李开复:从1983到2017,我的幸运与遗憾

  • 时间:
  • 浏览:4

  文/李开复

  1

  今天跟亲们讲个故事。

  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30万美元的经费,用来做不指定语者、大词库、连续性的语音识别。

  也所以我说,他希望机器能听懂任何人的声音,所以我时要懂上千个词汇,懂亲们自然连续说出的每得话。

  这有有2个问题 后会当时无解的问题 。

  而瑞迪教授大胆地搞定项目,希望一起处里这有有2个问题 。他在全美招聘了30多位教授、研究员、语音学家、学生、应用进程员,以启动你有些有史以来最大的语音项目。

  我也在这30人名单之内。

  当时的科研背景是,业界意味着着有例如今天层厚学习的算法,但突然没能实现数据标准化,数据量也匮乏够大。

  美国几大语音识别实验室(如MIT、 CMU、 SRI、 IBM、贝尔实验室)后会各用各的数据库,测试数据不同,训练数据不同,使用的语言模型不同,测试的词汇量所以我同。所以都各称业界第一,亲们莫衷一是。

  而每个大公司后会此人 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,所以大公司并没能动力来帮助小公司或学校。而小公司和学校,往往只有资源做些较小的数据集,结果通常所以我如大公司的好。

  不仅没能,数据不标准对AI研究而言是致命的,最后意味着着所以问题 ,包括:

  1、意味着着测试语料库不同,最后识别结果,亲们无法qq克隆好友 ,也无法验证。彼此不认可,所以我意味着着数据没能打通,算法就更不意味着着打通了。

  2、意味着着每家做的领域不同,最后的结果后会可比。有些领域词汇量小,比较容易,所以我做出结果也意味着着只有通用。有些领域词汇量大,所以我约束所以,所以能说的内容太久,意味着着比较容易识别,所以给你通用。

  3、意味着着每家训练集不一样大,而训练集越大,一般结果越好。所以,有意味着着结果做的好,被认为并后会靠算法,所以我靠数据量大。

  4、对于学术单位来说,最大的问题 来自于没能足够的资源(也没能兴趣)分类分类整理、清洗、标注血块的语料。对于小公司来说,语料和计算力后会问题 。

  最后,瑞迪教授计划采用“专家系统”来完成项目,意味着着你有些依据时要的数据有限。

  专家系统是早期人工智能的有有2个重要分支,给你把它看作是一类具有专门知识和经验的计算机智能应用进程系统,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能处里的僵化 问题 。

  但我不认同。

  2

  但是 参加过的奥赛罗的人机博弈,我我想要要对统计概念有了充分的理解,我对瑞迪教授的研究依据产生动摇。

  我相信建立大型的数据库,所以我对大的语音数据库进行分类,有意味着着处里专家系统只有处里的问题 。

  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。所以在语音识别问题 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,时要此人 调好系统参数,比赛最后一天亲们拿到数据,有一天时间跑出结果,亲们评比。

  我从你有些标准数据集和测试看完意味着着。

  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:“若果转投统计学,用统计学来处里你有些‘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,没想到他有些都没能生气,他轻轻地问:“那统计依据要怎样处里这三问题 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告诉我:“开复,你对专家系统和统计的观点,我是不同意的,所以我我我想要要支持你用统计的依据去做,意味着着我相信科学没能绝对的对错,亲们后会平等的。所以我,我更相信有有2个有激情的人是意味着着找到更好的处里方案的。”

  那一刻,我的感动无以伦比。意味着着对有有2个教授来说,学生要用此人 的依据作出有有2个与他唱反调的研究。教授不但没能动怒,还给予充分的支持,这在所以地方是不可想象的。

  统计学时要大数据库,亲们要怎样不能建立起大的数据库呢?

