211service.com
Kinesisk sökning Jätten Baidu anställer en man bakom Google-hjärnan
Baidu har länge kallats Kinas Google eftersom det dominerar webbsökning i landet. Idag blev jämförelsen mer träffande: Baidu har öppnat ett nytt forskningslabb för artificiell intelligens i Silicon Valley som kommer att övervakas av Andrew Ng , en Stanford-professor som spelade en nyckelroll på Google inom ett område som kallas djupinlärning. Han var också en av grundarna av onlineutbildningsföretaget Coursera.
De senaste framstegen har utlöst en teknisk kapprustning i Silicon Valley, med stora webbföretag som tävlar om den bästa akademiska talangen. Liksom Google, Facebook och andra företag som skyndar sig att investera i djupinlärning, är Baidu motiverad av löftet om dramatiska framsteg inom artificiell intelligens.
Deep learning gör det möjligt för maskiner att bearbeta stora mängder data med hjälp av simulerade nätverk av enkla neuroner, grovt modellerade på de som finns i biologiska hjärnor. Tillvägagångssättet har gett dramatiskt förbättrad programvara för uppgifter som bild- och taligenkänning (se Deep Learning ), och det kan i slutändan tillåta appar, enheter och internettjänster att förstå saker som bilder och text lika bra som människor gör.
Även om den senaste boomen inom djupinlärning har sitt ursprung i akademin, exploderade intresset 2012 efter att Google-forskare som samarbetade med Ng tillkännagav ett genombrott för ett projekt som kallas Google Brain. De byggde mjukvara som analyserade 10 miljoner foton tagna från YouTube-videor och lärde sig känna igen tusentals föremål, inklusive ansikten på människor och katter, utan mänsklig vägledning (se Självlärd programvara ).
Sedan dess har amerikanska teknikjättar tävlat om att anställa ledande figurer inom det relativt lilla fältet (se Is Google Cornering the Market on Deep Learning? och Facebook lanserar Advanced AI Effort ), och de har börjat visa hur tillvägagångssättet kan främja tekniken de erbjuda konsumenterna. Google och Microsoft har använt djupinlärning för att förbättra taligenkänning och översättning (se Google sätter sin virtuella hjärnteknologi i arbete och Microsoft bringar Star Treks röstöversättare till liv). Samtidigt har Facebooks djupinlärningsforskare nyligen demonstrerat ansiktsbearbetningsmjukvara som är nära att matcha mänskliga prestationer (se Facebook-programvaran matchar ansikten nästan lika bra som du gör).
Innan Baidu beslutade att öppna sitt nya labb, beläget i Sunnyvale, hade Baidu uppnått goda resultat genom att lägga till djupinlärning till flera produkter sedan slutet av 2012, säger Kai Yu, chef för företagets djupinlärningslabb i Peking. Tekniken kan ses i Baidus översättningsapp, som identifierar objekt som knäppts på en smartphone med deras kinesiska och engelska namn. Det används också i företagets annonsinriktningsteknik. Vi fick ett omedelbart utbyte av att lägga till djupinlärning i vårt annonssystem, säger Yu. Det ökade klickfrekvensen avsevärt.
Yus Beijing-labb är fokuserat på att tillämpa djupinlärning på befintliga Baidu-produkter och de som kommer att introduceras snart. Det nya Silicon Valley-labbet kommer att arbeta med mer grundläggande forskning, säger han. Förhoppningen är att detta breda uppdrag och Ngs stjärnkvalitet, i kombination med Baidus rymliga lager av bilder, text och video, kommer att locka ledande talanger. I Silicon Valley finns en enorm talangpool som är så unik, säger Yu. Vi vill verkligen att något revolutionerande ska komma från labbet.
Ng kommer att vägleda den ansträngningen i sin nya position som Baidus forskningschef, och övervaka Silicon Valley-labbet, Yus labb och ett annat labb i Peking som är dedikerat till big data. Han kommer att arbeta från Sunnyvale-labbet, där Baidu säger att det kommer att investera 300 miljoner dollar under fem år.
Labbets forskning leds av Adam Coates, tidigare doktorand och postdoktor i Ngs forskningsgrupp Stanford. Coates säger att ett stort fokus kommer att ligga på att bygga mjukvara som lär sig utan mänsklig input, som Google Brain-systemet gjorde – en metod som kallas oövervakad inlärning.
Oövervakade system kräver mindre ansträngning från programmerare, men än så länge har de relativt dålig noggrannhet, åtminstone jämfört med människor. Googles kattigenkänningssystem nådde till exempel cirka 70 procents noggrannhet. Den största öppna frågan är 'Hur kan du använda oövervakad inlärning för att nå prestanda på mänsklig nivå?' säger Coates. Men vinsten för att förbättra ens lite borde vara stor. Så många av de produkter som vi vill bygga är saker som vi vill interagera med världen, säger han. Det är tillämpligt på robotar och autonoma bilar och mobilappar.
Eugenio Culurciello , en forskare vid Purdue University som arbetar med chips med inbyggda neurala nätverk (se AI-chip för att hjälpa datorer att förstå bilder), säger att spänningen kring djupinlärning är berättigad. Han pekar på hur dess metoder har störtat de riktmärken som forskare använder för att rangordna programvara för maskininlärning. Oftast förbättrar man sig med 2 procent på det som kom innan, säger han. De här killarna har förbättrats med 10 eller 20 procent.
Sådana resultat är anledningen till att Facebooks vd Mark Zuckerberg gjorde ett överraskande framträdande på NIPS konferens för neurala nätverksforskning förra året. Dock, Michael Mozer , en professor vid University of Colorado, Boulder, och styrelseledamot i NIPS Foundation, påpekar att kärnalgoritmerna som de neurala nätverken använder är ungefär desamma som de som utlöste en våg av optimism om artificiell intelligens i slutet av 1980-talet. De senaste genombrotten har kommit från att hitta knep som gör att dessa algoritmer kan användas i mycket större skala, säger Mozer. De människor som höll fast vid det skördar välförtjänt frukterna nu, säger han, men djupinlärning är inte ett så stort steg framåt för fältet som det ibland framstår som.
För närvarande är det relativt få som är insatta i de knep som behövs för att få djupinlärning att fungera bra, säger Culurciello. Om du vill slå publiken nu måste du försöka köpa de människor som verkligen kan det här – annars kommer du att ligga några år efter, säger han.