2016，那些被機器之心記錄的人物和公司

機器之心原創

作者：老紅

2016 年，機器之心連續更新 365 天，共發布 1484 篇文章，總字數超過 612 萬，約等於 15 本由 Ian Goodfellow、Youshua Bengio 和 Aaron Courville 合著的 Deep Learning。

在這些文章中，我們既報道了 Maluuba、ROSS Intelligence 和第四範式等明星創業公司和谷歌、微軟這樣的領先巨頭，也對話了鄧力、吳恩達、Richard Sutton、楊強、田淵棟和樊麾等炙手可熱的行業變革者與參與者。

你可能對其中的某些文章印象深刻，也可能因故錯過了一些值得被銘記的語錄。感激於大家一年來持續的認可以及在後台對某些文章「關鍵字」的長期回復。我們特地精選了如下文章作為機器之心的年度賀禮。

重要的不是文字，而是那些值得被我們記住的人物和公司。

大佬眼中的人工智慧

2016 年，我們見證了諸多華人力量在人工智慧領域的突出貢獻，吳恩達固然是其中的優秀代表。在加入百度之後，吳恩達做了一件事：購了 1000 個 GPU，並在 24 小時內得到。而在谷歌，他可能幾周或幾個月才能得到。隨即，曾幫助谷歌建立 Google Brain 的吳恩達也在百度建起了「大腦」。

在接受機器之心採訪時，吳恩達表示，在人工智慧領域，很多技術其實是中國最先開始應用的。

而在大洋的另一端，強化學習教父 Richard Sutton 在接受機器之心採訪時也從一個不同的視角解讀了他眼中的強化學習。他指出有些人認為強化學習只是人工智慧問題的強化，但實際上強化學習問題是實現人工智慧的一種抽象的方法。

不過，圖靈獎得主 Joseph Sifakis，卻對機器之心表示，人工智慧在設計複雜性上還功力不足。

「人工智慧可以學習知識，但是不會推理。推理和學習不一樣。推理是用來解決問題的。現在的這些計算機做的還不好，我們需要其他種類的計算機需要一種新型的生物計算機和神經計算機。」

但美國通用人工智慧協會主席 Ben Goertzel 確認為，繞過大腦我們也能造出通用人工智慧。

採訪過程中，對於提出的問題，Ben 總是會給出遠遠超過問題本身答案，他很擅長把答案按照問題本身的邏輯延伸下去。有些讓你恍然大悟，有些則會給你意外驚喜。

而除了這些行業變革的參與者，作為行業記錄者的 John Markoff 也為我們分享了他眼中的人工智慧。

深得喬布斯信任的科技記者 John Markoff 職業生涯最遺憾的事情是什麼？他在重磅新書《與機器人共舞》中表達了什麼觀點？機器人會讓我們失業嗎？除了人工智慧，他最看好哪一個新興科技領域？他對中國的科技進步又有怎樣的觀察？這些問題都能從機器之心對 John Markoff 的採訪中得到解答。

「跨界」的傳奇經歷

2016 年初的「人機大戰」，除了人工智慧首次在人類最複雜的博弈遊戲中戰勝最高級別的人類選手的歷史意義，也在更大範圍上引發了業界對「人工智慧」這個並不太新的概念的持續探討與研究。

而拉開這一帷幕的是去年歐洲圍棋冠軍樊麾與 AlphaGo 的對戰。在機器之心與樊麾老師的長談中，他詳細回顧了他與 AlphaGo 交戰的精彩故事，暢談了他對人工智慧技術的感觸，以及對圍棋與人生的哲學思考。

樊麾

正如在採訪中樊麾老師所言：「AlphaGo 可能會發現另外一種圍棋的美，是我們想像不到的。」

已經加入 DeepMind 參與 AlphaGo 進一步研究的樊麾老師繼續在跨界的領域貢獻著自己的力量。而另一位長期從事人工智慧研究並主導研發 Facebook 人工智慧圍棋項目（Dark Forest）的田淵棟博士則為我們分享了他的另一段獨特「跨界」經歷。

卡耐基梅隆大學機器人系博士、前谷歌無人駕駛汽車項目組研究員、現 Facebook 人工智慧組研究員，多重身份的加持和前沿、專業的研究為田淵棟吸引了相當多的目光。

除了前沿研究與技術創新，他還保持了長期的寫作習慣。除了早期的個人博客和現今的知乎專欄，田淵棟甚至還完成過一部超過 30 萬字的小說，這在以理工科為代表的前沿科技領域是極為罕見的。

不過相比於上面兩位，Nick Pentreath 的跨界經歷則要更為傳奇。

現任 IBM Spark 技術中心的首席工程師的 Nick Pentreath 專註於 Apache Spark 機器學習領域，著有一本《Spark 機器學習》。在進入 IBM 以前，他曾參與共同創立了 Graphflow，一家提供推薦系統和智能解決方案的初創公司。在進入計算機科學領域以前，他曾在高盛投行工作並親歷了利比亞卡扎菲政府 12 億美元投資巨案。

