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)，我今天要給大家談談機器學習。我知道今天論壇的主題就是“大連接”。

2017-12-04 10:11:52

謝雅正:

首先從基礎的連接開始，我覺得最基礎的連接就是我們的基礎設施，基礎設施的連接就是讓大家先連接個人。那么現(xiàn)在看來，現(xiàn)在的基礎設施可能有一些落后了，而且這個基礎設施變得太龐大了，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)據連接支撐的，所有的基礎設施建設能夠允許我們獲得這些數(shù)據。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設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設施上面來應用。

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，看到它是不是有一些問題啊？那我們看到這是一個視覺比賽的結果，是有1400萬的圖像在上邊，分成了21000種的類別，非常的紛繁復雜。機器首先要培訓出來怎樣來識別這些數(shù)據，然后怎樣來測試這些數(shù)據。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。

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雜問題的學習，其實這方面的話通過深度學習，其實是已經取得了不小的進展，這就是一個深度學習，它是多層的非常復雜的一個過程，我覺得現(xiàn)在已經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)據進行分類以后，人類就能夠識別到這些數(shù)據。在獲得了這些數(shù)據之后，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，他們已經能夠學會不斷的控制，不僅僅是觀察這些數(shù)據，而且他們已經能夠學會如何去玩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，你可以看到這些數(shù)據都顯示在屏幕上，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驗，那你會知道后來我做這些行動，之前應該采取怎樣的措施，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)據就是它訓練的數(shù)據。

2017-12-04 10:23:44

謝雅正:

其實你這個不斷對數(shù)據的訓練也是一種控制的過程，當然這是一個非常復雜的過程，但是有一個是共同的，跟我們人是一樣的一個認知的過程，就是要歸納，機器也是要歸納，不管以前你經歷了怎樣，有多少豐富的經歷，不管你看到的圖像、看到的數(shù)據，即使是你沒有看到的一些圖片你還是會做出一些反應，這個過程跟機器學習是一樣的，機器學習就是在這個基礎上深入地后來發(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設施建設的連接有什么關系呢？我們現(xiàn)在有很多控制性的問題，特別是在網絡當中，這就是我們相互連接的一個基礎設施，那最上面大家可以看到有這些應用，有不同的一些應用，當然這是需要基于這種溝通、通信的基礎設施建設是已經有了現(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，而且這些數(shù)據都是不斷地呈現(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)據當中獲得一些數(shù)據。

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？整個的服務器應該說是視頻的服務器是不斷處于動態(tài)的狀態(tài)，視頻的服務器是怎樣能夠反饋數(shù)據到視頻客戶那呢？

在服務器跟客戶之間，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，這就是一個結果，你可以看到這是深度學習的機器，這種深度學習的結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。

不管我們基礎設施是怎樣的，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，如何來提升基礎設施建設，謝謝。

2017-12-04 10:26:33