  瑞迪教授看完我愁眉不展的样子,再一次给了我支持。我说,“开复,实在说我还是对你的研究依据有所保留,所以我,在科学的领域里,实在也无所谓老师和学生的区别,亲们后会面临这有有2个问题 的攻克者,所以,意味着着你真的时要数据库,没能,我我想要要去说服政府帮你建立有有2个大的数据库吧!”

  瑞迪教授但是 说服了美国政府部门和美国标准局分类分类整理并提供了血块数据。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,但是 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,统计学的依据还时要非常快的机器,瑞迪教授又我我想要要购买了最新的Sun 4机器。此后每次有新的机器,他后会说:“先问问开复要不需要。” 做论文的两年多,我至少花了他几十万美元的经费。

  瑞迪教授的宽容再次我我想要要感觉到本身 伟大的力量,这是本身 自由和信任的力量。

  3

  在导师的支持下,我结束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依据做语音识别。一起,有些30多人用专家系统做同样的问题 。从依据上来说,亲们在竞争,所以我在瑞迪教授的领导下,亲们分享一切,亲们用同样的样本训练和测试。

  在1986年底,我的统计系统和亲们的专家系统达到了至少一样的水平,40%的辨认率。有些太好还是删改只有用的系统,但毕竟是学术界第一次尝试没能难的问题 ,亲们还是比较欣喜和乐观的。

  1987年5月,亲们大幅度地提升了训练的数据库,采用了新的建模依据,不但不能用统计学的依据学习每有有2个音,所以我时要用统计学的依据学习每有有2个音之间的转折。针对有些音的样本匮乏,我又想出了本身 依据(generalized triphones)来合并有些的音。这三项工作青春恋爱物语把机器的语音识别率从那我 的40%提高到了30%!但是 又提高到96%。

  统计学的依据用于语音识别初步被验证是正确的方向。

  亲们都相信了我用的机器学习依据和隐马可夫模型算法,所以我抛下了不可行的专家系统(专家系统只达到30%的识别率)。在我的博士论文基础上,但是 的Nuance,微软、iPhone 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。

  你有些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删改转向了统计依据。

  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,我只实在在和有有2个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

  但是 ,《商业周刊》把我的科学科学发明选为1988年最重要的科学科学发明的故事。年仅26岁初出茅庐的我,第一次亮相就获得那我 的成功,我我想要要感到很幸运,也我我想要要有了继续向科技高峰攀爬的动力。

  而我也所以我拿到了卡内基·梅隆大学的计算机博士学位,这离我1983年入学只有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年以上不能拿到博士学位,我用没能短的时间拿到博士学位,是一项新的纪录。

  我也所以我破格留校,成为一名26岁的助理教授。

  4

  遗憾的是,实在我找到了方向和基本依据,但以当时的数据量级和计算水平,语音AI研究没能有商业化意味着着。我最终还是抛下科研界,进入商界,用产品改变世界。

  30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。科研人员时要的数据集不再没能难以触碰,所以我时要其他同学牵头让更多的公司参与进来。这在30多年前,我还是有有2个AI科研人员的时代,能接触到真实世界里没能海量的数据,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,创造研究意味着着和条件。

  所以,昨天创新工场、搜狗、今日头条联合发起“AI Challenger 全球AI挑战赛”。三家公司分别投入血块资金、也搞定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血块的数据和标准的测试依据,也欢迎更多的数据公司不能参与到你有些平台里。

  希望亲们推出的Challenger.ai,时要帮助到中国AI人才成长。

  在我看来,这次AIChallenger绝对不所以我有有2个活动,也绝对不所以我有有2个奖金30万、年底就结束了了的竞赛,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,亲们再来回顾你有些段旧流年,亲们发现中美AI人才之间没能落差了,还能想到AI Challenger在那我 重大过程中扮演了有有2个小小角,给你感到你有些切后会价值。

  欢迎亲们登录大赛官网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(要在电脑页面上不能报名哦)。

  亲们意味着着无法想象,我有多么羡慕亲们,生活在数据爆炸的时代,其他同学提供数据和奖金池,让有才华的人一展拳脚。