你所在的位置：管理文庫 > 運營管理
作者/ 許乃威??
這是許乃威科普教室「從那場華山論劍講起」這系列文章的最終篇，有興趣讀者可以回頭看這系列文章的上和中篇。這系列文章在講人工智能過去50多年的發(fā)展，但有讀者問：干嘛花時間去了解這些過去的歷史呢？這系列文章其實背后有一個很實用的目的，就是：教大家簡單的方法，識別你所用的智能系統(tǒng)，到底是不是現(xiàn)在最新最熱門的人工智能技術。
自從谷歌的AlphaGo打敗了世界圍棋冠軍，震動了世界，AlphaGo背后的技術：深度學習，一下成為報紙的頭版頭條，所有人都宣稱自己在搞深度學習，深度學習最成功的應用，就是解決了以往人工智能解決不了的問題：聲音、文字和圖像的識別處理，我們所在的客戶服務領域，不正好就是其中的聲音和文字嗎？
因此我過去這幾年，很常被問到一個問題：老師，我們要買智能系統(tǒng)，各家廠商都講得很好，但這實在太專業(yè)了，而且這可是大投資，一買錯，這可就全慘了，是啊，這還真的就很慘，我就遇到有企業(yè)買到的，連第一代的智能系統(tǒng)都不算，只是利用關鍵詞比對的技術而已，真沒用到人工智能的技術，花了錢花了時間不說，還跟公司的核心系統(tǒng)接上了，要換都不知道該怎么換。
我最近被牙齒弄得真的很煩，也不知道是年紀大了還是怎么著，反正就是有幾顆牙掉了，要做植牙。其中有2顆是左下方后面的兩個大牙，10年前就做了植牙，結果其中一顆掉了下來，牙醫(yī)說，失敗的那顆沒法再植了，但還好還有一個是成功的，他說那這樣吧，我們就在沒牙的地方做個牙套，然后做個神奇的勾子，跟前面那顆牙勾起來，也把牙套跟后面那個植牙連起來，團結力量大，前后兩個牙齒的力量，就能讓沒牙的那個牙套給固定住了，我聽了，連忙點頭如搗蒜，頻頻稱好，因為我也不懂啊，除了點頭，我還能干嗎？十年后的今天。那個神奇的勾子斷了，那個牙套站不住了，脫落了，連帶影響到我另外那個還在的植牙，也就是兩個植牙都不行了，這次我找了真正的專家（過程就不說了），專長就是失敗植牙的重建。他看了我的情況，一句話：那個神奇的勾子，是上一代的技術啊，現(xiàn)在都沒人用了，我說，那現(xiàn)在的技術是什么？他說，即使植牙失敗，都是可以補骨補肉，重新來過，只是要看那個牙醫(yī)有沒有這樣的技術而已，然后，我就開始了我現(xiàn)在長達6個月漫長的補骨補肉、重新來過的過程。
大家買的智能系統(tǒng)，就跟我的植牙是一樣的，如果你買的是那個「神奇的勾子」，表面聽起來再怎么神奇，總歸是上一代技術，是被淘汰的，是用不久的，真要換，不是版本更新，而是馬車要換火車，但建置智能客服系統(tǒng)，就跟我植牙一樣，我們做客服的，一般都不懂技術啊，智能客服系統(tǒng)太專業(yè)了，廠商現(xiàn)在這么多，都說是最新最熱門的，我們到底要怎么判斷？就算是企業(yè)的科技部門，也沒有多少人懂深度學習，因為深度學習的理論，是2006年深度學習之父Hinton提出，2012年才爆火廣泛被接受的，也就是說離現(xiàn)在才10年的時間，你說能有多少人懂深度學習是什么？
現(xiàn)在的智能系統(tǒng)，存在著太多混雜第一代智能、第二代智能和第三代智能的概念，全部夾雜在一起，我們做運營的，因為對技術也不懂，廠商說這樣做，我們就這樣做，也沒有真明白背后的原理是什么，浪費了時間不說，系統(tǒng)的效能越搞越糟，舉幾個例子。
智能客服系統(tǒng)的核心，不是智能知識庫嗎？智能知識庫不是會有標準問和相似問嗎？客戶問：我銀行卡里還有多少錢？這是標準問，但客戶說法有太多種變化，我們要把變化寫下來，放到相似問里面，我有次在一個銀行客戶現(xiàn)場，看到做運營的標注同事，在標準問底下，拼命的添加相似問，有的標準問，竟然放進去了800多條的相似問，這根本就不對了啊，深度學習的確要用到海量訓練，但這海量訓練是用在學習中文上面，因為中文的說法變化太多，而跟銀行這領域的說法變化，應該就少多了，客戶的說法的確有很多種，但那是中文的范圍，那是你買這套系統(tǒng)之前，廠商應該早就訓練好的，你要加的相似問，應該是跟銀行知識有關的，例如「賬戶余額」這個說法，客戶可能會說成「戶頭有多少錢」，只有這種需要加入相似問，而這種相似問的量，根本就不多。
