余凱 在慕尼黑大學(xué)獲得計(jì)算機(jī)科學(xué)博士學(xué)位，曾在微軟、西門子和NEC工作。余凱是南京大學(xué)、北京郵電大學(xué)、北京航空航天大學(xué)的兼職教授，以及中科院計(jì)算所客座研究員。余凱博士被授予中關(guān)村高端領(lǐng)軍人才，北京市“海聚計(jì)劃”海外高層次人才，以及中組部“千人計(jì)劃”國(guó)家特聘專家。前百度研究院副院長(zhǎng)，深度學(xué)習(xí)實(shí)驗(yàn)室主任。2015年5月22日，余凱已經(jīng)從百度離職，已正式完成離職手續(xù)，離開百度創(chuàng)業(yè)，建立地平線機(jī)器人科技公司。

余凱指出，人工智能首先應(yīng)具有感知的能力，通過傳感器能夠感知到環(huán)境的變化；其次是理解力，從感知階段上升到對(duì)世界的理解；第三是決策能力，通過理解之后做出決策。

人工智能最簡(jiǎn)單的形式是通過觀測(cè)到的現(xiàn)象、數(shù)據(jù)、知識(shí)，映射成預(yù)測(cè)、判斷。余凱用了一些比喻來梳理了這個(gè)過程：輸入圖像輸出“物體”的名字的映射，就是圖像識(shí)別；輸入語音訊號(hào)輸出“文本序列”，就是語音識(shí)別；輸入一段話輸出“解析的樹狀結(jié)構(gòu)”，就是云儲(chǔ)；輸入車輛行使周邊路況情況輸出“控制決策”，就是自動(dòng)駕駛。

關(guān)于過去基于規(guī)則的人工智能系統(tǒng)，余凱指出過去多以演繹的方式來建立系統(tǒng)，其概念類似“一生二，二生三，三生萬物”。從一個(gè)基本法則出發(fā)，推導(dǎo)出一個(gè)紛繁復(fù)雜的系統(tǒng)。這種方法主要受自然科學(xué)的方法論的影響，通常從不言自明的公理出發(fā)，但從這一思維出發(fā)所得到的人工智能系統(tǒng)，常常會(huì)過于簡(jiǎn)單。

傳統(tǒng)基于規(guī)則的人工智能系統(tǒng)，沒有取得積極的成果，但卻得到了很多教訓(xùn)。余凱說到，其一是這個(gè)世界是紛繁的，存在著很多因素和要素，彼此之間有復(fù)雜的影響，形成復(fù)雜的網(wǎng)絡(luò)和系統(tǒng)，難以用一個(gè)公式來描述；其二是有很多因素和參量不能觀測(cè)到，所以系統(tǒng)具備不確定性；如果用確定性的規(guī)則，無法掌握這樣的復(fù)雜系統(tǒng)，要采用基于統(tǒng)計(jì)的概念；其三是現(xiàn)實(shí)世界紛繁復(fù)雜很難完整描述，只有從數(shù)據(jù)中不斷地學(xué)習(xí)、加深對(duì)問題的理解，同時(shí)跟隨數(shù)據(jù)的演化和進(jìn)化，才是關(guān)鍵。這也是“大數(shù)據(jù)”的重要意義，數(shù)據(jù)在本質(zhì)上，為人提供了了解世界的可能。

余凱認(rèn)為驅(qū)動(dòng)人工智能的進(jìn)展主要有三個(gè)因素：

大數(shù)據(jù)：線下的數(shù)據(jù)不斷線上化。

大算法：深度學(xué)習(xí)和增強(qiáng)學(xué)習(xí)的發(fā)展，深度學(xué)習(xí)用來感知、處理信號(hào)，增強(qiáng)學(xué)習(xí)則做于決策。二者相輔相成。

大計(jì)算：按照摩爾定律，2030 年一千美金買到的計(jì)算資源跟人腦相似。當(dāng)然，現(xiàn)在英特爾宣布摩爾定律開始變慢。所以預(yù)測(cè)沒法這樣下去，另外一方面，從宏觀上講，對(duì)處理器架構(gòu)的改版不僅僅是工藝層面，架構(gòu)的變化也為計(jì)算帶來變化。

今天手機(jī)在連接人和世界這件事情上扮演的地位相當(dāng)于PC時(shí)代的瀏覽器，幾乎是唯一的連接人和服務(wù)、連接人和世界的節(jié)點(diǎn)。

