亞馬遜AWS首席科學家Animashree Anandkumar：機器學習將引領未來革命

4月14日，由《中國企業家》雜誌社、木蘭匯公益基金會主辦的全球木蘭論壇暨2018（第十屆）中國商界木蘭年會在北京舉行。據悉，本屆年會以「未來之舞」為主題，議題包括：未來之舞；人工智慧與未來世界；如何激活95後；為創業女性提供融資新模式；新物種進化：從1到N；新消費升級；女企業家如何打開全球市場；華為的組織管理模式；創新實驗室；設計工作坊等。

會上，亞馬遜AWS首席科學家Animashree Anandkumar發表了自己的觀點。她提到，「我希望我們的機器學習拓展到更多的領域，因為大家的常識，數據本身是有維度。我們想到一張照片，這個照片有長寬、有不同的色彩；如果是視頻，還有時間，是第四個維度。你搜集這些數據裡面有不同的維度，我的問題就是怎麼去充分有效利用這些維度。」

以下為Animashree Anandkumar的主題演講實錄，由品途商業評論（ID：pintu360）精編整理，有刪減：

我今天非常榮幸和大家交流，參加全球木蘭論壇。我多次來到中國參觀訪問，來做發言。這是我第一次看到這麼多的女性企業家，女性聽眾，我們感覺非常驕傲成為你們當中的一員。

在中國、在印度，其實從傳統上來說，這是因為幾千年的一個歷史傳統，女性一直在社會當中都受到尊重，但是不得不承認在當今世界我們也是有各種各樣的障礙亟待女性去突破，今年看到木蘭做了這麼多努力，把女性精英聚集在一起，來提高我們高科技從業者的性別多元化。我們現在還有這麼多女性，其實我的母親也是我所在社區的第一位女性工程師，她是我個人的榜樣。而且當時也不是那麼容易學工程的，因為我的祖父當時是很擔心，覺得自己女兒幹嘛學工程呢？所以我母親只好以絕食抗議，最終獲得了認可。我自己也是投身數學、科學，以及工程學。

我從三歲開始就特別喜歡跳舞，我覺得它能夠體現一種女性優美的運動。後來學習數學，覺得二者是相通的，學習人工智慧也感受到共同的美，作為人你怎麼來學習、怎麼讓這個機器像人一樣來思維，這個智能對我們意味著什麼？當我們說這個人很聰明，到底是一種什麼樣的含義，怎麼讓一台機器像人一樣，有人的思維和人一樣聰明。這是我日思夜想的問題。在過去幾年人工智慧出現了爆發性的增長，同時也沒有考慮到剛剛在研究生層次學習AR沒有想到這個行業有如此爆發性的增長，可能由於計算能力的蒙雜，包括中國。因為在我這個群體有很多來自中國的留學生，我教授的留學生就是中國的留學生，現在成為馬里蘭大學的一位終身教授了。

現在我要和大家分享，未來的機器學習意味著怎樣一種革命，以及我們在這樣的潮流當中如何從中汲取最大的收益。

我自己也是參加了亞馬遜的網路服務業務，在亞馬遜我們使用人工智慧和機器學習已經有非常悠久的歷史，我們一開始是做購物網站的。當然要想如何用AI來做識別和建議，比如有一個人之前買了一個網球，可能未來要買網球拍。但是這樣一個建議怎麼提供給它，而且這麼多的網球拍品牌我們提供哪怕一款呢？是隨便嗎，我們可能有成百上千上萬的品牌，怎樣進行個性化的購物推薦呢？另外是實現自動化和庫存的管理，我們自己的中心是遍布全美，如何能夠保持我們的產品最快到我們的發貨中心，供應鏈如何快速的管理，如何最快的交付到客戶的手裡。

最近有一個令人激動的發展，就是我們自己開始用無人機來進行遞送了。在未來無人機很可能使我們的產品交付到家門口變成一件非常容易的事情。

還有一個是Alexa，Alexa這個人工智慧的產品可以成為你的閨蜜、你的好朋友，你可以隨便向Alexa提問。現在的使用用戶以在不斷的增加，特別是孩子，孩子非常喜歡Alexa，因為Alexa可以跟你聊一天也不會嫌煩，現在成為非常受歡迎的AI的亞馬遜產品。未來要讓它更好的理解這個問題本身，而且能夠快速的搜索相關的問題，來做出完美的回答，我們肯定是離不開AI，要有非常強的AI實力才能讓它運行完善。