如果這說法變化是跟中文有關的，例如「我賬戶還有多少錢」，客戶講成「我賬戶上的錢還有多少」，這是中文的問題，這是主詞、動詞、受詞、副詞位置變化的問題，對深度學習系統(tǒng)來說，這是不需要加入相似問的，因為廠商應該已經(jīng)幫你訓練好了，在換個角度想：你的團隊就幾十號人，用的相似問最多也就是幾萬條，就能讓你的智能系統(tǒng)懂中文，那真是太小瞧深度學習對于訓練數(shù)據(jù)的數(shù)量要求了，簡單講，你買到的系統(tǒng)，應該是懂中文的，你要做的事情，只是把你行業(yè)的專業(yè)知識放進去而已，所以，在每個標準問底下，要添加這么多相似問，看起來就像是第一代的智能技術，根本不是深度學習（或者是廠商沒有跟企業(yè)運營團隊講清楚）。
什么是第一代技術，我后面會說清楚，再舉個例子，我到一個企業(yè)現(xiàn)場，看到現(xiàn)場做語料標注的人員有幾十號人，我嚇了一大跳，我說只是做標注，干么要這么多人？客戶說，因為要把客戶的話進行詞語切割和詞性切割，例如「我的賬戶余額還有多少錢」，要把這句話的主詞、動詞、受詞給標注出來，然后把這句話按照詞性給切割開來，我嚇了一大跳。確定你用的是深度學習的系統(tǒng)嗎？客戶跟我當時作植牙一樣，點頭如搗蒜，后來我發(fā)現(xiàn)，其實只要問一個問題，就能簡單分辨我眼前的系統(tǒng)，到底是不是第三代的技術，也就是深度學習，如果不是，那我至少知道為何需要這么多標注人員，為何需要做這么多額外工作，這就是我這一系列科普文章的目的：教大家一招，快速識別你眼前的智能系統(tǒng)，到底是不是真的深度學習，但揭曉之前，我還是要在科普一下深度學習到底是什么，用最簡單易懂的方式來講。
話題回到我們上一篇說的，1956年，4位絕世高手，決定來場華山論劍，人工智能元年于是開始，華山論劍之后，三派鼎立：符號派，連接派，和行為派。行為派的研究一直都沒有進展，我們略過不談。
符號派又稱為規(guī)則派，稱霸武林40年，觀念也很容易理解：你跟機器說，把紅色的球放右邊，藍色的球放左邊，只要把規(guī)則講清楚了，機器就能執(zhí)行，這就是規(guī)則派。
規(guī)則派在智能客服領域，也被稱為第一代智能。為何是第一代？因為后來不行了啊，在聲音、文字和圖像的領域，規(guī)則變化實在太多，根本沒法窮盡說完，規(guī)則派需要把所有可能的變化都放進去，你沒說，機器就不會，這樣嚴格的限制，在商業(yè)的應用上，一點都不實際，1990年代，第一代人工智能宣告崩盤，3個門派倒了兩個，那只有剩下連接派了。
現(xiàn)在大家最熟知的連接派，自然就是深度學習，但連接派其實包含一個更大的范圍，叫做：機器學習，機器學習主要就是在解決「尋找規(guī)則、預測未來」這個核心問題之上。它起先建立的基礎在統(tǒng)計學，一聽到這名詞，大家馬上就嚇到了，但我換個方式講，你可能一下就明白：其實你每天大量的學習，很多都是基于統(tǒng)計后的結果，問你個問題：動物有幾條腿？我講一個動物名字，你是否能預測它是幾條腿？不必大人來教，小朋友在接觸大量的動物圖片之后，也就是經(jīng)過大量數(shù)據(jù)的訓練，很容易就能進行「尋找規(guī)則、預測未來」這個統(tǒng)計工作，哦，很多是兩條腿的，但也很多是四條腿的。我看了一百張圖片，我發(fā)現(xiàn)有翅膀的是兩條腿，沒翅膀的是四條腿，所以，如果你給我一個動物名字，我只要想想它有沒有翅膀，我就能預測答案了，感受到了沒有？人類的學習，很多靠的是經(jīng)驗，所謂的經(jīng)驗，就是把過往的數(shù)據(jù)進行總結歸納，找出規(guī)律，然后預測未來。（講到這，你有沒有想到，其實兩條腿和四條腿的分法，不是簡單靠翅膀的，能想到有什么動物沒有翅膀，但只有兩條腿嗎？聰明智慧如此的你？）