但是展望未來，可以看到汽車、家電、玩具都變得越來越智能，在家只需要掏出手機(jī)來操控某個(gè)家電、洗衣機(jī)或者空調(diào)。余凱表示，智能家電、汽車、玩具的人機(jī)交互功能越來越強(qiáng)，處理信息的能力越來越強(qiáng)，它們表達(dá)信息的能力也會(huì)越來越強(qiáng)。比如說，在不遠(yuǎn)的將來，大家就會(huì)看到很多家居產(chǎn)品上會(huì)有個(gè)大屏幕，展現(xiàn)非常豐富的信息。在這種情況下，用戶應(yīng)該更多的是直接和這些產(chǎn)品進(jìn)行交流、交互，而不會(huì)再掏出手機(jī)，找到APP，然后開始操作。

余凱表示這里面蘊(yùn)含著硬件形態(tài)的連接結(jié)點(diǎn)會(huì)更加適應(yīng)這種分散化場(chǎng)景。比如，今天能看到的一個(gè)例子就是汽車。汽車的屏幕越來越大，中控平臺(tái)現(xiàn)在可以針對(duì)汽車做的語音交互。這些都是更直觀的展示，追求的是讓你進(jìn)了汽車之后，完全不再需要手機(jī)。

所有的這些硬件的智能化，都會(huì)具有感知，交互，和控制的能力，都會(huì)成為廣義的機(jī)器人。在各自的垂直場(chǎng)景中，它們都成為連接人和世界的節(jié)點(diǎn)。自動(dòng)駕駛汽車就是一個(gè)具體的例子。

余凱表示，從目前來講，絕大部分人工智能創(chuàng)業(yè)公司都是在基于 GPU 這樣的計(jì)算平臺(tái)和在基于Caffe、TensorFlow 這樣的開源平臺(tái)，用比較成熟的模型結(jié)構(gòu)來訓(xùn)練，然后做一些解決性問題和 Demo，差異化確實(shí)不明顯?；诂F(xiàn)在的開源模式來做創(chuàng)新，在算法方面壁壘確實(shí)也不高。所以這就導(dǎo)致在一些標(biāo)準(zhǔn)問題里，各創(chuàng)業(yè)公司的效果都差不多，技術(shù)差距也并不大。這里面的核心原因之一就是中國(guó)人工智能原創(chuàng)性技術(shù)太少。

最近大家在說中國(guó) AI 的人才、技術(shù)儲(chǔ)備、研究、創(chuàng)新都有優(yōu)勢(shì)，余凱表示這個(gè)觀點(diǎn)他不太認(rèn)同。實(shí)際上，國(guó)內(nèi)學(xué)生在已經(jīng)討論出解決辦法的情況下去做拿競(jìng)賽、刷分，這方面我們很擅長(zhǎng)。但真正做出 AlpahGo 這樣的創(chuàng)新，確實(shí)還差些火候，而且國(guó)內(nèi)也缺乏孵化這種創(chuàng)新的土壤。

余凱認(rèn)為實(shí)際上，人工智能產(chǎn)業(yè)仍處于早期階段，重大應(yīng)用場(chǎng)景還在不斷摸索，產(chǎn)出的確非常低。“但如果回到‘.com’時(shí)代，你會(huì)發(fā)現(xiàn)當(dāng)時(shí)的商業(yè)模式也是探索了很長(zhǎng)時(shí)間。資本市場(chǎng)確實(shí)有追逐短期回報(bào)的現(xiàn)象，所以明年下半年到后年，即便整個(gè) AI 投資市場(chǎng)趨冷也并不奇怪。”他說，“AI 行業(yè)與‘.com’時(shí)代一樣，即便是趨冷，但也不會(huì)影響到整體的趨勢(shì)。”因?yàn)?AI 確實(shí)在推動(dòng)產(chǎn)業(yè)發(fā)展，實(shí)實(shí)在在創(chuàng)造價(jià)值，它不會(huì)進(jìn)入一個(gè)萬劫不復(fù)的寒冬。

實(shí)事求是地說，如果按照投資機(jī)構(gòu)的計(jì)算方法，AI 泡沫是一定存在的。AI 創(chuàng)業(yè)公司確實(shí)估值比較高，而且市場(chǎng)進(jìn)展也并不盡如人意，但是到 2017 年或后年一定會(huì)有所變化。余凱還十分風(fēng)趣地打了一個(gè)比喻說：“從長(zhǎng)期趨勢(shì)來看，適當(dāng)泡沫純屬正常，就像啤酒有泡沫味道才更好，正是因?yàn)榕菽抛尭鞴径加袡C(jī)會(huì)去登上舞臺(tái)。不論怎樣，大家亮個(gè)嗓子，在舞臺(tái)上唱一下。”

最后，余凱表示他對(duì) 2017 年充滿了期待，希望未來人工智能處理器硬件行業(yè)會(huì)有大的突破；同時(shí)相關(guān)算法上繼續(xù)持續(xù)創(chuàng)新；在某些應(yīng)用場(chǎng)景上出現(xiàn)重大突破，如醫(yī)療、自動(dòng)駕駛、智能家居等。