另外，還有amazon go這個產品，如果去我們的門店很麻煩，要排大隊，而且要掃碼交錢，amazon go這個門店就讓你覺得好像在裡面偷東西一樣，就隨便拿一個東西直接走出去就行了。amazon go是可以清楚你買了什麼，我們在西雅圖開了一個店。未來我覺得有這種技術和模式，我們的零售店會更加便捷、更加方便。

我自己也在參加亞馬遜雲平台的學習，現在能想像到所有的應用都是在雲上運行，所以我們要特別關注云和大數據。

下面就是人工智慧和機器學習，這麼多的數據都存在雲上，很自然就要在雲上對它們加以處理，所以我們要構建人工智慧和機器學習的服務能力。這是很關鍵的。我現在在亞馬遜網路服務部門做這個事情。

如果我們考慮到底是什麼是人工智慧，它的實質是什麼？其實還是演算法。演算法其實說白了就是程序，告訴你怎麼來進行數據的處理，怎麼從中學習，然後找出一個新模型來作出新決策。但是要實現這個目標我們得有數據、得有訓練數據，還要有海量的訓練數據才強。除此之外還需要有運算能力，所以這個雲計算就出現了，比如說成百上千GPU放到雲上來計算，這樣可以進行大規模的學習，所以人工智慧其實是有三個核心的要素，核心的演算法、訓練的數據，以及運算的基礎設施。所有這些都是可以在雲上實現的。

現在深度學習也是非常時髦的一個概念，大家肯定都聽說過這個概念，甚至每天都可以在新聞當中聽到。首先我們如何來進行圖像識別，如何來進行語音的識別，如何進行自然語言的處理，最後最近最火的就是自動駕駛汽車，AI系統怎麼能夠進行自主的決策，所以在過去可以深度學習也是這麼多的領域呈爆髮式的應用的發展。

我給大家舉一個例子，就是計算機的場景識別，它可以自動的識別出一張圖片當中的不同的物體，比如說有游泳池各種各樣的東西，他可以自己給上面打標籤。同時還可以進行人臉識別，你能不能看出這個人是不是有獨特的指標，他當時是一種什麼樣的表情和心態。還可以進行識別演算法，能不能夠在一大群圖片當中找出一個人，這些都是應用。這些應用其實在生活當中都已經實現了。

給大家簡單介紹一下我自己研究的一些課題，我希望我們的機器學習拓展到更多的領域，因為大家的常識，數據本身是有維度。我們想到一張照片，這個照片有長寬、有不同的色彩；如果是視頻，還有時間，是第四個維度。你搜集這些數據裡面有不同的維度，我的問題就是怎麼去充分有效利用這些維度。

我最近在做一個庫來解決這個問題。這是一個非常簡單的介紹，就是怎麼來充分利用數據當中嵌入不同的維度，當然我說的東西可能聽起來太複雜，這個東西確實不簡單，我也不會說謊話的。我給大家在這張圖片當中展示出來，要走過這些步驟才能把一個概念變成一個真正產出結果的機器學習的產品，它可能每秒輸出百萬的數據數據點，這是非常非常難的流程，只要你是干我這行的就知道。

在亞馬遜的AWS，現在關注的數據集要更大，我們做的是sagemaker是什麼東西，使得我們的機器學習演算法能夠以更少的步驟把它從一個概念變成現實，就是幫大家縮短成熟的時間。我們有一個優惠的演算法，你自動的往裡面輸可以自己的進行學習、自我的進行訓練，你可以找一百台機器學習，你願意定多少台機器就會有多少機器，這裡面有所謂的參數的優化的功能。能夠自動的選擇一些好的參數，一旦我們培訓了這樣一個機器學習模型就可以進行一鍵部署，整個思路首先要知道我們想要什麼樣的機器學習的演算法，我們需要完成什麼樣的使命，我們就可以來進行部署，所以這就是為什麼sagemaker如此好。我建議你們如果感興趣可以看一下我們給它賦予的能力和部署。

我們再看一下整個機器學習的堆棧，上面是一個應用服務，大家都知道的一個最高層次，這裡面有一些識別圖像、視覺的功能，還有一些視頻識別功能。所以我們可以用一個識別的功能和應用。除此之外，我們還有語言識別、圖文處理、轉錄等等。

下一個是平台服務，我們把老的數據帶過來，然後看一下需要進行什麼樣的演算法，然後進行培訓。

最下面的一層是框架基礎的設施，我們可以拿到盡量多的GPU，除此之外我們有雲上最快的一些GPU，還有CPU，所以我們有最複雜的以及最起的一個基礎設施。能夠幫助你們在雲上進行更好的機器學習。非常感謝。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！