田溯寧:

謝謝余總給我們帶來非常精彩的演講，下面我們請謝雅正教授給我們分享一下他的一些觀念，有請謝教授。

2017-12-04 10:11:37

斯坦福大學教授 謝雅正:

我今天非常榮幸來到烏鎮(zhèn)，我今天要給大家談?wù)剻C器學習。我知道今天論壇的主題就是“大連接”。

2017-12-04 10:11:52

謝雅正:

首先從基礎(chǔ)的連接開始，我覺得最基礎(chǔ)的連接就是我們的基礎(chǔ)設(shè)施，基礎(chǔ)設(shè)施的連接就是讓大家先連接個人。那么現(xiàn)在看來，現(xiàn)在的基礎(chǔ)設(shè)施可能有一些落后了，而且這個基礎(chǔ)設(shè)施變得太龐大了，對于個人來說都過大。所以這就帶來了另外的一個所謂的機器學習。

機器學習是由很多數(shù)據(jù)連接支撐的，所有的基礎(chǔ)設(shè)施建設(shè)能夠允許我們獲得這些數(shù)據(jù)。我們仔細來看一看這個事情，這個機器學習事實上是在基于基礎(chǔ)設(shè)施的進程上不斷的推進的，要討論這個問題的話，首先我會給大家來談一談機器學習的進展，然后是怎么回到基礎(chǔ)設(shè)施上面來應(yīng)用。

2017-12-04 10:14:47

謝雅正:

首先，最基本的一個問題，就是機器要學會去識別。首先有一系列的數(shù)據(jù)，看到它是不是有一些問題?。磕俏覀兛吹竭@是一個視覺比賽的結(jié)果，是有1400萬的圖像在上邊，分成了21000種的類別，非常的紛繁復(fù)雜。機器首先要培訓出來怎樣來識別這些數(shù)據(jù)，然后怎樣來測試這些數(shù)據(jù)。所有機器學習的目標都是要學習這些模式，都是要從培訓到測試數(shù)據(jù)這樣的一個過程，唯一的想法就是要學習歸納，首先要觀察，然后才能學習，然后要更加深入地去觀察，然后得出總結(jié)。

2017-12-04 10:17:30

謝雅正:

我們來看，這樣的一個算法它在過去幾年當中到底是怎樣做到的。首先可以看到從零到無的過程。從分類的角度來看，這是分類出來機器學習最開始犯的五類錯誤，慢慢開始在大規(guī)模視覺挑戰(zhàn)賽之后啊，我們發(fā)現(xiàn)有一些進展，你們看到這個紫色的這部分，其實是深度學習不斷地在增強進行更加復(fù)雜問題的學習，其實這方面的話通過深度學習，其實是已經(jīng)取得了不小的進展，這就是一個深度學習，它是多層的非常復(fù)雜的一個過程，我覺得現(xiàn)在已經(jīng)超過了甚至上百萬個層級的級別，現(xiàn)在就是機器學習的基本模型。

2017-12-04 10:20:57

謝雅正:

那么對這些數(shù)據(jù)進行分類以后，人類就能夠識別到這些數(shù)據(jù)。在獲得了這些數(shù)據(jù)之后，人是會做出一些反饋的，機器要做的事情就是要不斷地去控制。在最近幾年當中機器其實已經(jīng)在學習如何控制方面取得了一些巨大的進展。

2017-12-04 10:21:25

謝雅正:

Atrai和AlphaGO其實是兩個典型的例子，他們已經(jīng)能夠?qū)W會不斷的控制，不僅僅是觀察這些數(shù)據(jù)，而且他們已經(jīng)能夠?qū)W會如何去玩Atrai跟AlphaGO。

2017-12-04 10:22:42

謝雅正:

這就是另外一個顯示如何來玩Atrai的例子。這是我們的人腦，你首先要觀察整個環(huán)境，觀察這些數(shù)據(jù)，你可以看到這些數(shù)據(jù)都顯示在屏幕上，然后會采取一些措施，你看人通常是會拿指揮棒搖動游戲棒去玩，如果你每次測試成功你會得到一些獎勵，這就是一個控制的過程。

2017-12-04 10:23:02

謝雅正:

現(xiàn)在有一個問題，一開始的時候你就不知道會發(fā)生什么問題，其實是非常隨機的一個過程，但是隨著你玩的越來越多，你就會獲得越來越多的經(jīng)驗，那你會知道后來我做這些行動，之前應(yīng)該采取怎樣的措施，所以就不斷地通過你看到的一些題目來進行訓練，其實這些前面我們談到這些數(shù)據(jù)就是它訓練的數(shù)據(jù)。

2017-12-04 10:23:44

謝雅正:

其實你這個不斷對數(shù)據(jù)的訓練也是一種控制的過程，當然這是一個非常復(fù)雜的過程，但是有一個是共同的，跟我們?nèi)耸且粯拥囊粋€認知的過程，就是要歸納，機器也是要歸納，不管以前你經(jīng)歷了怎樣，有多少豐富的經(jīng)歷，不管你看到的圖像、看到的數(shù)據(jù)，即使是你沒有看到的一些圖片你還是會做出一些反應(yīng)，這個過程跟機器學習是一樣的，機器學習就是在這個基礎(chǔ)上深入地后來發(fā)展了深度學習，來學習到人的操作。

2017-12-04 10:24:21

謝雅正:

所以啊玩游戲當然是非常有趣的一個事情，我們自己玩游戲的過程當中這些機器學習的淺識，人類會采取一些行動，機器也要采取行動，最終的目標呢就是說要完成這個，要獲得這樣一個獎勵。

大家都知道大家所有學到的東西都是從過去的經(jīng)驗當中學到的，那機器也是一樣，慢慢地來學習這個控制系統(tǒng)，控制的過程。這跟我之前談到跟基礎(chǔ)設(shè)施建設(shè)的連接有什么關(guān)系呢？我們現(xiàn)在有很多控制性的問題，特別是在網(wǎng)絡(luò)當中，這就是我們相互連接的一個基礎(chǔ)設(shè)施，那最上面大家可以看到有這些應(yīng)用，有不同的一些應(yīng)用，當然這是需要基于這種溝通、通信的基礎(chǔ)設(shè)施建設(shè)是已經(jīng)有了現(xiàn)存的存在那里，你可以看到上面有不同種類的，到了中間有一個控制臺，我們的目標就是要將這個控制臺能夠處理這些信息，在分享的平臺上能夠分享這些數(shù)據(jù)，而且這些數(shù)據(jù)都是不斷地呈現(xiàn)動態(tài)變化。

現(xiàn)在的目標就是深度交互的學習，能夠處理一些非常具體或者非常難的一些問題，從現(xiàn)在的這種實時數(shù)據(jù)當中獲得一些數(shù)據(jù)。

現(xiàn)在這個研究計劃要在社區(qū)當中實現(xiàn)的，那么給大家一個例子，在MIT我們所做出的一些成果，我們來看一下這個控制系統(tǒng)是怎么解讀流媒體的過程。

2017-12-04 10:25:43

謝雅正:

你可以看到這里有一個視頻，突然截取一段視頻，而且能夠就知道這個視頻當中到底在放什么。那怎么看這種連接性呢？整個的服務(wù)器應(yīng)該說是視頻的服務(wù)器是不斷處于動態(tài)的狀態(tài)，視頻的服務(wù)器是怎樣能夠反饋數(shù)據(jù)到視頻客戶那呢？

在服務(wù)器跟客戶之間，中間有這樣一個測出來的能力，當然這也是取決于你到底要達到怎樣的要求，有時候你可能就失敗了，大家可以看到這個視頻就不動了，這就是一個控制問題。首先要跟媒體之間相互連接，然后將這兩個之間的頻道相互連接起來，不管它工作好還是不好，那么我們做的事情就是讓這個機器學會交互的學習，而且不需要通過建模就能夠交互的進行連接，這就是一個結(jié)果，你可以看到這是深度學習的機器，這種深度學習的結(jié)果就是能夠來很好的放視頻了，在這樣的建模情況下就不需要進行緩沖。

不管我們基礎(chǔ)設(shè)施是怎樣的，是我們不斷地在推進機器學習，未來肯定是大量的數(shù)據(jù)存在，我們目前其實是獲得了一些機器學習所取得的成果，同時要促進機器學習的時候，如何來提升基礎(chǔ)設(shè)施建設(shè)，謝謝。

2017-12-04 10:26:33