英偉達何猶卿：AI深度學習正在改變世界

科技 07-20

深度學習和大量的計算機資源整合將推進人工智慧在各行業的應用。

2017年7月9日，由鎂客網、振威集團聯合主辦的「3E『硬紀元』AI+產業應用創新峰會」在北京國家會議中心盛大開幕。現場200位來自全球AI行業的頂級專家、知名創投機構、創業公司團隊和知名媒體齊聚一堂，共謀AI+行業的創新應用，探討AI的當下與未來。

來自英偉達的中國銷售區總監何猶卿先生，在峰會期間進行了主題為「AI深度學習正在改變世界」的演講。他表示，善用好深度學習和現有的大量計算機資源，將會很好得助推整個AI產業的發展。

以下為演講實錄（為方便閱讀，有所刪減）

感謝主辦方，今天安排這個機會讓我可以跟大家分享人工智慧方面的一些應用。今天的演講，我選用人工智慧里的一個關鍵環節作為標題，在演講的過程中，將主要就深度學習技術進行展開，它是實現高級人工智慧的核心技術。

前面圖森、奇點汽車等公司的代表，已經把人工智慧在產業當中的一些應用做了描述，所以我會快速地跟大家分享一下人工智慧在很多方面的應用。

直觀感受人工智慧

其實，從人工智慧的具體實現來看，主要就是以下三個方面，第一：機器如何有視覺的能力；第二：機器如何有聽覺的能力；第三：機器如何有理解和推理的能力。

在很多的應用場合當中，如語音助手以及根據圖片做一些搜索和精確的推薦，都已經採用了人工智慧技術。目前來看，人工智慧已經進入到我們生活的方方面面。

首先談談特別場景的應用，比如說我的英文水平不太好，但我要跟一個外國人對話，這個機器可以幫我來做一個實時的翻譯；還有我們針對盲人製作了一款智能眼鏡，眼鏡上的攝像頭可以將拍攝到的場景轉為語音來提示這個盲人，以此來幫助他；此外，當我們針對某一位病人做一些監護的時候，機器也能幫我做一些監護，包括部分病理的分析和預測。

另外在生活中，人工智慧也為我們帶來便利。比如現在我們在很多公共場合的視頻監控，它們可以做一些識別和突發事件的分析。還有在很多的場合包括北京的龍泉寺，已經有了的這款機器人，可以幫助我們做一些輔助工作；此外，在農業應用上，加州也有一個公司在利用人工智慧來幫助做農活。具體來說，就是在除草的機器上面，它會裝攝像頭，這個攝像頭會告訴這個機器什麼是莊稼，什麼是雜草，那麼然後機器會除去雜草，而不是去除莊稼。

人工智慧市場潛力巨大

前面米博士也談到了，從1995年開始我們進入互聯網時代，直到2005年以後移動互聯網時代開始，到了2015年，這個時代應該就進入到人工智慧和物聯網的時代。在人工智慧這個領域，不管是全球型的大公司還是一些創業公司，都非常關注人工智慧的應用。

確實，這個領域的市場潛力非常巨大，對此，我來給出幾組數據。到2020年，在可能跟用戶發生交互的工作當中，有85%的設備會嵌入人工智慧技術來做一些應用；投入到人工智慧技術跟研發方面的一些費用將達到470億美金；此外，可能會有20%的企業會用神經網路來輔助相關工作。

人工智慧的發展

人工智慧發展基礎|機器學習

人工智慧是一個很大的範疇，如上圖顯示，實際上這已經不是一個很新鮮的概念。過去有很多方式來實現人工智慧，比如說通過機器學習，可以幫助我們實現人工智慧的一些應用。

機器學習是一個很好的方式，但目前來講，在準確度方面不是太理想。關於機器學習，最為大家熟悉的一個例子，就是我們在做郵件系統時設置了一個防止垃圾郵件的功能，該功能可以做一些標記等等。但實際應用中，我們也有些不好的體驗，比如它有時候把不該攔截的郵件給攔截了。

人工智慧發展動力一|神經網路

從2011年開始，包括很多院校和研究機構，他們都在嘗試用深度學習，即神經網路訓練的這種方式，來從事人工智慧方面的研究工作。神經網路的出現為人工智慧技術帶來很大提升，具體表現在，它能讓機器達到一個非常高的準確度，比如說95%以上。

現在，我們在做圖片的識別、人臉識別這些方面，精確度已經超過了人眼，能達到99%以上的準確率。

人工智慧發展動力二|大數據

還有一個很大的動力就是有一個圖片分類的競賽，我覺得這個事情對整個深度學習起到了很強的推動作用。其中，它利用大量的樣本去訓練神經網路，來提升人工智慧識別的準確度。

迄今為止，從全球的趨勢來看，無論是科研機構還是各行各業的公司，越來越多的人都會參與到人工智慧這個領域裡面來。

人工智慧的核心技術|深度學習

深度學習|概念

深度學習是一個全新的計算模式，這點要跟大家稍微闡述一下。過去，我們談論的計算都是一個非常精確的計算，如我們有一個數學公式，可以描述為1+1=2。

而今，深度學習實際上是計算一些我們無法用公式來描述的應用，譬如說下圍棋，事實是沒有一個準確公式或者說推理可以描述這件事情，但是我們可以通過樣本訓練來教會這個機器，讓它學會這個技能。因此可以說，深度學習是一個新的業務模式，一個新的計算模式。

