吴恩达：神经网络模型将替代传统算法？

百度首席科学家吴恩达在未来论坛上发表演讲。

神经网络模型让数据的潜力更大

众所周知，在海量数据时代，深度学习为人工智能带来了新的机遇。这些机会集中在三个地方：文字、图片和语音识别。

吴恩达提到，人工智能具有正向循环链。有了好的产品，可以吸引更多的用户，进而产生大量的数据，再由数据带来更多优秀的产品。然而，如果使用传统的人工智能算法，并且数据增长到一定量，算法就会遇到瓶颈。然而，如果使用新的深度学习算法，算法的效果可以随着数据的增加而不断提高。

什么样的神经网络模型？以下是他的例子：

七年前，我让我的学生用当时最好的算法完成一个简单的任务，——，判断一个有很多餐具的图片里哪个杯子，但是失败了。基本上柱状工具被认为是杯子。

虽然在人们眼里，他们看到的是这些物体的外观，但在计算机眼里，他们得到的信息只是照片中每个像素上代表颜色的数字，利用数字光谱与其他图像进行比较。再举一个语音识别的例子，过去我们把声音分解成不同的声调、音素等，希望通过数据解码来识别一个对话，但结果还是和自然语音本身不一样。

人脑是如何学习的？这里需要说明的是，虽然称之为神经网络模型，但并没有真正让算法模仿人脑的工作，因为我们并不确定开发者_运维技巧大脑是如何工作的，只是想接近这个机制。以上面的杯子为例，我们只是提供大量的杯子图片，让计算机找出这些样本有什么特征，然后它就可以做出判断，这和我们平时学习的方式差不多。

这个事情在过去是做不到的，所以需要依靠传统的数据解码算法，但是现在数据的存储和计算已经达到了一个巨大的水平，可以实现海量的样本比较。

语音识别将推动手机的革命

越来越多的人使用语音识别，深度学习语音识别系统的准确率远远高于传统方法。

与手指输入相比，语音交互是移动应用场景中更自然的人机交互方式。也许我们再也不需要在手机上安装这么多应用了。你只需要用语言和手机互动，告诉它你需要什么，它就能为你连接服务。相信语音会推动手机的革命。试想，未来我们将围绕语音界面重新设计手机产品，重新定义人与手机的交互界面。

在这里，吴恩达说了一句模棱两可的话：接下来，我们会为你带来更好的智能手机.我不知道是应该解读为百度手机重新崛起，还是仅仅指所有手机厂商？

不用担心机器人会占领世界

人工智能技术仍然面临挑战。例如，在一些国家，AI技术的使用威胁到人们的权利(用于追踪嫌疑人的大脑补充剂)，这是一个非常严重的道德问题。但即使没有AI，这种情况依然存在。至于AI，它比人聪明，甚至可能控制我们的世界。我认为目前这不是一个紧迫的问题。机器不会很快统治世界，可能100年后我们才需要担心它。

即使我们说深度学习算法具有自学习能力，也没有必要担心。大量神经网络算法中的模型训练，也就是机器学习的过程，是监督训练。将这种训练方法应用于语音识别和图像识别，效果非常好。但是从机器可能统治人类的角度来看，这是完全不同的事情。