在機器之心對 Nick 的專訪中，我們一起聊了聊 Spark 的新版本、IBM 的開源精神、不同平台的競爭關係，以及他在高盛的傳奇經歷，其中不乏爆料和精彩的觀點分享。

那些值得關注的國外初創公司

Clarifai 是一家獨立的圖像識別初創公司，總部位於紐約。在 10 月 25 日，它剛剛收穫了價值 3000 萬美元的 B 輪融資。作為圖像識別領域為數不多的獨立玩家，Clarifai 已經在成立三年多的時間裡率先將圖形識別從靜態圖片帶入了接近實時的級別，同時也收穫了為數不少的企業客戶。

這家公司的創始人和首席執行官 Matthew Zeiler 畢業於紐約大學，師從 Rob Fergus，也接受過 Yann LeCun 的指導。對於這家初創公司的領導者來說，他們面臨著科技巨頭的不對稱競爭，但 Zeiler 認為 Clarifai 也有著自己的優勢，他們正在探索從圖像識別到無限可能的實踐。

而今年 1 月已被微軟收購的 NLP 明星公司 Maluuba 早已在機器理解方面的成績超越谷歌等巨頭。

Maluuba 關注機器學習中的兩個細分研究領域：對話和機器理解。同時，像 Maluuba 也更關心研發解決通用問題的人工智慧，對解決真實世界問題更感興趣。他們相信自己能找出更好的人機交互方式，並與蒙特利爾大學教授、人工智慧專家 Yoshua Bengio 和阿爾伯塔大學教授、強化學習專家 Richard Sutton 等展開合作。

在接受機器之心的採訪時，該團隊也為我們分享了 Maluuba 迅速成為最受關注的 NLP 公司的原因 。

另外一家明星公司則是位於矽谷的 ROSS Intelligence，全球第一家致力於法律服務的人工智慧創業公司。

2015 年夏天，ROSS 得到全球最大律師事務所 Dentons 旗下的 NextLaw Labs 的投資，並正式成為了 Dentons 的業務夥伴。之後的一年內，ROSS 不僅成功上線，並且在 Dentons 之外逐漸獲得了更多的客戶，包括大型律所 Baker and Hostetler 等。

2016 年，機器之心對 ROSS Intelligence 的 CTO、聯合創始人 Jimoh Ovbiagele 進行了專訪，他向國內的讀者介紹了 ROSS 的創業歷程、ROSS 所採用的技術以及未來 ROSS Intelligence 的發展方向 。

不容忽視的國內力量

作為微信創始團隊成員之一的李明強在 2014 年創辦了「圖普科技」，這家公司為企業用戶提供一個「圖像識別雲服務」，企業可以選擇或者定製自己需要的各種圖像識別服務，完成內容審核、場景識別等功能。

圖普科技創始人李明強是原騰訊資深項目經理和 T4 的技術專家，跟隨張小龍一起參與了 QQ 郵箱和微信等產品的研發，擁有 7 年的互聯網產品項目管理、團隊管理、產品設計以及運營推廣經驗。在接受機器之心採訪時，李明強詳細介紹了用產品思維打造圖像識別場景化應用的方法論 。

而作為國內語音企業的代表，雲知聲專註物聯網人工智慧服務，通過 AI 芯、AIUI、AI Service 三大解決方案支撐核心技術的落地和實現，目前已經在家居、汽車、醫療和教育等領域有廣泛應用，形成了完整的「雲端芯」生態閉環。

在機器之心對雲知聲 CEO 黃偉的專訪中，他介紹了雲知聲的技術研究、「雲端芯」產品戰略、在車載和醫療行業的應用，以及對人工智慧看法。

同樣，人工智慧在金融領域的應用是一個很大的問題，一直以來也受到業界的廣泛關注。璇璣公司就有一套這樣的智能理財系統，既使用了傳統的數據統計方法，也使用了支持向量機這樣的機器學習模型。機器之心在 2016 年也對璇璣公司的 CEO 鄭毓棟進行了專訪，探討人工智慧在金融領域的應用 。

作為國內人工智慧企業的優秀代表，搜狗的產品和戰略也一直吸引著業界關注的目光。2016 年 4 月，搜狗宣布與清華大學聯合成立「清華大學天工智能計算研究院」，把人工智慧作為重要戰略發展方向，但一直沒有透露太多關於具體人工智慧研發和應用層面的信息。為此，機器之心對搜狗語音交互技術中心負責人王硯峰進行了專訪，王硯峰介紹了搜狗的人工智慧研究歷史，以及在人工智慧方面的產品創新思路。

搜狗語音負責人王硯峰

另一家專註於機器學習的「獨角獸」公司今日頭條也不容忽視。在論文被 ACL 2016 收錄後，機器之心也獨家專訪了頭條實驗室科學家李磊，在此篇專訪中，他向我們介紹了被收錄的論文，還有他對概率程序語言、自然語言處理方面的理解。