機器學習一開始，利用的就是統(tǒng)計學的辦法，尋找特征，加以分類，然后預測未來。為何你的郵箱能夠很聰明的識別是垃圾信，然后直接丟到垃圾桶？垃圾郵件的分類檢測，主要用到的SVM方法，就是最典型的統(tǒng)計學例子。SVM到今天都廣泛被使用，原理也很好懂，你有一堆紅色的球，一堆藍色的球，你要找到方法把他們分開，你做了很多嘗試，后來發(fā)現(xiàn)他們重量不同，紅色比較重，藍色比較輕，用「重量」很容易就能分開，「重量」就是所謂的特征值，SVM在做的，就是找到有哪些特征值能夠把這兩堆球給分開，SVM為何廣泛運用在垃圾郵件的分類檢測，這也很好理解了吧，你只要把「重量」這個特征值想象成垃圾郵件的特征，只要是垃圾郵件，就會有一些特征，只要找到這些特征，就能把垃圾郵件給分類出來。
故事講到這，怎么還不講「一招識別深度學習」這個主題呢？馬上來了，因為終于要講深度學習了，機器學習在1980年代崛起，而且取得相當?shù)倪M展，但在聲音、文字和影像這些領域，還是遇到巨大困難，使用統(tǒng)計學的辦法，有個前提：這個復雜的世界，是可以用少數(shù)可以理解的特征值來進行描述的，例如剛剛講的紅球和藍球的分類，是可以用「重量」這個少數(shù)可以理解的特征值來進行描述的。講個大家更好理解的例子：
你在一個大公司，公司有一萬名員工，員工的績效工資，公司只有給最終的計算結果，但沒有跟大家說明績效的計算方法是什么，你是一個學過統(tǒng)計學的聰明員工，你拿到所有員工的績效工資，你也知道績效可能的指標包括接電話數(shù)量、客戶滿意度、一解率、質檢分數(shù)、出勤、月考、客戶表揚、客戶投訴等等，可能被納入的指標太多了，你不確定哪些指標被納入最終的績效當中，但你有大家每個指標的原始分數(shù)。透過統(tǒng)計學的技術，你很容易就能找到哪些指標被納入了績效考核當中，這就是特征值，有了特征值，用簡單的數(shù)學，你很容易就能算出最終的績效公式是什么，但問題是，在聲音、文字和影像這些領域，各種努力都找不到用少數(shù)可以理解的特征值來進行描述，傳統(tǒng)統(tǒng)計學的方法也行不通。
一直到深度學習出現(xiàn)。深度學習的技術，實在難懂難講，我后面在找機會看能否用簡單易懂的方式來說明，大家先這樣簡單理解：只要先想成剛剛那個績效工資的例子，有一萬名員工的績效資料，公司用了一個宇宙無敵超級難懂的計算方法來算工資（就是不想讓你懂，怎樣？），你有原始資料和最終的績效工資，你要猜出公司這個宇宙無敵的公式到底是什么，其實你為何要去算這個公式？你真正的目的是要做預測，你有員工的原始指標數(shù)據(jù)，你要猜到他可能拿到多少錢，你只要能達到這個目的就行，你不必真猜出這個公式，對吧，就算這個公式對你還是一個黑盒子，只要能夠從原始數(shù)據(jù)猜到最終結果，你目的還是達到了啊。
統(tǒng)計學還是希望能猜到這個績效公式，而深度學習來了一個大轉彎：我干脆不去猜這個公式了，我只要能從原始數(shù)據(jù)這里，猜到結果就行，大家有沒有聽過這個故事：AlphaGo打敗了世界圍棋冠軍，它下棋的策略，讓人類都無法理解，哇，聽起來有沒有夠玄幻了？其實深度學習本來就沒有打算去了解機器如何去猜到這個結果的，因為這就是深度學習的核心思想：我只要把一堆原始數(shù)據(jù)丟到機器，機器有一堆開關，這些開關有各種組合，就讓機器去組合吧，不管機器怎么組合，只要能把結果猜出來就行。（我盡力了，對深度學習的技術，你應該還是一頭懵，相信我，這太正常了）除非你是打算寫代碼的，如果你只是做運營的，其實懂到這里也就夠了?；蚴倾碌竭@里也就夠了。因為我們最大的重點要來了。
