学习了两亿张人的图片。一个普通人一生可能都看不到两亿个人,但是计算机利用它能迅速处理很多数据的特长,从各种各样的人脸中找到一些共性,才能让机器比较有信心地发现“这两个应该是差不多的”。像这种越模糊、越说不清楚的东西,越是机器不擅长的而人擅长的。但是,为什么我们还在这个方向上努力呢?我们还是觉得,有一天,当机器学会人的这些能力的时候,它永远不知道疲倦,可以处理比人多得多的信息,逐步的,就可以做得比人更好,至少在某些领域可以比人做得要好很多。1484539680000环球网版权作品,未经书面授权,严禁转载或镜像,违者将被追究法律责任。责编:张阳环球网148453968000011["9CaKrnJXF8a","9CaKrnJXAL2","9CaKrnJXuRq","9CaKrnJXzOB","9CaKrnJXgEZ"]//himg2.huanqiucdn.cn/attachment2010/2017/0116/12/11/20170116121138767.jpg
【环球网智能综合报道】1月15日,百度事长兼CEO李彦宏现身极客公园创新大会,与极客公园创始人张鹏对话。一开场,张鹏的问题几乎全部集中在近期超火的小度机器人与人类最强大脑对决——“‘认脸’这件事,为什么(对机器来说)这个事这么复杂?”、“你觉得后面结局会怎么样,还能赢吗?”……小度目前一胜一平的战绩,李彦宏表示并不意外。他认为,在计算机科学、人工智能的进步过程中,机器会不断模仿人的很多能力。“早期计算机存储的能力,无人可以匹敌,但现在(机器)越来越走向计算机不擅长的领域,所以我们在一步一步向‘人’的方向努力。”而谈到“机器在下棋方面有优势”,李彦宏表示小度在做的事情难度更高。在他看来,规则越清晰的事情机器越容易做好,比如下棋正是机器比较擅长的领域。“对于计算机来说,规则越清楚,越是能够在有限可能性的情况下,把所有东西都试一遍。有一个标准答案,它可以做得很漂亮。”相比之下,小度所接到的考题——人脸识别,对机器来说其实更加困难。“你说不清楚,什么叫做‘像’?”李彦宏指出,对一些模糊的东西,人觉得很自然,但对计算机来说要求却很高,“计算机只认识0、1,你要是说这个人长的跟那个人很像,这个东西让计算机学起来非常有难度”。事实上,小度挑战的是语音识别、人脸识别这些“没有标准答案”的技术,同时它在场上的交互也涉及到了对自然语言的理解。换句话说,下棋这件事相对“循规蹈矩”,是在遵从围棋的规则。而小度做的事情更像人在思考,没有标准答案,边界更大,实用性也更强。在《最强大脑》中,小度仅根据童年照片比对,就发现了蜜蜂少女队中隐藏的同卵双胞胎队员,并且依靠万分之一的区别概率选出了正确答案,令观众和网友叹服。小度之所以能赢,是因为它背后的百度大脑有2百万人的2亿张图片作为训练样本数据。李彦宏表示,普通人一生可能都看不到两亿张图片,但计算机利用它的特长,可以迅速处理大数据,然后从各种各样不同的人脸中找到一些共性,从而判断出哪两个人比较像。既然规则越模糊、越说不清楚的,越是人擅长而机器不擅长的,那我们为什么还要在这个方向上努力呢?李彦宏认为这恰恰是AI进化的意义所在:既然规则越模糊、越说不清楚的,越是人擅长而机器不擅长的,那我们为什么还要在这个方向上努力呢?李彦宏对AI进化的意义非常坚定:机器是永远不知疲倦的,而且能够处理比人多得多的信息,它一旦学会人的能力,就可以在大数据的训练下,在某些领域逐步做得比人类更好。可以想见,当机器跨越规则模糊带来的障碍,获得人更擅长的能力后,为人类社会创造的价值也是不可限量的。相关实录节选:张鹏:今天咱们开启的话题特别有新闻性,我知道就在不久前,百度自己的人工智能度秘有一场跟人之间的战斗“人机大战”,赢了。李彦宏:目前是一胜一平。张鹏:你觉得后面结局会怎么样,还能赢吗?李彦宏:我觉得,绝大多数人都会觉得没有悬念,认为小度机器人一定会赢,但是其实真的不是那么容易的。人工智能在模仿人的能力方面还是有很多工作要去做。第二局打平之后,我们很多工程师难过得都哭了,因为他们下了很多工夫。张鹏:其实很可能会赢的?李彦宏:很可能会赢,但是也可能会输,但无论如何这都是计算机科学、人工智能进步的一个过程。它在不断试图学习和模仿人的很多能力。早期,计算机记忆、存储的能力是无人可以匹敌的,但是它现在越来越走向计算机不擅长、但是人擅长的领域,一步一步向“人”的方向努力。张鹏:所以这个挑战是挺不一样的。一开始我们看到的人工智能,大家看到的是它在一些计算能力上对人的超越,但是这些超越有的时候在不同领域体现出的难度是不一样的。比如说“认脸”这件事,对一般人来讲,“认脸”是挺简单的一件事,不应该是个很大的挑战,为什么这个事这么复杂?这么努力还只是到这个程度呢?李彦宏:对于计算机来说,在规则越清楚、有限可能性的情况下,它可以把所有东西都试一遍,有一个标准答案,它可以做的很漂亮。但“这个东西像什么”、“这个东西大概是什么”这样模糊的问题,人觉得很自然,对于计算机来说要求却很高。什么叫“像”?计算机不知道。它只认识0、1,你要是说“这个人长的跟那个人很像”,让计算机学起来就非常有难度。为了准备人机大战的第一场比赛,小度机器人、度秘这套人工智能系统学习了两亿张人的图片。一个普通人一生可能都看不到两亿个人,但是计算机利用它能迅速处理很多数据的特长,从各种各样的人脸中找到一些共性,才能让机器比较有信心地发现“这两个应该是差不多的”。像这种越模糊、越说不清楚的东西,越是机器不擅长的而人擅长的。但是,为什么我们还在这个方向上努力呢?我们还是觉得,有一天,当机器学会人的这些能力的时候,它永远不知道疲倦,可以处理比人多得多的信息,逐步的,就可以做得比人更好,至少在某些领域可以比人做得要好很多。