深度學習|實現

圖中最左邊，可以看到，我們有很多科學家、數據學家設定的一些演算法，即神經網路。然後我通過大量的樣本來教會這個機器，這個過程我們一般稱之為訓練。

圖中最右邊，我們看到，訓練完這個模型之後，可以把軟模型拿出來，拿一個示範到雲端，然後在數據中心雲端給大家來提供服務。這裡一個典型的案例就是現在微信的語音識別，我們說一段話，他能把說的話翻譯成文字，類似這樣的一個應用的場景。

深度學習|落地案例：DGX1

我可以把訓練好的模型，搬到一個嵌入式設備當中，那麼這個嵌入式設備可以是個機器人，也可以是汽車，即自動駕駛。

為了做系統的神經網路訓練，我們做了一台設備，叫做DGX1。可能大家會問說，做處理器的為什麼要做系統？當然我們做這台系統是有我們自己的考量。DGX1的配置很常規，這裡邊主要是有八個高性能的GPU(圖形處理器)，和GPU之間的一個通信鏈接。

這台伺服器，它的計算能力相當於250GHZ甚至更強的伺服器，也就是一個中等規模數據中心。此外，我們在整個機器當中部署了非常多的工具，這些工具中也包括了很多開源的神經網路，比如一些深度學習的訓練框架等。

深度學習|落地的初衷

我們為什麼要做這樣一個工作？

我們知道，一旦我們在做機器的視覺識別的時候，就會發現有太多的東西要教會這個機器，就像我們人的眼睛，可以識別邊很多東西，如花草、水果、動物等。而目前，我們要針對不同的業務，去訓練神經網路，教會機器來做識別。大家要知道這種訓練的量非常大，所以說如果能有一台設備非常高效的幫我來實現某一科目的訓練、做一個識別，這樣對整個人工智慧走嚮應用和生產會有巨大的幫助，這就是我們做這台設備的初衷。

長遠來看，就是我們做事有一個宗旨：要降低技術的門檻，快速把這個技術落地，以運用到企業的生產和運營中。大家不用花太多的時間去優化和學習這些神經網路，我們提供很多的工具可以幫助大家來快速進入到實質工作上。

深度學習|影響

剛才我們提到2005年到2015年是移動互聯網轉向人工智慧的過度時期，這期間，移動互聯網的發展帶給大家非常多的數據，也就是我們現在所說的大數據，因此也產生了數據就是金礦的說法。即用數據來幫助業務決策和做一些分析預測。

過了2015年，人們就開始用人工智慧技術來幫助企業做一些工作，到了這個時代，我們可以說是進入到了一個演算法的時代。

目前很明顯的現象就是形成一種數字經濟。

如圖，這是美國一家在線零售商，他用了AI技術來實現運營。主要運用在兩個方面，一個是機器人客服來回答客戶的諮詢問題，第二個方面就是根據一個訂單準確的一個描述，比如說我買了一個手機，加了一個殼等等，機器來幫助員工在貨物的清點跟包裝不出現錯誤。

國內也有我們有一個合作夥伴叫深藍科技，最近也比較熱門，因為他們在做智能無人商店，他們主要利用AI來對商店裡邊包括語音的問答、分析用戶的消費行為做一個分析。它也跟我們有些合作，用視覺分析的辦法來確保整個銷售的完成。實際上目前在國內，像阿里、娃哈哈、海底撈等，很多公司已經進入到這個領域來，開始來做這個無人值守商店。

人工智慧推進過程值得關注的問題

問題一|平台

通常來講，作為一個機器，像DGX1這樣的設備，它提供了非常多的工具，比如採用一個可視化的界面來實現整個神經網路訓練的過程。

但除了提供一些工具，也需要提供一些平台，包括用台式機或者用伺服器數據中心搭建的訓練環境。

如英特爾線上推理計算這一端，我們在雲端提供了相關應用的一些平台，包括嵌入式機器人、自動駕駛等方面。

所以說，平台的提供是很重要的一點。

問題二|人才

對此，我們有一個深度學習學院。具體就是面向公眾包括一些特定的企業，開設一些深度學習技術方面的課程培訓。在官網上有專門的這樣一個網址，大家可以去看。

總結

想像一下，如果我們要開展深度學習相關項目工作，非常容易就找到工具、平台和人才資源，這將會非常利於工作的高效展開。

人工智慧的現狀、影響和展望

整個AI行業處於一個初始的階段，也處在一個高度進化的過程。現在，在互聯網領域有非常多的關於人工智慧方面的應用，甚至在很多雲端服務中，AI技術也被應用，為大家提供服務。但同時，AI也在改變很多行業的業務規則。