2006年深度學習之父Hinton找到了一個辦法，在復雜的聲音文字影像世界當中，不必去費神分析剛剛講的特征值（例如接電話數(shù)量、接電話質量），就能從原始數(shù)據(jù)猜到結果，但他的理論出來，仍舊沒有引起什么反響，一直到2012年，發(fā)生了人工智能使用真正最有意義的一場重大事件，深度學習一夕爆火，3年后，才有了AlphaGo，這個事件，終于來到了我們這篇文章的主要標題：一招分辨深度學習。
2012 年 Hinton 的兩個學生參加了一場比賽ImageNet，由史丹佛大學舉辦，是個圖像識別競賽，可以簡單理解為人工智能界的奧林匹克，這比賽從2007年創(chuàng)辦以來，每年的比賽結果、每家都差不多，錯誤率大致落在 30%、29%、28%... 瓶頸一直無法突破，這種錯誤率，根本不具備商業(yè)應用的價值，這也清楚的說明，在2010年以前，就算機器學習用統(tǒng)計學的方法，仍然沒法讓人工智能具有商業(yè)價值，Hinton 團隊上場了，Hinton在這領域堅持了30年，組了一個公司，公司就3個人，無人看好，沒人，沒錢，而對手是谷歌、微軟這種巨頭公司。
就好像少年隊對上了國家隊。（這種故事聽起來真的就很勵志）結果，Hinton 團隊不只完勝對手，而且將世界記錄一下往前推進到空前的程度。以 16.42% 的錯誤率遠勝第二名的 26.22%，用的正是深度學習技術，深度學習終于引起各大巨頭企業(yè)的關注，真的是一夕爆火，谷歌后來立刻投資Hinton的三人公司，2015 年的冠軍微軟，以 3.5%，正式超越?類的 5%錯誤率，大家看到這里，難道心中沒有個疑問：2006年Hinton就解決了深度學習的理論障礙，為何還要等到2012年才揚眉吐氣？因為Hinton缺一樣東西，而這樣東西一直到2007年才逐漸開始成熟：GPU！這就是我們文章的重點了！
以前人工智能用CPU來運算，CPU如同電腦的通才，能扛起各種運算任務，但對于海量數(shù)據(jù)的計算，就是不夠力啊，GPU是干啥？本來是用在繪制熒幕上呈現(xiàn)的影像，后來發(fā)現(xiàn)GPU是個專才，它當時設計的思路是并行運算，特別適合海量運算，例如：深度學習，2007年以前就有GPU了，但沒有簡單能在GPU上面寫代碼的編輯器，一直到2007年，而Hinton團隊，就是利用深度學習，加上GPU，終于一舉突破影像識別20％錯誤識別率的關卡。
好了，鋪墊了這么長，該做結論了：智能系統(tǒng)有3代，第一代是規(guī)則派的，第二代是機器學習型的，只有第三代才是現(xiàn)在我們熟知的深度學習的，第三代的技術，不需要你提供特征值，換一個簡單的說法，什么詞語切割、詞性切割，主詞、動詞、受詞、副詞，這些都是特征值，第三代技術，是看整個句子的，我們根本不知道深度學習到底是怎么切割的。
我們傳統(tǒng)認為語料標注的工作，其實更多是第一代和第二代技術用到的，到了第三代技術，對于語料標注的依賴度，除了要定義一些行業(yè)的專有術語和說法之外，依賴度已經(jīng)降到很低了，一招教你識別你用的系統(tǒng)，是第一代還是第三代：你只要問一下，這套智能系統(tǒng)有沒有用到GPU？沒用到GPU的，幾乎不可能是第三代技術，跟深度學習應該是沒有關系的。
當然，這是一個快速檢驗法，仍然不夠完美，在后面的科普文章當中，我會再繼續(xù)介紹深度學習到底需要做什么，不需要做什么，怎樣能夠搞明白，我到底用的是哪一代的技術，有了這些了解，你也才能更好的掌握深度學習現(xiàn)在這個當紅的人工智能發(fā)展。
