選自微軟
作者： Allison Linn等
機器之心編譯
參與：李澤南、吳攀
在微軟今年 1 月宣佈收購 Maluuba 時，深度學習先驅 Yoshua Bengio 同意隨這家公司一同加入微軟並擔任顧問，為微軟的人工智能貢獻自己的力量。Yoshua Bengio 目前是蒙特利爾學習算法研究所（MILA）主任和蒙特利爾大學計算機科學教授。在二十多年的教學生涯中，他教育出了 Ian Goodfellow 等著名學者。最近，Bengio 探訪了微軟在華盛頓州 Redmond 的園區，並與微軟副總裁沈向洋進行了一次對話。
沈向洋：讓我們先從最簡單的開始吧：什麼是深度學習？
Yoshua Bengio：深度學習是機器學習的一種形式，機器學習是計算機通過學習大量真實世界的例子來獲取智能的一種方法。深度學習在所有機器學習方法中顯得非常獨特，它受到了人類大腦結構的一點啟發。它可以讓計算機學會多層次的抽象概念和表示，這是這些系統成功的原因。
沈向洋：你能舉一個人們使用深度學習的例子嗎？
Yoshua Bengio：深度學習最為常用的方法被稱為監督學習（supervised learning），在這種方式下，我們向計算機提供大量例子，這些例子會告訴計算機在許多不同的情況下應該如何做。例如：我們有數百萬條某人朗讀句子的語音數據，同時我們有其語音轉錄，然後我們希望計算機知道如何將聲音轉錄成文字。在訓練後，計算機就可以通過輸入學會理解真實世界，就像人類所做的一樣。簡而言之，計算機試圖通過很多例子在來任務中模仿人類。
沈向洋：深度學習已經發展了數十年之久，它是如何從早期的蟄伏走出來，成為今天的熱門學科的？
Yoshua Bengio：人工智能起源於 20 世紀 50 年代末，人們開始思考人工智能，然後人們突然想到：嘿，我們應該看看大腦是如何運作的，那裡面應該有很多可用於構建智能機器的線索。隨後人工智能沉寂了一段時間，直到 80 年代初才重新被提起，在 90 年代初又再次沉寂，因為當時它並不如人們所期望的那樣強大。現在已經是第三波浪潮了，這一波是深度學習。大約 5 年前，深度學習突然在語音識別、物體識別等應用領域出現了驚人的突破。最近，自然語言應用（如機器翻譯）也已經進入了實用階段。
沈向洋：作為一名深度學習的專家，你認為目前最激動人心的研究是哪個方面？
Yoshua Bengio：我認為目前最激動人心的領域在於無監督學習（unsupervised learning）。在這個方向上，目前最好的機器學習與深度學習還遠不及人類的水平。一個兩歲的人類孩子只需觀察世界和與世界互動就能學習。例如：他/她可以通過玩和觀察來了解重力和壓力這樣的物理特性——而不需要去上物理課。這就是無監督學習。而對於人工智能來說，機器還遠未實現這樣的能力，不過目前我們在這方面的研究已經有了很大的進展。這非常重要，為了讓機器在當前非常有限的任務之外實現更大的發展，我們需要無監督學習。
沈向洋：在微軟，我們經常談到通過人工智能來增強人類經驗，從而幫助我們完成任務。你認為在這一方面未來人工智能最有希望的能力是什麼？
Yoshua Bengio：首先，在人工智能領域，特別是自然語言處理領域，最重要的任務是讓計算機可以與人類更自然地交流。現在，當我希望與計算機進行交互時，我會感到很沮喪，我不知道如何把信息傳遞給計算機，也無法從計算機獲取我想要的信息。自然語言處理是讓程序員之外的人能夠更大程度地操作計算機的有效方式。但除此之外，我們希望計算機能真正理解我們的需求和問題並幫助我們找到信息，同時還能推理和幫助我們工作，這個想法非常有前途。
沈向洋：此前，你曾經說過深度學習經常被說成是受大腦運行方式啟發的技術。深度神經網絡是如何受我們對人類大腦工作方式的理解的啟發的？這意味著深度學習具有怎樣的潛力？
Yoshua Bengio：在神經網絡發展的起始階段，有一種想法：大腦中執行的計算可被抽象成大腦中每個神經元執行的非常簡單的數學運算。神經網絡所做的是將所有這些小運算組合在一起，而其中的每個神經元的計算可以被改變或調整。這對應於生物神經突觸的變化，這或許就是人類學習的方式。我們將這種理念應用於機器學習中，讓計算機學會整合所有元素的結果，這種方法非常強大。
沈向洋：但目前人類對自己大腦的認識還很有限，我們距離真正理解大腦運行方式還有多遠？
Yoshua Bengio：大腦是一個巨大的謎團。你可以將其看作是一幅巨大的拼圖。我們已經有了所有的元素，全世界數以萬計的神經科學家都在研究他們各自許多不同的元素，但我們似乎缺少一種大局觀。但作為計算機領域的研究者，我們相信並希望在深度學習上的探索可以幫助人們找到這種大局觀。當然，未來很難說，但目前在把機器學習和深度學習中的數學思想與神經科學進行整合以幫助理解大腦運作方式方面，科學界也已經出現了很多激動人心的想法。當然，我也希望有更多的研究方向，因為目前的深度學習還遠未達到人類的智能水平。人類的大腦可以做很多機器無法做到的事情，所以在未來，深度學習系統也許可以從大腦中獲得更多啟示。
沈向洋：近年來，我們聽到了有關人工智能可以做什麼的很多預測。你認為人工智能或深度學習技術最終可以達到模擬人類思考的程度嗎？
Yoshua Bengio：我曾多次被問到這個問題，而我的答案一直是「我不知道。」而且我認為嚴肅的科學家永遠不會對此有一個直截了當的回答，因為目前還存在太多的未知。根據定義，我們現在正在研究這個領域是因為這裡還有很多問題有待解決。我們的確正在進步，我們也認為事情正在正確發展的軌道上。但比如：讓計算機能夠正確理解更抽象的困難問題還需要多久？這樣的問題是無法回答的。是五年、十五年還是五十年？目前我們看到了一些障礙，我們正在著手解決它們，但這些可能只是冰山一角。
沈向洋：你能談談在人工智能技術的大背景下，深度學習適合扮演怎樣的角色？
Yoshua Bengio：深度學習改變了人工智能幾十年來的面貌，它採取了很多傳統人工智能的方法，並將其整合在一起。在這裡最著名的例子就是深度學習和強化學習的融合。
強化學習是機器學習的一種，在這種方法下，機器並不瞭解人類在這種情況下會做什麼。學習器只能看到一系列動作後的結果是好是壞。目前在這方面的很多研究都集中在遊戲方面，但強化學習對於自動駕駛汽車這樣的應用來說也可能非常重要。