而作為世界頂級人工智慧專家，在人工智慧研究領域深耕三十年的楊強教授和他的第四範式也是 2016 值得被關注和記錄的代表。在機器之心對楊強教授的專訪中，他對遷移學習、人工智慧行業與技術進行了深入講解，並對人工智慧從業者提供了眾多有價值的建議，並指出「未來人工智慧會讓二流科學家失業」。

進擊的谷歌與開放的未來

毫無疑問，2016 年穀歌在人工智慧領域的各項突破和進展處於絕對領先的位置。9 月 27 日，在谷歌於 arXiv.org 上發表論文《Google`s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation》介紹谷歌的神經網路翻譯系統（GNMT）後，「機器之心」也受邀來到谷歌中國和來自 Google Brain 的軟體工程師陳智峰聊了聊人機翻譯、GNMT 和谷歌的技術創新等問題 。

除了佔盡各大媒體版面的各類事件和突破，谷歌最受人關注的話題之一也在於大公司壟斷的尖銳話題。2016 年 10 月，在中國進行短暫停留的谷歌高級研究科學家 Greg S Corrado 也和機器之心進行了系列交流。

Greg S Corrado

除了機器學習、量子計算和 TensorFlow，Greg 在大公司壟斷的問題上也回應道，「一家從事某些小研究專註小範圍的產品的公司逐漸壯大起來是一件很尋常的事情，就像當年 IBM 並沒有想方設法阻止微軟的成長，微軟也沒有阻止谷歌的成長，谷歌也沒有阻止 Facebook 做大做強，這種情況會永遠持續地發生下去。從好地方面看，目前我們的行業總是能以某種方式保持更迭並不斷前行。」

正如他在評價 TensorFlow 開源時所提到的，未來這個領域相關的產品，谷歌打算把自己開發的平台也通過雲服務共享給公眾使用，通過這種雲機器學習，其他開發者可以開發和實現自己的機器學習構想，就像在谷歌中研發一樣。開發者可以通過 TensorFlow 使用谷歌提供的免費軟體和工具，也可以用雲服務運行他們自己構建的機器學習系統。

精耕細作的微軟和它的秘密武器

由於人類自然的語言語音交互方式，以及天生的情感和社交需求，我們對於能與我們進行語音交互和聊天的智能應用格外關注。近幾年人工智慧的迅速發展也帶來了更多更加智能的智能語音助理，包括 Google Now、Facebook M、亞馬遜 Echo、微軟 Cortana 和小冰等，其中的大部分產品重點關注功能，比如、語音控制和信息查詢等，而微軟小冰卻是走了另外一條路——從與用戶的情感交流出發，在底層的深度學習技術越發通用的前提下，不同的產品理念就體現了各方對人工智慧現狀及未來的不同理解。就此，機器之心對微軟（亞洲）互聯網工程院院長王永東博士、小冰項目資深產品總監彭爽等人進行了深度專訪。

在微軟研究院人工智慧首席科學家鄧力眼裡，人工智慧的成功在於將多種理論方法整合成一個完整系統。

微軟研究院人工智慧首席科學家鄧力

在機器之心對鄧力的專訪中，他介紹了自己和微軟研究院在做的關於人工智慧的數項研究，回顧了自己在人工智慧和語音識別領域的研究歷程，並深入分析了人工智慧領域的研究現狀和未來發展，針對無監督學習等人工智慧難題提出了自己的研究思路和解決方法。相信鄧力的精彩分享將會給人工智慧從業者帶來巨大收穫，其對人工智慧的深入思考和研究理念也會給大家帶來寶貴的靈感和啟發。

2016 年 9 月中旬，微軟報告了在語音識別方面取得的新里程碑：新系統的識別詞錯率降至 6.3%；一個月後，微軟又公布了在這一領域成功實現了歷史性突破：他們的語音識別系統實現了和專業轉錄員相當甚至更低的詞錯率（WER），達到了 5.9%

帶領團隊取得這一成果的正是微軟首席語音科學家黃學東。在對黃學東博士的專訪中，我們共同探討了詞錯率降低背後的秘密、這一成就的意義，以及他對語音識別的思考。

此後，機器之心也有幸專訪了頂級語音專家、MSR 首席研究員俞棟。在專訪中，俞棟老師除了談論深度學習與語音識別相輔相成的發展以及相關領域的現狀和未來，還為我們詳細介紹了語音識別的四大前沿研究。

當然，除了突破和進展，我們還面臨著諸多的難題。如何在增加 CPU 或 GPU 數量的同時，保證訓練的線性加速以及性能？這是並行訓練中存在的一個矛盾問題。微軟亞洲研究院首席研究員霍強博士的研究團隊就較好地解決了這個經典的兩難問題，讓大規模並行訓練在增加 GPU 的條件下幾乎實現了線性加速並保證了模型性能，這一突破對大數據機器學習的效率提升意義重大。